斗篷系统上线后，日常巡检制度是保障长期稳定运行的核心环节。日志轮转与容量监控作为巡检的基础项，直接关系到磁盘占用的可控性和故障定位的效率。本文围绕日志轮转策略、容量监控指标与告警基线落地展开，给出具体可执行的配置方案，帮助运维团队建立标准化的日常巡检流程。
日志轮转：控制磁盘占用与保留关键线索
斗篷系统涉及的日志主要包括Nginx访问日志、PHP-FPM慢日志与错误日志，以及应用自身的分流决策日志。日志轮转的目标是在保留足够诊断信息的同时，避免磁盘被持续写入的日志占满。
日志轮转策略配置
推荐使用系统自带的logrotate工具进行统一管理。以Nginx日志为例，在/etc/logrotate.d/nginx中配置：
BLOCK0
关键参数解释：
daily：每日切割一次，适合访问量稳定的场景；若日志增长极快可改为hourly。rotate 14：保留14份历史日志，即两周的归档量。compress：对旧日志进行gzip压缩，通常能减少70%以上空间占用。delaycompress：延迟一天压缩，方便当日日志被工具读取。postrotate：发送USR1信号让Nginx重新打开日志文件，避免写入中断。
PHP-FPM日志轮转类似，但postrotate需重启php-fpm服务或发送USR2信号。应用日志建议按天切割并保留30天，因为分流决策日志往往需要回溯更长时间来排查指纹误判问题。
日志级别与采样控制
除了轮转，还应控制日志写入量。Nginx访问日志中，健康检查请求和静态资源请求通常占比较高，可在location块中单独关闭访问日志：
BLOCK1
PHP-FPM的慢日志阈值建议设为5秒，仅记录超过该阈值的请求。应用日志则区分debug/info/error级别，生产环境只开启info及以上，避免debug日志的冗余写入。日志切割后，建议用cron脚本统计各目录大小，当单日增长超过预设阈值（如1GB）时自动告警，防止异常写入。
容量监控：磁盘、内存与inode的联动检查
日志轮转只能延缓磁盘占用的增长，不能替代监控。日常巡检需关注磁盘使用率、inode数量以及关键目录的写入速率。
监控指标与阈值设定
常见的告警基线如下：
- 磁盘使用率：达到75%触发警告，85%触发严重告警。
- inode使用率：达到80%触发警告，90%触发严重告警。小文件过多时inode会先耗尽，导致无法创建新文件。
- 日志目录增长率：超过1GB/天时需检查是否出现异常写入或日志级别配置错误。
监控工具可使用node_exporter + Prometheus + Alertmanager组合，或轻量级的Telegraf + InfluxDB。若不想引入额外组件，也可用cron脚本定期执行df -h和df -i，将结果写入文件并判断是否超过阈值。
日志目录容量预警脚本示例
BLOCK2
实际部署中，建议将日志目录单独挂载到独立分区，避免日志写满后影响系统盘。例如将/var/log分配独立逻辑卷，并设置配额。
告警基线：从静态阈值到动态调整
告警基线并非设置一次就固定不变，需要根据业务流量和日志增长趋势动态调整。初始可参考上述经验值，运行两周后根据实际数据修正。
告警分级与通知渠道
将告警分为三级：
- WARNING：磁盘使用率75%或inode 80%，仅记录并发送邮件通知。
- CRITICAL：磁盘使用率85%或inode 90%，立即发送短信/企业微信/钉钉，并自动执行一次logrotate手动触发。
- EMERGENCY：磁盘使用率95%时，除了通知，自动执行
find /var/log -name '*.log' -mtime +30 -delete清理旧日志，并停止非核心日志写入。
告警去重与升级
为避免夜间被重复告警轰炸，应设置告警去重窗口（如15分钟内相同告警只通知一次）。若告警持续超过1小时未恢复，自动升级给第二负责人。
与现有监控体系的融合
若已部署Prometheus，可直接使用node_filesystem_avail_bytes指标和predict_linear预测未来4小时的磁盘占用，实现提前告警。例如：
BLOCK3
这样可以在磁盘真正写满之前提前处理，避免服务中断。
巡检执行与记录
日常巡检不应只依靠告警，还应安排每日定时检查。建议在业务低峰期（如凌晨3点）执行脚本，汇总以下信息并生成报告：
- 各日志目录大小与增长趋势
- 磁盘与inode使用率
- PHP-FPM慢日志数量与耗时分布
- Nginx错误日志中的异常条目（如连接超时、上游无响应）
巡检报告可输出为纯文本或JSON，便于后续统计。同时，每次巡检后应更新基线值，并记录调整原因，形成可追溯的运维知识库。
小结
日志轮转、容量监控与告警基线是斗篷系统日常巡检的三项核心内容。通过合理配置logrotate、设定分级告警阈值并动态调整基线，可以有效避免磁盘写满带来的服务中断，同时保留足够日志用于问题定位。巡检制度需持续迭代，根据实际流量和日志增长情况优化参数。建议结合故障排查路径中的方法，将巡检结果与故障复盘关联，进一步提升系统稳定性。
常见问题
日志轮转会占用大量CPU资源吗？
日志轮转通常在凌晨低峰期执行，且只对新产生的日志进行压缩，CPU占用通常低于5%。若日志量巨大，可调整compress为nocompress，或将daily改为weekly，但需注意磁盘空间变化。
磁盘使用率达到多少必须立即处理？
一般建议磁盘使用率超过85%时应立即清理或扩容，因为日志写入是持续性的，可能数小时内即写满。若使用率已达95%，应马上停止非核心日志写入并清理旧日志，避免服务中断。
告警阈值如何设置才合理？
初始可参考行业常见值：磁盘75%警告、85%严重、95%紧急。运行两周后根据实际增长速率调整，若日志增长极快，可将警告阈值提前到60%。关键目录应单独监控，避免被其他数据干扰。
延伸阅读
关于页面跳转技术更详细的原理与配置，可参考页面跳转技术指南，该文补充了跳转机制与日志分析的关联，有助于理解巡检中日志异常的含义。
