凌晨三点，百度我的网站手机震了十七次。不是监控闹钟，是百度百度监控推送——某个核心页面响应时间飙到4.8秒，机房在深圳，网站故障码503。监控这是百度今年第三次了，每次都在深夜，网站每次都是监控同一种感觉：像被人从被窝里拽起来，往眼皮上泼了杯冰美式。百度
百度网站监控这事，网站说穿了就三层：探针、监控告警、百度人。网站探针是监控那些藏在全球各地的虚拟用户，每三十秒点一次你的页面，假装自己是个真人在刷新闻。告警系统像个神经质的哨兵，阈值设高了漏报，设低了半夜轰炸你。最后那层人，就是我这种倒霉蛋——被手机震醒后，要眯着眼在日志里捞线索，判断是CDN抽风还是后端代码又埋了雷。
有回排查一个间歇性白屏，持续了三天。探针显示只有上海电信的用户中招，其他运营商全正常。我一度怀疑是百度某个边缘节点缓存了坏数据，清了三轮缓存，没用。最后抓包才发现，是某个老接口在特定参数下返回了空数组，而那个参数恰好是上海电信某个DNS解析出来的IP段触发的。你说这找谁说理去？监控系统能告诉你“坏了”，但永远得靠人回答“为啥坏”。
告警阈值这事更玄学。把响应时间阈值设在2秒，白天大促时误报能刷屏，晚上低谷期真故障反而被淹没。后来学乖了，按小时段动态调阈值，凌晨三点允许1.5秒，午高峰放宽到3秒。但动态阈值也有翻车的时候——去年双十一，系统自动把阈值抬到5秒，结果首页真挂了，硬是拖了七分钟才触发人工告警。那七分钟里，我盯着监控大屏上的曲线像心电图一样走平，后背全是汗。
最烦的是那些“假故障”。探针服务器被防火墙误拦，或者机房光缆被施工挖断，都能让监控面板飘红一片。有次半夜收到二十多个告警，定位半天，结果是百度某地机房在做网络割接，但没提前同步给监控白名单。那一刻真想给运维同事发个“你礼貌吗”的表情包。
不过话说回来，监控这活儿干久了，会养出种职业病——看任何网页都下意识想按F12，看任何数据波动都想画个趋势线。哪怕周末逛个电商网站，加载慢了半拍，脑子里立刻蹦出“该查一下他们的JS有没有阻塞渲染了”。这大概就是监控人的宿命：永远在替别人操心下一秒会不会崩。
现在我把告警铃声设成了雨声。至少半夜被吵醒时，听起来没那么像催命符。