80.6k Star！装完不用配的 AI 全栈监控利器，服务器抖一下都能看见

阅读全文

⭐⭐⭐ Spring Boot 项目实战	⭐⭐⭐ Spring Cloud 项目实战
《Dubbo 实现原理与源码解析 —— 精品合集》	《Netty 实现原理与源码解析 —— 精品合集》
《Spring 实现原理与源码解析 —— 精品合集》	《MyBatis 实现原理与源码解析 —— 精品合集》
《Spring MVC 实现原理与源码解析 —— 精品合集》	《数据库实体设计合集》
《Spring Boot 实现原理与源码解析 —— 精品合集》	《Java 面试题 + Java 学习指南》

摘要: 原创出处 http://www.iocoder.cn/Fight/netdata-ai-fullstack-monitoring/ 「芋道源码」欢迎转载，保留摘要，谢谢！

🙂🙂🙂关注微信公众号：【芋道源码】有福利：

RocketMQ / MyCAT / Sharding-JDBC 所有源码分析文章列表

RocketMQ / MyCAT / Sharding-JDBC 中文注释源码 GitHub 地址

您对于源码的疑问每条留言都将得到认真回复。甚至不知道如何读源码也可以请教噢。

新的源码解析文章实时收到通知。每周更新一篇左右。

认真的源码交流微信群。

做后端这些年，监控工具我前后用过不少。Zabbix 的配置量是真的大，新人上手很容易被劝退。Prometheus 加 Grafana 算是现在的标准答案，可每加一台机器就得改一次配置，PromQL 写多了也挺烦。

前两天翻到 Netdata 这个项目，号称装完什么都不用配，我就把它的 README 和官方文档翻了一遍，想看看它到底能省多少事。目前八万多 Star。

netdata/netdata 仓库首页，Star 80.7k

先看它是什么

Netdata 是一个开源的实时性能监控平台。用法很简单，在服务器上装一个它的 agent，打开浏览器，整台机器的运行状态就全部摆在眼前了。CPU、内存、磁盘、网络、进程这些系统指标都有，MySQL、Redis 这类应用指标也在里面。

官方现在给它的定位是 AI 加持的全栈可观测平台。翻译成大白话就是，它不光把数据摆出来给你看，还会自己判断哪些指标不太对劲，排查问题的时候把最可疑的排到前面来。

它的架构分三层。Agent 是核心引擎，负责采集、本地存储、模型推理、告警评估和数据导出，跑在你自己的机房；Cloud 提供多节点的统一视图和集中告警配置，但不存放原始指标；UI 就是那套仪表盘，通过 CDN 分发。

Netdata Cloud 的节点与告警总览

装完它自己就知道机器上有什么

它现在支持八百多个集成，操作系统的指标、容器、虚拟机、硬件传感器、数据库、Web 服务这些都有，基本上服务器上跑什么它就能认什么，MySQL、PostgreSQL、MongoDB、Nginx、Docker 全在名单里。

比较关键的一点是，你不用告诉它机器上装了什么东西。装完之后它自己把机器扫一遍，发现有什么就监控什么，连仪表盘都是自动生成的。

Network Overview 里自动发现出的网络设备

Metrics 分区的 System 概览与 Top Nodes

用 Prometheus 的话，加一台机器就得配一次 exporter，每个服务都要单独接一遍。Netdata 把这一步整个省掉了。

顺带说清楚一件事，自动发现不等于不能手动配。它默认把能认的都认了，你想自己加一个收集器或者调整采集项一样可以，只是绝大多数时候用不上。它也能吃 OpenMetrics 和 StatsD 这两种通用格式，应用自己吐的指标接得进来。

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

项目地址：https://github.com/YunaiV/yudao-cloud

视频教程：https://doc.iocoder.cn/video/

数据是一秒一条，抖动藏不住

它的数据是每秒采集一次的，采完之后马上就更新到图表上，延迟大概也就一秒。

这个听着好像没什么，实际用起来差距挺明显的。很多监控工具是 30 秒甚至一分钟才采一轮，那种只持续几秒钟的 CPU 飙高、网络抖动，在图上直接就被平均掉了，事后想查都查不到。线上有种故障很头疼，出了问题又自己恢复，想复现都复现不了，一秒级的数据就是为了抓这种。

点鼠标就行，不用学查询语言

用过 Prometheus 的都知道，想看点稍微复杂的数据就得学 PromQL。Netdata 不走这条路，在图表上用鼠标直接点就行。按机器分组、按网卡分组、按指标维度筛选，都是点几下就能完成的事。

在图表上展开维度面板做筛选

十八个模型投票，才判一次异常

它的异常检测用的是无监督机器学习。每个指标都会训练 18 个模型，每个模型看不同时间窗口的历史数据，学这个指标平时正常的时候长什么样。判断异常的时候是 18 个模型一起投票，要全部都认为异常才算数，这样误报就压下来了。

训练是在你自己的机器上跑的，数据不用发出去。装完大概 15 分钟就能出第一批结果，跑上两天模型就全部训练完了，中间你什么都不用管。

出问题的时候它还有一个 Anomaly Advisor，会把当前最可疑的指标按顺序排出来。以前排查问题是自己对着几十张图一张张猜，现在可以先看它给的排名。

CPU 图表顶部的异常标记与筛选条

告警开箱就有，Claude Code 也能直接读

它自带了几百条预置告警规则，磁盘快满了、内存有泄漏的迹象、网络错误率上升这些常见问题都覆盖到了。通知方式支持邮件、Slack、PagerDuty、Webhook，用 Webhook 转一手的话，企业微信和钉钉也能接上。邮件这条只要有 MTA 就默认可用。

如果团队本来就在用 Claude Code、Codex 这类 AI 编程工具，还能把它们接到自己的监控数据上，然后用大白话问问题，比如昨天下午那台机器的 CPU 为什么突然爆了，它会自己去查数据然后给出分析。

自己占得少，数据也不出机器

监控工具最怕的就是自己变成负担。官方给的数据是，单机每秒收 5000 个指标的情况下，大概占单核 CPU 的 5%、200MB 内存。阿姆斯特丹大学 2023 年做过一个研究，对比了一圈监控工具之后认为它在 CPU、内存和执行时间上都更优。

采集到的数据也存在你自己的机器上，每个采样点压缩之后大约只占 0.5 字节，磁盘够大的话能存好几年。想把数据接到已有的监控体系里也行，它除了导出到 Prometheus，还支持 InfluxDB、Graphite、OpenTSDB，Grafana 也有现成的数据源插件。

它还能直接读 systemd-journald 和 Windows 事件日志，日志在本地处理完再可视化，不用单独搭一套日志系统。另外它有一个打分引擎，会跨指标找关联，比如某台机器的 CPU 飙高是不是因为隔壁那台挂了，这一点上面提到的 Anomaly Advisor 是同一条思路。

装起来也是它最省事的地方

安装这件事它做得比同类都简单。单机、容器、多机三种情况各有一条路，装完统一访问 19999 端口，仪表盘已经在那儿了。

一条命令装完

Linux 机器上执行这一条就行。

wget -O /tmp/netdata-kickstart.sh https://get.netdata.cloud/kickstart.sh && sh /tmp/netdata-kickstart.sh

脚本会先落到 /tmp 再执行，装完打开浏览器访问 http://服务器IP:19999，仪表盘直接就有了，中间不需要做任何配置。macOS、FreeBSD、Windows 也都能装，K8s 环境有专门的部署方式，这些在官方文档里都写得很清楚。

Docker 里跑一个容器

不想在宿主机上装东西，就用容器跑。

docker run -d --name=netdata -p 19999:19999 --cap-add SYS_PTRACE -v /:/host/root:ro,rslave netdata/netdata

-p 把 19999 端口映射出来，--cap-add SYS_PTRACE 是让容器能看清宿主机上的进程，-v 那一段把宿主机根目录以只读方式挂进去，这样它才能看到宿主机的磁盘和网络。跑起来同样是访问 19999 端口。完整挂载参数其实更多，建议照着官方文档抄，上面这条是最精简能跑起来的版本，日常够用。

多了几台机器怎么办

每台机器各装一个 agent 就可以了。想要一个统一入口的话有两个办法，一个是注册 Netdata Cloud，把几台机器关联到一起，免费额度个人用是够的；另一个是不想碰云的话，可以自己搭一个 parent 节点，让其他 agent 把数据汇总过来。

什么人最适合装它

手里有几台云服务器或者个人 VPS，想随时看看实时状态的，这是最基础的用法，装完就能用。

线上问题排查，一秒级的数据在抓瞬时抖动这件事上比粗粒度监控强很多，特别适合那种出了问题又自己恢复、想复现都复现不了的故障。

跑 AI 训练或者推理任务的机器，GPU 的功耗、温度、显存占用都可以实时盯着，任务跑飞了能第一时间看到。

小团队不想维护 Prometheus 加 Grafana 那一整套的，也可以考虑它，一个工具能顶好几个用。

两个不足，以及我的建议

不足的地方也得说一下。官方心思明显放在 Netdata Cloud 上，一部分 AI 排障能力也留在云端。纯自托管的话，核心监控和异常检测都能用，但体验不是满血。另外它的强项是基础设施这一层，如果要的是完整的应用性能追踪，还得再配别的工具。

建议是，手里有服务器就装一个试试，反正一行命令，数据也不出自己机器，就算最后只看看实时曲线也不亏。小团队从零开始搭监控，可以先拿它顶着用。

仓库地址是 https://github.com/netdata/netdata