TapCub 正式上线:统计、分析、客服一个平台免费用
数据分析

网站监控:四种类型,以及该对什么告警

网站监控涵盖可用性、性能、错误和内容,每一类都需要各自的检查和告警规则。本文讲合成与真实用户数据、检查间隔的算术、百分位,以及按历史设定的阈值。

苏禾 发布于 2026 年 11 月 19 日 11 分钟阅读 数据分析
示例数据:连续两次检查失败才告警时,发现时间在一到两个间隔之间,平均 1.5 个间隔。15 分钟的间隔还可能漏掉一次 10 分钟的故障(任意一次检查失败的概率 66.7%,连续两次为 0%)。示例数据

网站监控是对站点的持续检查,让你在访客之前发现问题,分四类:可用性、性能、错误和内容。每一类都需要各自的检查和各自的告警规则。下面讲合成检查和真实用户数据怎么配合、检查间隔和确认次数怎样决定发现时间,以及怎样按历史设定阈值。

读完你会知道

  • 四类监控需要四种检查;一个在线探测不算监控
  • 15 分钟的间隔可能完全漏掉一次 10 分钟的故障,而且永远不会触发两次失败才告警的规则
  • 阈值要按历史设定并先试运行:示例里取平均值 14 天触发 6 天,取平均值加三倍标准差一天都不触发

什么是网站监控?它分哪四类?

网站监控是对站点的持续检查,让你在访客告诉你之前就先知道出了问题。它覆盖四件事:站点是否可用、速度快不快、有没有报错、内容是不是还是该有的样子。每一类回答不同的问题,用不同的信号,所以光有一个「在线检查」并不算监控。

类型问题典型信号能抓住的故障举例
可用性人们能访问站点吗,它的应答正确吗?响应状态、检查的响应时间、证书和 DNS 是否有效服务器宕机、证书过期、DNS 配置错误
性能对真实访客来说够快吗?页面加载和交互耗时,如核心网页指标新加的脚本让手机上的页面变慢
错误是不是有部分访客遇到了失败?服务器错误响应、脚本错误、错误率一次发布弄坏了结账按钮
内容页面上的东西对吗?检查预期文字或元素是否存在;robots 和索引标签页面返回空白模板、误加了 noindex

Google 讲分布式系统监控的工程书里,给服务列了四个「黄金信号」:延迟、流量、错误和饱和度。其中三个能直接对到上表:延迟就是性能,错误就是错误,流量突然塌掉往往是可用性故障最先出现的症状。本文讲的是适用于网站的实用版本。单个术语见监控。

本文的核心观点是:这四类需要不同的检查和不同的告警规则。把它们混在一起,团队就会收到一大堆关于慢页面的告警,而结账坏了却一片寂静。

类型问题典型信号
可用性人们能访问站点吗,它的应答正确吗?响应状态、检查的响应时间、证书和 DNS 是否有效
性能对真实访客来说够快吗?页面加载和交互耗时,如核心网页指标
错误是不是有部分访客遇到了失败?服务器错误响应、脚本错误、错误率
内容页面上的东西对吗?预期文字或元素是否存在;robots 和索引标签

每一类都需要各自的检查和各自的告警规则。

合成检查和真实用户数据怎么配合?

收集信号有两种方式。

合成监控按计划从外部向你的站点发出脚本化的请求,不管有没有人在访问。凌晨 3 点没有流量时发生的故障,就是靠它发现的。它看到的是脚本看到的东西。见合成监控。

真实用户监控记录真实访客在自己的浏览器、自己的网络里的体验。它能看到真实的设备、地点和路径,但只有在有人访问时才有数据。见真实用户监控。

合成检查真实用户数据
没人访问时也运行是否
能看到设备和网络的差异否是
适合可用性、证书、关键流程性能、错误、谁受了影响
弱点只走站点里的一条路径需要流量;脚本加载不出来时是静默的

「它在线吗」用合成检查,「对人们来说怎么样」用真实用户数据。要留意的漏洞是:站点宕得太彻底,连统计脚本都加载不出来,这时真实用户数据一片安静,而这种安静看起来像是零访问。设一条「超过一定分钟数没有数据到达就触发」的规则,就能补上。

多久检查一次,要失败几次才告警?

两个设置决定你多快知道:检查间隔,以及告警前要求连续失败几次。要求连续失败两次,可以避免因为一次网络抖动就告警。

示例数据与算术:检查间隔为 T 分钟,连续两次检查失败才告警。故障开始后 0 到 T 分钟之间会出现第一次失败的检查,一个间隔之后触发告警。所以发现时间在 T 到 2T 分钟之间,平均是 1.5T。

检查间隔发现时间(范围)平均一次 10 分钟的故障至少让一次检查失败的概率让连续两次检查失败的概率
1 分钟1 到 2 分钟1.5 分钟一定一定
5 分钟5 到 10 分钟7.5 分钟一定一定
15 分钟15 到 30 分钟22.5 分钟66.7%(10 ÷ 15)0%

用 15 分钟的检查间隔,一次 10 分钟的故障可能悄悄溜过去(三次里有一次逮不到),而且永远不会触发两次失败才告警的规则。检查间隔要按你承受不起的那种故障来选,而不是按工具允许的值来选。

这相当于多少停机?按 30 天的一个月算,99.9% 的可用性允许 30 × 24 × 60 × 0.001 = 43.2 分钟停机,99.5% 允许 216 分钟(3.6 小时),99% 允许 432 分钟(7.2 小时)。如果你的预算是 43.2 分钟,15 分钟的检查间隔已经粗到没法判断你有没有超出预算。

app.tapcub.com

按检查间隔看发现时间

示例,平均分钟数
1 分钟检查1.5
5 分钟检查7.5
15 分钟检查22.5
示例数据
示例数据:连续两次检查失败才告警时,发现时间在一到两个间隔之间,平均 1.5 个间隔。15 分钟的间隔还可能漏掉一次 10 分钟的故障(任意一次检查失败的概率 66.7%,连续两次为 0%)。

性能方面该监控什么?

性能监控要回答真实访客对页面的体验如何,并且按搜索引擎和浏览器厂商定义的方式来测。Google 的 Web Vitals 指南定了三个核心网页指标和它们的「良好」阈值:最大内容绘制在 2.5 秒内,下一次绘制的交互响应(INP)不超过 200 毫秒,累计布局偏移不超过 0.1,每个都取页面加载的第 75 百分位,并按手机和桌面分别统计。它还指出这些首先是现场指标;实验室测试在开发时有用,但不能代替度量真实访问。另见 网站性能监控。

百分位很重要,因为平均数会掩盖慢的那一截。示例数据:20 次页面加载,最大内容绘制(秒)为 1.2、1.3、1.4、1.5、1.6、1.7、1.8、1.9、2.0、2.1、2.2、2.3、2.4、2.5、2.6、2.8、3.1、3.6、4.4 和 5.8。

统计量数值对照 2.5 秒阈值
中位数2.15 秒良好
平均数2.41 秒看起来良好
第 75 百分位2.65 秒需要改进

中位数和平均数都过关,第 75 百分位却不过关。四分之一的访客等了至少 2.65 秒,而指南度量的正是这个。要按页面、按设备来监控,而不只是全站汇总,因为一个慢的模板可能躲在一个不错的平均数里面。

什么样的错误值得告警?

错误是指一次请求或一次页面浏览没有做到它该做的事。Google 的监控章节把它分成三种:显式错误(比如服务器错误响应)、隐式错误(返回了成功响应,内容却不对)和按策略定义的错误(响应正确,但慢过了承诺的时间)。对网站来说,来源有:

  • 服务器错误。 5xx 范围的 HTTP 状态码表示服务器没能完成一个有效的请求(RFC 9110 定义了这一类)。一个 500 只是噪声;占比上升才是信号。见 HTTP 500 错误。
  • 浏览器里的脚本错误。 页面 JavaScript 里的异常,常出现在发布之后,可能不产生任何服务器错误就弄坏一个按钮。
  • 断掉的流程。 页面能加载,却完成不了它的目的:结账后又回到购物车,表单点了没反应。

要看错误率,而不是错误数,因为流量会改变错误数。错误率 = 错误数 ÷ 浏览量。示例数据:20,000 次浏览里有 80 个错误,就是 80 ÷ 20,000 = 0.40%。同样 80 个错误如果出现在 2,000 次浏览上,就是 4.0%,情况完全不同。定义见错误率。

怎样写出人们不会忽略的告警规则?

Google 的监控章节给出了规则:针对用户感受到的症状来呼叫,让每次呼叫都要求人做出判断,把较低优先级的问题放进看板或工单,因为频繁的告警会让人养成扫一眼就过的习惯。用在网站上:

告警条件发往哪里值班的人做什么
站点无法访问连续两次检查失败电话或聊天,立即检查主机,重启或回滚
错误率飙升每天或每小时的比率高于按历史定的阈值聊天或邮件找出是哪次发布或哪个页面在出错
流量塌陷访问量远低于上周同一天聊天或邮件检查是统计坏了还是站点坏了
页面变慢某类页面的第 75 百分位高于阈值工单,每周复盘排期修复;不是紧急事件
证书将到期到期前 14 天邮件续期

阈值要按自己的历史来定,不要拍脑袋。示例数据:14 天的每日错误率(百分比)是 0.38、0.42、0.40、0.35、0.44、0.41、0.39、0.43、0.37、0.45、0.40、0.36、0.42 和 0.39。平均值是 0.40%,标准差约 0.03 个百分点。把阈值设在平均值(0.40%)上,14 天里有 6 天会触发,那是噪声。阈值设为平均值加三倍标准差,约 0.49%,取整为 0.50%,一天都不会触发,但能抓住一天达到 1.2% 的情况。如果工具有试运行功能,能显示这条规则在过去会触发多少次,开启规则之前先用它。

哪些错误会让网站监控变得嘈杂或者失明?

  • 只检查首页。 首页可能完好,而结账坏了。要检查那些带来收入的页面。
  • 一次失败就告警。 一次检查失败通常是网络噪声;要求两次。
  • 针对原因告警,而不是针对症状。 「CPU 到 80%」也许说明不了什么;「错误率高于 1%」一定说明问题。
  • 用平均数衡量性能。 如示例所示,平均数过了关,却有四分之一的访客体验不佳。
  • 把安静当成健康。 如果统计脚本加载不出来,真实用户数据就会安静下来。既要对坏数据告警,也要对没有数据告警。
  • 从不复盘告警。 每个月列出触发过的规则,以及有没有人做过什么。把那些答案是「什么也没做」的规则去掉或重新调整。

在 TapCub 里怎么监控错误、速度和流量

下面是上面的错误率示例在 TapCub 里的做法,从读数字到收到通知。

  1. 读当前状态。 打开 监测 › 错误。卡片显示错误数、错误率(错误数 ÷ 浏览量)、受影响访客和受影响会话。每组错误有次数、涉及会话和最后出现时间,状态分为活跃、已解决和已忽略;展开一组能看到每次发生时的页面、设备和会话。错误采集要在安装代码里打开。
  2. 看真实访问的速度。 打开 监测 › 性能。数字来自访客浏览器里的真实页面加载,阈值采用上面的核心网页指标。卡片可以在 P95、P75、中位数和平均数之间切换,页面分解按 P75 最大内容绘制列出最慢的页面。
  3. 创建监控。 在 全端分析 › 智能运营 › 监控 里,选内置指标 error_rate,条件选固定阈值(比如高于 0.50%),粒度选天。其他内置指标有 errors、uv、sessions、pv、bounce_rate 和 avg_duration,条件还有周期变化、预测区间、异常和采集中断。
  4. 试运行。 试运行只计算,不发送,并报告过去 30 天这条规则会触发多少次,也就是上面示例里手工做的那项检查。
  5. 选择发到哪里。 渠道有邮件、企业微信、钉钉、飞书和 Webhook(带 Slack 模板)。默认情况下同一条规则约 60 分钟内不重复通知,连续命中三次会暂停。要防站点静默,就加一条采集中断条件,让一段时间没有数据时通知你。配置 › 设置 › 通知 里还有流量激增、流量下滑、爬虫异常和错误激增这几项运营告警。

TapCub 监控的是它自己的脚本从真实访问里收集的数据。它不从外部定时检查你的站点,所以不能代替在线检查或合成检查,也不检查页面内容。监控只负责通知,不会替你修复或回滚任何东西。监测 › 抓取健康 还多提供一个可用性信号,显示搜索引擎的抓取成功率、404 和 5xx。

常见问题

什么是网站监控?

网站监控是持续检查站点的可用性、性能、错误和内容,在访客反映之前发现问题。它把定时的外部检查(称为合成监控)和真实访问的数据结合起来,在指标越过阈值时发送告警。

网站上应该监控什么?

四件事:可用性(能不能访问、应答对不对)、性能(真实访客的页面速度和交互)、错误(服务器和脚本错误,按浏览量算成比率)以及内容(文字或元素对不对,有没有误加 noindex)。先从带来收入的页面开始,比如结账和注册。

多久检查一次网站?

按你承受不起的那种故障来选间隔。连续两次检查失败才告警时,发现时间在一到两个间隔之间,平均 1.5 个间隔。5 分钟的间隔每次都能发现一次 10 分钟的故障;15 分钟的间隔可能完全漏掉。关键页面的检查要比次要页面更频繁。

在线监控和性能监控有什么区别?

在线监控问站点到底有没有应答,通常靠外部的定时检查。性能监控问真实访客体验到的速度和流畅度,按某个百分位(比如第 75 百分位)测量页面加载和交互耗时。站点可以在线,但仍然太慢。

网站监控和网站统计是一回事吗?

不是。网站统计对访问进行计数和描述,用来了解受众和效果。监控盯着站点的健康状况,在出问题时提醒你。它们共用一些数据,比如真实访问里的错误数和页面速度,但回答的是不同的问题。

资料来源

  • Google。Monitoring Distributed Systems,《Site Reliability Engineering》。四个黄金信号、错误的种类,以及针对症状告警的规则。2026-11-19 核对。
  • Google。Web Vitals,web.dev。核心网页指标的阈值、第 75 百分位,以及现场数据与实验室数据。2026-11-19 核对。
  • IETF。RFC 9110: HTTP Semantics,5xx 服务器错误状态码类别。2026-11-19 核对。
归档:数据分析

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

苏禾

数据分析师

围绕流量来源、转化漏斗与用户留存写作,重视指标口径和分析过程,用具体示例解释数字背后的问题。

在真实访问上盯住错误、速度和流量

错误分组、真实用户性能和带试运行的监控,放在同一个项目里。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie