从一次 Unraid 卡死说起：构建 NAS 服务监控与告警体系

NAS 卡死最麻烦的地方，不是重启，而是重启后证据消失。没有历史指标，就只能猜是 CPU、内存、磁盘、Docker 还是某个服务拖垮了系统。

监控拓扑

flowchart LR
    A["Unraid Host"] --> B["Node Exporter"]
    A --> C["cAdvisor"]
    B --> D["Prometheus"]
    C --> D
    D --> E["Grafana Dashboard"]
    F["HTTP / TCP Services"] --> G["Uptime Kuma"]
    G --> H["告警通知"]

组件职责

Node Exporter 看主机 CPU、内存、磁盘和网络；cAdvisor 看容器资源；Prometheus 负责拉取和存储指标；Grafana 负责可视化；Uptime Kuma 负责服务可达性和告警。

实际排查场景

如果 Load Average 飙升，先看 CPU 是否真的满载，再看 IO wait、内存回收、容器资源和磁盘繁忙程度。只有把主机指标和容器指标放在一起，才能定位是系统层还是应用层问题。

常见误区

• 只装 Grafana，没有指标采集和保留策略。
• 面板很多，但没有围绕排查问题组织。
• 只看服务是否在线，不看资源是否接近耗尽。

检查清单

• 主机和容器指标都要采集。
• 关键服务要有可达性监控。
• 面板围绕 CPU、内存、磁盘、网络、容器五类问题组织。
• 告警要少而准，避免噪音。