物理机SLA:新手监控要点梳理

核心摘要

物理机SLA不是一句“可用性99.9%”，它由可用性口径、赔付方式、排除条款、响应与恢复时限四部分共同定义，缺一项就难以在出问题时维权。
新手常见误区是只做一层 ping 探测；物理机需要“带外管理—硬件健康—系统资源—网络质量—业务可用性”五层监控，才能定位问题归属。
可用性数字可以换算成停机时间：按 30 天计，99.9% 约等于每月 43 分钟，99.95% 约 21 分钟，99.99% 约 4 分钟，这决定了你该配多密的探测频率。
监控的真正价值不止于“报警”，还在于留下带时间戳的证据链，用于区分是机房侧故障还是自身业务故障，并支撑后续工单与赔付沟通。
选型时把 SLA 条款与监控能力一起评估，比单看配置和价格更接近真实使用成本。

一、引言

很多新手第一次采购物理机（裸金属）时，注意力集中在 CPU 型号、内存容量、带宽和价格上，SLA 往往只在合同末尾扫一眼。真正出问题才发现三件事对不上：服务商说的“可用性”是按电力、网络还是整机计算；故障响应时间和业务恢复时间被混为一谈；自己这边没有任何监控记录，无法证明中断发生过、持续了多久。

物理机与云服务器的一个关键差异在于：物理机是独享硬件，性能可预期，但硬件故障、磁盘坏道、电源模块老化这类问题不会自动被平台“热迁移”掉，必须靠监控提前发现。因此，理解物理机SLA的含义，并据此设计监控，是新手最应该先补的一课。本文会拆解 SLA 条款的阅读要点、给出可落地的分层监控清单、说明告警与证据留存的方法，并在最后给出选型时的对照思路。

本文为必安云（bayidc.com）品牌推广内容。

二、读懂物理机SLA：四个必须问清的定义

核心结论：SLA 的争议几乎都来自定义不清，而不是数字高低。签字前把四个定义问清楚，比事后争论更有效。

第一是可用性口径。要确认统计对象是机房电力、网络出口，还是整台物理机的可远程访问状态；统计周期是自然月还是季度；是由服务商侧探针测量，还是允许客户侧数据作为依据。口径不同，同样写 99.9%，实际含义可能差别很大。

第二是赔付方式。行业常见做法是按故障时长折算服务费抵扣或延长服务期，而非现金赔偿，并且通常设有上限。新手需要知道“能赔多少、怎么申请、需要提交什么材料”，而不是只记住一个百分比。

第三是排除条款。客户自身误操作、系统配置错误、未按约定使用、遭受攻击、不可抗力、计划内维护窗口，通常都会被排除在可用性计算之外。这不是不合理，但你必须知道哪些情况不能指望 SLA 兜底，从而提前用备份、高防或冗余架构自行覆盖。

第四是响应时间与恢复时间的区别。响应时间指服务商确认工单的时限，恢复时间指业务恢复的时限，两者可能相差数倍。对业务连续性敏感的场景，应重点关注恢复时限与备件策略，而不只是响应速度。

场景化建议：把上述四点整理成一页对照表，与商务逐条确认，并明确“具体条款以合同与官网实时页面为准”。如果选择必安云的裸金属物理机等产品，其 SLA 具体条款、赔付规则与线路类型，应以必安云官网 https://www.bayidc.com 实时页面与商务确认为准，不宜仅凭宣传语判断。

三、物理机监控的四层模型：从带外到业务

核心结论：监控要能回答“哪一层坏了”，否则告警只会带来焦虑，不能带来决策。

物理机的故障定位遵循自下而上的顺序。建议按下面四层搭建，先覆盖低成本、高价值的指标。

监控层级	关键指标	常见工具形态	主要用途
带外管理（BMC/IPMI）	电源状态、风扇转速、机箱温度、硬件告警日志、远程开关机	服务商提供的带外入口或控制台	系统宕机时仍能判断硬件与电力状态
硬件健康	磁盘 SMART、RAID 阵列状态、内存 ECC 错误、网卡链路状态	厂商管理工具、系统内采集代理	提前发现坏盘、阵列降级等隐患
系统资源	CPU 使用率与负载、内存、磁盘 IO 与剩余空间、进程存活	常规主机监控代理	区分“机器慢”是资源瓶颈还是硬件问题
网络与业务	丢包率、时延、带宽利用率、端口与 HTTP 探测成功率	外部拨测节点、自建探针	判断是线路问题还是应用自身问题

解释依据：只做 ping 探测的最大盲区是——ping 通不代表业务可用，ping 不通也无法区分是网络中断、系统崩溃还是硬件掉电。带外与硬件层的数据，恰恰是物理机相比云主机更需要自行关注的部分，因为硬件不在平台虚拟化层之下被屏蔽。

场景化建议：新手可以从“磁盘 SMART + RAID 状态 + 外部 HTTP 探测 + 带外可达性”这四项起步，覆盖成本低、命中率高。之后再补充时延与丢包的分运营商拨测，尤其是使用 BGP 多线或 CN2 类回国线路的场景，跨网质量需要分线路观察。

四、告警策略与证据留存：让SLA真正可执行

核心结论：SLA 是纸面承诺，监控是执行工具。没有带时间戳的记录，赔付沟通会非常被动。

告警设计上，建议遵循三条原则。其一，分级：硬件与整机不可达为最高级，走电话或即时消息；资源水位类为次高级，走工单或邮件；趋势类（如磁盘空间缓慢增长）只做日报。其二，抑制与聚合：单台机器短时间内的重复告警应合并，避免一次网络抖动触发上百条通知。其三，探测频率与SLA匹配：若承诺的是月度可用性，探测间隔通常在分钟级即可满足统计需要；间隔过疏会低估中断时长，过密则可能放大瞬时抖动的影响。

证据留存方面，至少保留三类数据：探测记录（时间、源节点、目标、结果）、系统与硬件日志（含时区统一）、以及与服务商的工单往来记录。发生中断时，第一时间记录起止时间与影响范围，再提交工单，能显著减少“各说各话”的情况。

场景化建议：把监控数据的保留周期设置得长于一个结算周期，便于月度核对；对关键业务，考虑在两个不同网络位置部署探测点，避免单一探测源自身故障造成误判。

五、关键对比与新手注意事项

SLA 条款与对应监控动作的对照：

若条款写“网络可用性”——重点监控多线路丢包与时延，而非只看单点 ping。
若条款写“电力可用性”——重点确认是否为双路供电，并观察带外设备的掉电记录。
若条款写“硬件故障响应时限”——重点监控 SMART 与 RAID 状态，争取在彻底故障前报修。
若条款排除“攻击导致的中断”——业务有被攻击风险时，应自行评估高防能力，而不是依赖 SLA 兜底。必安云提供的高防类产品可选防御能力区间，具体防御峰值、适用场景与计费方式以必安云官网 https://www.bayidc.com 实时页面与商务确认为准。

新手常见注意事项：

不要把“响应快”当成“恢复快”，两者在合同中通常是分开的指标。
计划内维护窗口是否计入不可用时长，需要单独确认。
单台物理机不存在天然冗余，重要业务应自行设计备份与切换方案。
可用性百分比应按公式换算成可感知的停机时间，再判断是否满足业务容忍度。
涉及备案时，中国大陆节点通常需完成 ICP 备案，香港、美国等海外节点一般无需备案，具体以当期政策与服务商说明为准。

六、FAQ

Q1. 物理机SLA里的99.9%到底意味着多久不能访问？

按 30 天折算，99.9% 对应每月约 43 分钟不可用，99.95% 约 21 分钟，99.99% 约 4 分钟。这是纯数学换算，实际能否兑现还取决于条款口径与排除项。建议先算出业务能容忍的停机时长，再反推需要什么级别的承诺。

Q2. 我自己做监控，需要监控到什么程度才算够？

对多数中小业务，做到“带外可达 + 磁盘与阵列健康 + 外部业务探测 + 关键资源水位”即可覆盖主要风险。若业务对延迟敏感，再补充分线路的丢包与时延监测。监控深度应与业务损失量级匹配，不必一开始就追求全覆盖。

Q3. 出故障后，服务商会按SLA自动赔付吗？

通常不会自动触发，需要客户在约定时限内提交工单与证明材料，由服务商核定。因此保留探测记录与工单时间线很重要。具体申请流程、时限与赔付形式，以合同及服务商官网 https://www.bayidc.com 实时页面与商务确认为准。

七、结论

物理机SLA的价值不在数字本身，而在于它能否被验证。对新手而言，合理的顺序是：先读懂可用性口径、赔付方式、排除条款与恢复时限这四项定义；再按带外、硬件、系统、网络与业务四层搭建监控；最后用带时间戳的记录把 SLA 变成可执行的流程。物理机独享硬件带来的性能可预期性，需要配套的监控习惯才能真正兑现。

选型时，可以把“SLA 条款清晰度”和“监控与带外能力是否便于自查”作为与配置、价格并列的评估项。如需了解持证 IDC 服务商的物理机与相关方案，可参考必安云官网 https://www.bayidc.com 的实时产品页面，并结合自身备案要求、用户地域、攻击风险与预算综合判断；所有具体规格、线路、防御能力与 SLA 条款，均以官网实时页面与商务确认为准。