中小企业服务器集群运维监控系统-srv-monitor

业务和功能介绍
1、立项背景和目标：
中小企业服务器运维长期依赖人工巡检——每天手动登录每台服务器查看CPU、内存、磁盘、服务状态，故障发现滞后，往往等到业务中断了才被动响应。专业运维监控平台（Zabbix、Prometheus等）部署复杂、学习成本高，中小企业IT人员有限难以维护。因此需要一套轻量级、易部署的服务器集群监控方案，实现多台服务器指标自动采集、集中看板展示、异常自动告警，将故障响应时间从"小时级"压缩到"分钟级"。
2、软件功能、核心功能模块介绍：
① 多服务器集中采集：支持Windows（PowerShell）和Linux（Bash）双平台采集脚本，每2分钟自动上报CPU、内存、磁盘、网络流量等核心指标；② 实时数据看板：Web前端单页看板，展示服务器列表、各指标实时数值、状态色块（正常/警告/异常）、历史趋势图；③ 智能告警推送：连续3次采集超过阈值才触发告警（避免短暂尖峰误报），告警通过钉钉Webhook自动推送到IT工作群，包含服务器名称、异常指标、当前数值、时间戳，值班人员手机端即时收到；④ 备份监控：自动检测NAS备份路径的最新备份文件，备份过期自动标记预警并推送告警；⑤ 服务器管理：前端直接编辑服务器名称、角色标签，支持动态增减服务器节点。
3、业务流程、功能路径描述：
运维人员在运维服务器上部署Flask API + MySQL数据库 + Nginx前端，各被监控服务器通过计划任务定时运行采集脚本（PowerShell/Bash），脚本采集本机指标后HTTP POST上报至运维服务器API，API写入MySQL。前端看板每30秒轮询API获取最新数据渲染。备份监控模块定时扫描NAS路径检测备份时效。告警脚本定时检查MySQL中的最新指标数据，触发阈值后通过钉钉Webhook推送告警消息到IT工作群，值班人员手机上实时收到异常通知。

1、整体架构和设计思路，不同模块使用的技术栈：
采用B/S架构，分三层：采集层（PowerShell v3.5.2 / Bash 采集脚本，通过Windows计划任务或Linux cron定时执行）、服务层（Python Flask API + MySQL存储，Ubuntu Server 22.04部署，systemd自启）、展示层（HTML + ECharts 单页看板，Nginx托管）。采集脚本使用VBS包装隐藏运行，不影响服务器桌面操作。告警推送通过钉钉群机器人Webhook实现，无需额外安装第三方监控平台。整体从零自研，代码量可控，部署文档清晰。
2、"我"的负责模块和结果（尽可能量化）：
独立完成全部开发工作。包括：采集脚本从v3.0到v3.5.3共12个版本的迭代开发，解决跨网段VLAN隔离、多核CPU采集偏差、SYSTEM账户下NAS认证、网络流量速率计算等6个核心工程问题。最终监控5台生产服务器（ERP/财务/GST/DB/极绎），2分钟采集周期，7×24无人值守运行。告警实测：服务器异常3分钟内推送到钉钉IT群，值班人员手机端即时收到。NAS备份监控覆盖4台服务器的MySQL/SQL Server/金蝶备份，过期自动预警。
3、"我"遇到的难点、坑，和解决方案：
难点一：跨网段部署时API请求超时，ping通但TCP不通，排查发现企业核心交换机ACL限制了VLAN间流量。解决方案：将运维服务器迁移至同网段，并注册为systemd服务确保重启后自动恢复。→ 收获：中小企业网络环境比想象中复杂，部署前一定要先验证跨网段连通性。难点二：多核服务器（40线程Xeon）CPU使用率采集值严重偏低，原因是WMI默认返回多核平均值。解决方案：改用Win32_PerfFormattedData_PerfOS_Processor的_Total指标获取整体CPU真实使用率。→ 收获：监控指标采集不能想当然，必须跟任务管理器逐项对齐。难点三：Windows SYSTEM账户下无法通过net use访问NAS共享目录（错误1312），且Test-Path对UNC路径检测不可靠。解决方案：改用cmdkey将凭据写入Windows凭据管理器，移除Test-Path预检直接Get-ChildItem + try/catch处理异常。