规则

Esta página aún no está disponible en tu idioma.

规则在首次启动时插入,然后属于你:DumbMonit 永远不会改写你改变的规则,它只是重新创建缺少的。内置规则可以被编辑和禁用,不删除。

内置规则

严重级别用 UI 词显示;API 值在括号中。一个规则其度量没有监控项产生没有系列并永不触发,所以每个规则下面在每个实例上默认启用。

每个监控项

规则	什么	默认阈值	保持	严重级别	提醒
监控项不可达	三分钟内没有收到测量。`time() - tlast_over_time(dumbmonit_up[7d])`	> 180 s	1 分钟	警告 (`critical`)	6 小时
CPU 高	CPU 负载维持在 90% 以上,跨 SNMP、Proxmox 和代理源平均每个监控项;在 85% 下清除。	> 90 %	10 分钟	通知 (`warning`),1 小时后升级	6 小时
异常 CPU	CPU 负载明显不同于通常在这个时间和星期几(季节基线)。	分数 > 3.5	15 分钟	信息 (`info`)	6 小时
磁盘即将满	文件系统 90% 或更多,每个挂载点(SNMP、Proxmox 存储和根文件系统);在 88% 下清除。	≥ 90 %	15 分钟	通知 (`warning`),24 小时后升级	6 小时
文件系统即将满	按此速率,文件系统将在四天内满(`predict_linear`超过 6 小时;上升的文件系统仅)。	≥ 100 %	30 分钟	通知 (`warning`)	6 小时

UPS

规则	什么	默认阈值	保持	严重级别	提醒
UPS 在电池上	UPS 从电池为负载供电(`dumbmonit_ups_output_source == 5`)。	> 0	30 秒	警告 (`critical`)	15 分钟
UPS 电池低	UPS 电池低或耗尽(`dumbmonit_ups_battery_status`,3 = 低,4 = 耗尽)。	≥ 3	1 分钟	警告 (`critical`)	30 分钟

网络端口(SNMP)

规则	什么	默认阈值	保持	严重级别	提醒
端口累积错误	网络端口在最后一小时内记录了超过 50 个错误:通常是故障电缆、脏纤维或双工不匹配(`increase_prometheus(dumbmonit_if_errors_in[1h]) + increase_prometheus(dumbmonit_if_errors_out[1h])`;在新监控项的第一小时内没有触发,所以在添加前计数的错误不被报告为新)。	> 50	15 分钟	通知 (`warning`)	24 小时
端口飘动	网络端口在 30 分钟内关闭和打开超过两次(`changes_prometheus(dumbmonit_if_oper_status[30m])`)。故意禁用的端口没有系列并永不触发。	> 4	5 分钟	通知 (`warning`)	1 小时

服务器硬件(Redfish)

健康系列是 0(正常)、1(警告)或 2(临界)。一个空插槽(Absent)或禁用的有无系列,所以一个交付的服务器只有两个电源中的一个永不触发。

规则	什么	默认阈值	保持	严重级别	提醒
服务器风扇失败	管理控制器报告一个风扇已失败(`dumbmonit_redfish_fan_health`)。	≥ 2	2 分钟	警告 (`critical`)	6 小时
服务器温度超过临界	温度传感器超过控制器本身声明的临界阈值(`dumbmonit_redfish_temperature_celsius >= dumbmonit_redfish_temperature_upper_critical_celsius`)。	> 0	5 分钟	警告 (`critical`)	6 小时
电源冗余丧失	电源不再冗余:再一次失败服务器关闭(`dumbmonit_redfish_power_redundancy_health`)。	≥ 1	5 分钟	通知 (`warning`),1 小时后升级	6 小时
电源失败	控制器报告电源已失败(`dumbmonit_redfish_psu_health`)。	≥ 2	2 分钟	警告 (`critical`)	6 小时
驱动器故障预测	驱动器报告预测的故障:在它仍然工作时更换它(`dumbmonit_redfish_drive_failure_predicted`)。	> 0	10 分钟	通知 (`warning`)	24 小时
服务器健康临界	控制器报告系统自己的健康为临界(`dumbmonit_redfish_system_health`)。	≥ 2	2 分钟	警告 (`critical`)	6 小时

正常运行时间监控和心跳

规则	什么	默认阈值	保持	严重级别	提醒
服务关闭	服务在三分钟内没有正确响应(`dumbmonit_probe_success{probe!="push"} == bool 0`)。	> 0	3 分钟	警告 (`critical`)	30 分钟
心跳错过	工作在其预期间隔加宽限期内没有调用,或报告了故障本身(`dumbmonit_probe_success{probe="push"} == bool 0`;延迟按监控项设置,见心跳)。	> 0	2 分钟	通知 (`warning`)	6 小时
服务飘动	服务在 30 分钟内改变状态超过 6 次(`changes(dumbmonit_probe_success{probe!="push"}[30m])`)。	> 6	5 分钟	通知 (`warning`)	1 小时
缓慢服务	服务需要超过三秒来响应;失败的检查不计入(`dumbmonit_probe_duration_seconds and dumbmonit_probe_success == 1`)。	> 3 秒	10 分钟	通知 (`warning`)	6 小时
证书即将过期	证书在少于 14 天内过期。	< 14 天	1 小时	通知 (`warning`)	24 小时
证书已过期	证书已过期。	< 0 天	5 分钟	警告 (`critical`)	24 小时

Docker 容器

由代理报告;见代理。告警命名容器。

规则	什么	默认阈值	保持	严重级别	提醒
容器停止	容器已停止两分钟(`dumbmonit_container_up == bool 0`)。Docker 不会重启的容器不计入(`dumbmonit_container_stop_expected = 1`):已结束的一次性 `docker run`、从未启动过的容器,或没有重启策略而被手动停止的容器。崩溃(任何其他退出码)、内存不足被终止,或 `always` / `unless-stopped` 容器仍会计入。	> 0	2 分钟	通知 (`warning`)	1 小时
容器不健康	容器的健康检查已失败三分钟(`dumbmonit_container_health == 2`;0 无,1 健康,3 启动中)。已停止的容器不计入:Docker 保留其最后的结论,而它已不再有意义。	> 0	3 分钟	通知 (`warning`)	1 小时
容器重启中	容器在 15 分钟内重启 3 次或更多(`increase(dumbmonit_container_restart_count[15m])`):`它很少停止足够长的时间让前一个规则通过。	≥ 3	1 分钟	通知 (`warning`)	1 小时
容器更新可用	此容器的注册表中有更新的镜像(`dumbmonit_container_update_available == 1`)。	> 0	1 小时	信息 (`info`)	24 小时

Plakar 备份

由代理报告,按 kloset 和源。没有这些系列存在在 Plakar 不被检测时,所以没有规则可以在一个没有它的机器上触发。

规则	什么	默认阈值	保持	严重级别	提醒
Plakar 备份太旧	此源没有新的 Plakar 快照超过两天(`dumbmonit_backup_last_success_seconds`)。	> 2 天	1 小时	通知 (`warning`)	24 小时
Plakar 备份失败	最新的快照有错误(`dumbmonit_backup_last_status{source!="*"} < 1`)。	< 1	10 分钟	警告 (`critical`)	24 小时
Plakar kloset 无法读取	代理无法打开 kloset:存储不可达、缺少口令或插件;代理的日志会说明是哪一种,仅一次(`dumbmonit_backup_last_status{source="*"} < 1`)。	< 1	30 分钟	通知 (`warning`)	24 小时

restic 和 Borg 备份

由代理为在 agent.yaml 中restic_repos或 borg_repos下声明的每个存储库报告;见代理。没有声明存储库就没有系列,所以没有规则可以触发。

规则	什么	默认阈值	保持	严重级别	提醒
restic/Borg 备份太旧	此存储库中没有新的 restic 或 Borg 快照超过 48 小时(`dumbmonit_agent_backup_repo_last_snapshot_age_seconds`)。	> 48 小时	1 小时	通知 (`warning`)	24 小时
restic/Borg 存储库不可达	代理无法读取存储库:不可达、密码拒绝或二进制缺失;代理的日志说哪个(`dumbmonit_agent_backup_repo_reachable < 1`)。	< 1	30 分钟	通知 (`warning`)	24 小时

WireGuard 隧道

由代理报告;见代理。

规则	什么	默认阈值	保持	严重级别	提醒
WireGuard 对等点沉默	持久保活的对等点在 15 分钟内未完成握手:隧道关闭(`dumbmonit_agent_wireguard_peer_handshake_age_seconds and on (target, interface, peer) dumbmonit_agent_wireguard_peer_keepalive_seconds > 0`)。从代理首次看到它的时刻计算从未连接过的对等点的沉默。没有保活的对等点(电话、笔记本电脑)闲置数天并被遗漏;改变阈值改变 N,或丢弃`and on …`部分监视每个对等点。	> 15 分钟	5 分钟	通知 (`warning`)	6 小时

IPsec 隧道

由代理报告;见代理。该系列仅对在 strongSwan 配置中声明的 CHILD_SA 存在,因此该规则不仅对中断的隧道触发,也对从未建立的隧道触发。

规则	什么	默认阈值	保持	严重级别	提醒
IPsec 隧道宕机	已配置的 IPsec 隧道没有已安装的会话(`dumbmonit_agent_ipsec_tunnel_up < 1`)。	< 1	10 分钟	通知 (`warning`)	6 小时

互联网速度测试

由代理报告;见代理。该测试默认关闭,在 agent.yaml 中设置相应阈值之前,每条规则都保持沉默:没有人能猜出”慢”对您的线路意味着什么。

规则	什么	默认阈值	保持	严重级别	提醒
互联网下载速率低	最近一次测试测得的下载速率低于 `speedtest_min_download_mbps`(`dumbmonit_agent_speedtest_download_min_bytes_per_second - dumbmonit_agent_speedtest_download_bytes_per_second > 0`)。	> 0	10 分钟	通知 (`warning`)	24 小时
互联网上传速率低	同上,针对 `speedtest_min_upload_mbps`。	> 0	10 分钟	通知 (`warning`)	24 小时
互联网延迟高	最近一次测试测得的延迟高于 `speedtest_max_latency_ms`。	> 0	10 分钟	通知 (`warning`)	24 小时

代理磁盘、ZFS 和传感器

由代理报告;见代理。

规则	什么	默认阈值	保持	严重级别	提醒
磁盘 SMART 失败	磁盘自己的 SMART 自我评估报告其已失败(`dumbmonit_agent_disk_smart_ok == bool 0`)。更换它并检查备份。	> 0	10 分钟	警告 (`critical`)	24 小时
ZFS 池降级	ZFS 池不再健康:监控项缺失、故障或移除(`dumbmonit_agent_zfs_pool_health`:0 在线,1 降级,2 其他)。	> 0	5 分钟	警告 (`critical`)	6 小时
ZFS 清理发现错误	最后的 ZFS 清理在此池上发现了错误,或文件永久丢失(`dumbmonit_agent_zfs_pool_scrub_errors or dumbmonit_agent_zfs_pool_data_errors`)。池可以保持`ONLINE`。	> 0	10 分钟	警告 (`critical`)	24 小时
温度超过临界	传感器超过其自己的硬件声明的临界温度(`dumbmonit_agent_sensor_temperature_celsius >= dumbmonit_agent_sensor_temperature_critical_celsius`);无固定值。	> 0	5 分钟	警告 (`critical`)	6 小时

Proxmox VE

规则	什么	默认阈值	保持	严重级别	提醒
备份太旧	没有成功的 Proxmox VE 备份超过 7 天(`dumbmonit_proxmox_backup_last_age_seconds`)。	> 7 天	1 小时	通知 (`warning`)	24 小时
VM 或容器停止	客人在最后两小时内运行并停止了 5 分钟(`1 - dumbmonit_proxmox_guest_running`,并’和`max_over_time(…[2h]) == 1`)。	> 0	5 分钟	通知 (`warning`)	6 小时
VM 或容器 CPU 高	客人已使用超过 90% 其分配的内核 15 分钟(`dumbmonit_proxmox_guest_cpu_percent`)。通知命名客人,`nextcloud (202)`。	> 90 %	15 分钟	通知 (`warning`)	6 小时
VM 或容器内存高	客人已使用超过 95% 其内存 10 分钟(`dumbmonit_proxmox_guest_memory_percent`)。	> 95 %	10 分钟	通知 (`warning`)	6 小时
VM 或容器磁盘即将满	客人的根磁盘超过 90% 满(`dumbmonit_proxmox_guest_disk_used_percent`):容器总是,VM 仅当 QEMU 客人代理报告使用时。	> 90 %	15 分钟	通知 (`warning`)	24 小时
客人锁定	VM 或容器已锁定 6 小时(`dumbmonit_proxmox_guest_locked`,标签`lock`):中断的备份或迁移留下了锁,没有操作可以在客人上运行,甚至不是下一个备份。	> 0	6 小时	通知 (`warning`)	24 小时
旧快照	客人最旧的快照超过 30 天(`dumbmonit_proxmox_guest_snapshot_oldest_age_seconds`)。	> 30 天	1 小时	信息 (`info`)	7 天
HA 资源出错	Proxmox HA 资源处于错误或隔离(`dumbmonit_proxmox_ha_resource_error`)。	> 0	2 分钟	警告 (`critical`)	1 小时
HA 管理器不报告	一个节点的 HA 本地资源管理器已停止写入其状态(`dumbmonit_proxmox_ha_lrm_stale`):该节点的 HA 客人将既不重启也不重新定位。	> 0	5 分钟	警告 (`critical`)	1 小时
集群失去仲裁	Proxmox 集群不是仲裁者(`1 - dumbmonit_proxmox_cluster_quorate`):客人无法再启动。	> 0	1 分钟	警告 (`critical`)	30 分钟
Proxmox 节点离线	集群节点被报告离线(`1 - dumbmonit_proxmox_node_up`)。	> 0	2 分钟	警告 (`critical`)	30 分钟
Proxmox 服务关闭	一个核心 Proxmox 守护进程在节点上未运行(`dumbmonit_proxmox_node_core_services_down`:`pve-cluster`、`pvedaemon`、`pveproxy`、`pvestatd`、`pve-firewall`、`corosync`、`watchdog-mux`,每个仅在节点启用时计数)。	> 0	5 分钟	警告 (`critical`)	1 小时
节点网络接口关闭	设置为在启动时启动的接口在节点上未启动(`dumbmonit_proxmox_node_interface_offline`)。按需启动的接口永远不被报告。	> 0	5 分钟	通知 (`warning`)	6 小时
Proxmox 存储即将满	Proxmox 存储超过 85% 满(`dumbmonit_proxmox_storage_used_percent`);在 90% 时”磁盘即将满”接管。	> 85 %	15 分钟	通知 (`warning`)	24 小时
精简池即将满	LVM 精简池超过 90% 满:每个存储在其上的客人当其填满时变为只读(`dumbmonit_proxmox_node_thinpool_used_percent`);在 88% 下清除。	> 90 %	15 分钟	警告 (`critical`)	6 小时
精简池元数据即将满	LVM 精简池的元数据体积超过 80% 满(`dumbmonit_proxmox_node_thinpool_metadata_used_percent`)。它远小于数据体积并且经常首先饱和,具有相同的后果。	> 80 %	15 分钟	警告 (`critical`)	6 小时
Proxmox 磁盘磨损	节点的 SSD 或 NVMe 已使用超过 90% 其额定寿命(`dumbmonit_proxmox_node_disk_wearout_percent`)。通知读`pve1 · /dev/nvme0n1`。	> 90 %	1 小时	通知 (`warning`)	7 天
Proxmox 磁盘 SMART 故障	节点的磁盘报告 SMART 健康`FAILED`(`dumbmonit_proxmox_node_disk_smart_failed`)。	> 0	5 分钟	警告 (`critical`)	24 小时
Proxmox ZFS 池降级	节点的 ZFS 池不是`ONLINE`(`dumbmonit_proxmox_node_zfs_pool_degraded`)。通知读`pve2 · tank`。	> 0	5 分钟	警告 (`critical`)	6 小时
备份工作失败	节点上最后的 vzdump 工作,或计划备份工作,失败(`1 - dumbmonit_proxmox_backup_job_last_ok`)。	> 0	10 分钟	警告 (`critical`)	24 小时
备份工作排除磁盘	计划备份工作跳过它覆盖的客人之一的磁盘(`dumbmonit_proxmox_backup_job_guest_excluded_volumes`):工作每晚成功,该数据丢失。CD-ROM 驱动器和 cloudinit 镜像按设计被排除并永不计数。	> 0	1 小时	通知 (`warning`)	7 天
复制失败	复制工作报告错误或非零失败计数(`dumbmonit_proxmox_replication_job_error`):备用副本已过期。	> 0	10 分钟	警告 (`critical`)	6 小时
Ceph 健康错误	Ceph 报告`HEALTH_ERR`(`dumbmonit_proxmox_ceph_health`,0 OK,1 WARN,2 ERR)。	≥ 2	2 分钟	警告 (`critical`)	30 分钟
Ceph 健康警告	Ceph 报告`HEALTH_WARN`超过 15 分钟(`dumbmonit_proxmox_ceph_health == 1`)。	> 0	15 分钟	通知 (`warning`)	6 小时
Ceph OSD 关闭	Ceph OSD 已关闭 5 分钟(`1 - dumbmonit_proxmox_ceph_osd_up`)。通知命名 OSD 和其主机。	> 0	5 分钟	警告 (`critical`)	1 小时
Ceph OSD 几乎满	单个 Ceph OSD 超过 85% 满(`dumbmonit_proxmox_ceph_osd_used_percent`):当它达到其限制时写入停止,无论集群平均说什么;在 82% 下清除。	> 85 %	15 分钟	通知 (`warning`)	24 小时
Ceph 池几乎满	Ceph 池超过 85% 满(`dumbmonit_proxmox_ceph_pool_used_percent`);在 82% 下清除。	> 85 %	15 分钟	通知 (`warning`)	24 小时
Ceph noout 标志左开	Ceph`noout`标志已设置 2 小时(`dumbmonit_proxmox_ceph_flag{flag="noout"}`):重新平衡被禁用,集群读起来健康而其冗余收缩。	> 0	2 小时	信息 (`info`)	24 小时
Proxmox 更新待处理	超过 20 个包更新在节点上待处理(`dumbmonit_proxmox_node_updates_pending`)。	> 20	1 小时	信息 (`info`)	7 天
Proxmox 安全更新待处理	至少一个待处理更新来自安全档案(`dumbmonit_proxmox_node_updates_security_pending`)。	> 0	1 小时	通知 (`warning`)	7 天
Proxmox 包已更改	Proxmox 包的已安装版本在两个探针之间更改 — 有人运行了`apt upgrade`(`dumbmonit_proxmox_node_packages_changed`,发布一小时以其变化细节在其`changes`标签:`pve1 · pve-manager 8.2.4→8.2.7`)。一小时后自行解决。	> 0	1 分钟	信息 (`info`)	24 小时
节点证书即将过期	Proxmox 节点证书在少于 14 天内过期(`dumbmonit_proxmox_node_certificate_expiry_days`)。	< 14 天	1 小时	通知 (`warning`)	24 小时

Proxmox 备份服务器

规则	什么	默认阈值	保持	严重级别	提醒
PBS 数据存储几乎满	PBS 数据存储超过 90% 满。	> 90 %	15 分钟	通知 (`warning`),24 小时后升级	6 小时
PBS 数据存储填满中	按当前速率,PBS 估计数据存储在 7 天内满。	< 7 天	1 小时	通知 (`warning`)	24 小时
PBS 数据存储未挂载	可移动数据存储未挂载(`dumbmonit_pbs_datastore_removable_unmounted`):没什么可写入它。	> 0	6 小时	通知 (`warning`)	24 小时
PBS 备份太旧	此备份组(每台机器一个)没有新快照超过 2 天(`dumbmonit_pbs_backup_last_age_seconds`)。编辑每周备份机器的阈值;通知命名组和数据存储。	> 2 天	1 小时	通知 (`warning`)	24 小时
PBS 备份验证失败	此机器最新快照的验证失败(`dumbmonit_pbs_backup_last_verified < 1`)。	< 1	30 分钟	警告 (`critical`)	24 小时
PBS 任务失败	至少一个 PBS 任务在审查窗口内失败(`dumbmonit_pbs_tasks_failed`)。	> 0	10 分钟	通知 (`warning`)	24 小时
PBS 垃圾回收太旧	此数据存储上没有成功的垃圾回收超过 8 天(`dumbmonit_pbs_gc_last_success_age_seconds`)。	> 8 天	1 小时	通知 (`warning`)	24 小时
PBS 垃圾回收失败	数据存储上最后的垃圾回收失败(`dumbmonit_pbs_gc_last_run_ok < 1`;从 PBS 3.3+ 上的`/gc`,从之前最后的 GC 任务)。	< 1	10 分钟	通知 (`warning`)	24 小时
PBS 发现损坏块	垃圾回收在数据存储上发现了不可读的块(`dumbmonit_pbs_gc_bad_chunks`):某些备份无法再恢复。	> 0	10 分钟	警告 (`critical`)	24 小时
PBS 修剪工作失败	PBS 修剪工作最后一次运行失败:什么都不修剪数据存储继续填满(`dumbmonit_pbs_job_last_ok{kind="prune"} < 1`)。通知命名工作和数据存储。	< 1	10 分钟	通知 (`warning`)	24 小时
PBS 验证工作失败	PBS 验证工作最后一次运行失败(`dumbmonit_pbs_job_last_ok{kind="verify"} < 1`)。	< 1	10 分钟	通知 (`warning`)	24 小时
PBS 同步工作失败	PBS 同步工作最后一次运行失败(`dumbmonit_pbs_sync_job_last_ok < 1`)。	< 1	10 分钟	警告 (`critical`)	24 小时
PBS 磁带备份失败	最后一次磁带备份运行失败(`dumbmonit_pbs_tape_backup_job_last_ok < 1`):不正在制作离线副本。	< 1	10 分钟	警告 (`critical`)	24 小时
PBS 工作永不运行	工作被启用并计划但永不运行(`dumbmonit_pbs_job_never_run`)。	> 0	2 天	通知 (`warning`)	7 天
PBS 服务关闭	Proxmox 备份服务器需要的服务未运行(`dumbmonit_pbs_node_service_active{expected="1"} < 1`);当它关闭时无法备份。	< 1	5 分钟	警告 (`critical`)	6 小时
PBS 磁盘 SMART 故障	备份服务器的磁盘报告 SMART 健康`FAILED`(`dumbmonit_pbs_node_disk_smart_failed`)。通知读`/dev/sdb`。	> 0	5 分钟	警告 (`critical`)	24 小时
PBS SSD 磨损	备份服务器的 SSD 已使用超过 90% 其额定耐久性(`dumbmonit_pbs_node_disk_wearout_percent`)。	> 90 %	1 小时	通知 (`warning`)	7 天
PBS ZFS 池降级	备份服务器的 ZFS 池不是`ONLINE`(`dumbmonit_pbs_node_zfs_pool_degraded`)。	> 0	5 分钟	警告 (`critical`)	6 小时
PBS 证书即将过期	备份服务器提供的证书在少于 3 周内过期(`dumbmonit_pbs_node_certificate_expires_seconds`)。需要`certificates`选项。	< 21 天	1 小时	通知 (`warning`)	48 小时
PBS 升级后重启待处理	包已升级但运行守护进程仍是旧的(`dumbmonit_pbs_node_running_version_stale`)。	> 0	6 小时	信息 (`info`)	7 天
PBS 更新待处理	超过 20 个包更新在备份服务器上待处理(`dumbmonit_pbs_node_updates_pending`)。	> 20	1 小时	信息 (`info`)	7 天

Proxmox 数据中心管理器

规则	什么	默认阈值	保持	严重级别	提醒
联合实例不可达	数据中心控制台无法到达它联合的 Proxmox VE 集群或备份服务器之一(`dumbmonit_pdm_remote_reachable < 1`)。通知命名实例和其产品。	< 1	10 分钟	警告 (`critical`)	6 小时
联合实例落后	实例运行比同一产品在同一地产中另一个实例更旧的版本(`dumbmonit_pdm_remote_version_behind`)。实例之间比较,从不对 Proxmox 发布的内容。	> 0	1 小时	信息 (`info`)	7 天
联合实例上的任务失败	至少一个任务在审查窗口内在联合实例上失败(`dumbmonit_pdm_remote_tasks_failed`)。	> 0	10 分钟	通知 (`warning`)	24 小时
数据中心控制台磁盘即将满	数据中心控制台的根文件系统超过 90% 满(`dumbmonit_pdm_node_rootfs_percent`):满,控制台停止记录它收集的。	> 90 %	15 分钟	通知 (`warning`),24 小时后升级	6 小时
数据中心控制台证书即将过期	数据中心控制台的证书在少于 14 天内过期(`dumbmonit_pdm_node_certificate_expiry_days`)。	< 14 天	1 小时	通知 (`warning`)	24 小时
数据中心控制台更新待处理	超过 20 个包更新在数据中心控制台上待处理(`dumbmonit_pdm_node_updates_pending`)。	> 20	1 小时	信息 (`info`)	7 天

Proxmox 邮件网关

规则	什么	默认阈值	保持	严重级别	提醒
邮件队列增长	延迟邮件队列在两小时内增长超过一百条消息(`delta(dumbmonit_pmg_queue_messages{queue="deferred"}[2h])`):下一跳可能拒绝邮件。增长而不是大小,因为忙网关总是保持几十个延迟。	> 100	15 分钟	通知 (`warning`)	6 小时
邮件在队列中卡住	消息在队列中等待超过 4 小时(`dumbmonit_pmg_queue_oldest_age_seconds`)。年龄是下界 — qshape 报告括号 — 所以规则迟到而不是早。通知命名队列。	> 4 小时	15 分钟	警告 (`critical`)	6 小时
邮件网关服务停止	网关接受和过滤邮件所需的服务已停止(`dumbmonit_pmg_service_running`用于 postfix、pmg-smtp-filter、pmgpolicy、pmgproxy、pmgdaemon)。未安装的单位没有系列无法触发。	< 1	5 分钟	警告 (`critical`)	6 小时
病毒签名过期	ClamAV 每日病毒签名超过 2 天旧(`dumbmonit_pmg_signature_age_seconds{family="virus",database="daily"}`):freshclam 已停止更新它们网关继续用上周的列表过滤。	> 2 天	1 小时	通知 (`warning`)	24 小时
垃圾邮件规则过期	SpamAssassin 规则超过 8 天旧(`dumbmonit_pmg_signature_age_seconds{family="spam"}`)。从未更新的通道没有日期无系列。	> 8 天	1 小时	通知 (`warning`)	7 天
隔离区填满中	垃圾隔离区在 6 小时内接收了超过一千条消息(`delta(dumbmonit_pmg_quarantine_messages{kind="spam"}[6h])`):一个活动,或一个规则刚刚将合法域放在垃圾箱。	> 1000	30 分钟	通知 (`warning`)	12 小时
邮件网关集群降级	集群的网关不再与其他网关同步(`dumbmonit_pmg_cluster_node_insync`):它用过期规则数据库过滤。独立网关没有系列。	< 1	15 分钟	通知 (`warning`)	6 小时
邮件网关证书即将过期	邮件网关的证书在少于 14 天内过期(`dumbmonit_pmg_certificate_expires_in_seconds`)。	< 14 天	1 小时	通知 (`warning`)	24 小时
邮件网关更新待处理	超过 20 个包更新在邮件网关上待处理(`dumbmonit_pmg_node_updates_pending`)。	> 20	1 小时	信息 (`info`)	7 天

MDaemon 和 SecurityGateway

规则	什么	默认阈值	保持	严重级别	提醒
MDaemon 邮件服务关闭	MDaemon 服务器的观察邮件服务不应答,或问候以拒绝服务(`dumbmonit_mdaemon_service_up`)。仅监控项上列出的服务有系列。通知命名服务和其端口。	< 1	5 分钟	警告 (`critical`)	6 小时
MDaemon XML API 未应答	XML API 已停止应答,而邮件服务仍做(`dumbmonit_mdaemon_api_up`):远程管理可能已停止。仅有账户的监控项有系列。	< 1	15 分钟	通知 (`warning`)	12 小时
MDaemon 邮件队列增长	入站、本地或远程队列在两小时内增长超过一百条消息(`delta(dumbmonit_mdaemon_queue_messages{queue=~"inbound\|local\|remote"}[2h])`):MDaemon 已停止从其交付。由代理在 MDaemon 服务器上读取,所以告警在代理的监控项上。	> 100	15 分钟	通知 (`warning`)	6 小时
MDaemon Bad 队列不为空	消息在 Bad 队列中等待(`dumbmonit_mdaemon_queue_messages{queue="bad"}`):MDaemon 既不能交付也不能退回它们,它们留在那里直到管理员释放或删除它们。	> 0	30 分钟	通知 (`warning`)	24 小时
MDaemon Retry 队列高	超过 50 条消息在 Retry 队列中等待(`dumbmonit_mdaemon_queue_messages{queue="retry"}`):远程服务器继续暂时拒绝邮件。	> 50	1 小时	通知 (`warning`)	6 小时
SecurityGateway 服务关闭	网关的观察服务不应答,或问候以拒绝服务(`dumbmonit_securitygateway_service_up`)。	< 1	5 分钟	警告 (`critical`)	6 小时
SecurityGateway API 未应答	REST API 已停止应答,而服务仍做(`dumbmonit_securitygateway_api_up`)。仅有 API 密钥的监控项有系列。	< 1	15 分钟	通知 (`warning`)	12 小时
SecurityGateway 交付队列增长	交付队列在两小时内增长超过一百条消息(`delta(dumbmonit_securitygateway_counter{counter=~".(delivery_queue\|queued_for_delivery)."}[2h])`):网关后的邮件服务器可能拒绝邮件。计数器名称来自 API 如它们是;如果你的版本命名队列不同,调整匹配器。	> 100	15 分钟	通知 (`warning`)	6 小时

OPNsense

规则	什么	默认阈值	保持	严重级别	提醒
互联网网关关闭	dpinger 不再从网关获得应答(`dumbmonit_opnsense_gateway_up`)。在多 WAN 防火墙上流量已经静默移动到另一条链接。`loss`和`delay`是警告,不是故障,不触发此规则。	< 1	5 分钟	警告 (`critical`)	6 小时
网关丢失数据包	网关丢失超过五分之一发送给它的数据包(`dumbmonit_opnsense_gateway_loss_percent`):链接应答,坏。在 10% 下清除。	> 20 %	10 分钟	通知 (`warning`)	6 小时
网关缓慢	网关的往返时间保持在 300 ms 上方(`dumbmonit_opnsense_gateway_delay_seconds`)。3 百毫秒留下移动备用链接单独。	> 300 毫秒	15 分钟	信息 (`info`)	12 小时
防火墙状态表填满	pf 跟踪超过 80% 它被允许的连接(`dumbmonit_opnsense_pf_states_used_percent`)。超过限制防火墙丢弃新连接没有其他症状。	> 80 %	10 分钟	通知 (`warning`)	6 小时
防火墙网络缓冲区耗尽	超过 90% FreeBSD 网络缓冲区在使用中(`dumbmonit_opnsense_mbuf_used_percent`)。耗尽缓冲区的防火墙停止转发 CPU 仍空闲。	> 90 %	10 分钟	通知 (`warning`)	6 小时
VPN 隧道关闭	配置 VPN 隧道已无会话 10 分钟(`dumbmonit_opnsense_vpn_tunnel_up`)。未安装的插件或禁用的连接没有系列无法触发。	< 1	10 分钟	通知 (`warning`)	6 小时
防火墙解析器停止	Unbound 已停止应答(`dumbmonit_opnsense_unbound_running`)。防火墙仍路由;其后的机器不再解决。如果你的防火墙用别的解决关闭此规则。	< 1	5 分钟	通知 (`warning`)	6 小时
防火墙核心服务停止	dpinger,它观察网关,或 configd,它运行一切,已停止(`dumbmonit_opnsense_service_running{service=~"dpinger\|configd"}`)。仅那两个,因为故意关闭的服务不是故障。	< 1	5 分钟	警告 (`critical`)	6 小时
防火墙太热	传感器读取 85°C 以上(`dumbmonit_opnsense_temperature_celsius`):壁橱中的无风扇盒子要开始节流。在 78°C 下清除。	> 85°C	10 分钟	通知 (`warning`)	6 小时
防火墙留在 CARP 维护模式	CARP 已留在持久维护模式(`dumbmonit_opnsense_carp_maintenance_mode`):此防火墙将其虚拟地址移交给其合作伙伴不会独自取回。	> 0	1 小时	信息 (`info`)	24 小时
防火墙重启待处理	更新已安装但需要重启才能生效(`dumbmonit_opnsense_firmware_reboot_required`)。	> 0	1 小时	信息 (`info`)	7 天
防火墙更新待处理	防火墙有包等待更新(`dumbmonit_opnsense_firmware_updates_pending`)。它是网络上最暴露的机器。	> 0	1 小时	信息 (`info`)	7 天

TrueNAS

规则	什么	默认阈值	保持	严重级别	提醒
NAS 池降级	ZFS 不再称池为健康(`dumbmonit_truenas_pool_healthy`)。降级池仍然服务其数据,这正是为什么没有人注意直到下一个磁盘失败。监控项页面命名磁盘。	< 1	5 分钟	警告 (`critical`)	6 小时
NAS 磁盘错误	池的磁盘已报告读、写或校验和错误因最后的`zpool clear`(`dumbmonit_truenas_pool_device_errors`,每个类型一个系列)。	> 0	15 分钟	通知 (`warning`)	24 小时
NAS 池即将满	池超过 85% 满(`dumbmonit_truenas_pool_used_percent`)。ZFS 在满前减慢。在 80% 下清除。	> 85 %	30 分钟	通知 (`warning`),7 天后升级	24 小时
NAS 清理发现错误	池的最后清理发现了损坏数据(`dumbmonit_truenas_pool_last_scrub_errors`)。	> 0	5 分钟	警告 (`critical`)	24 小时
NAS 清理逾期	池已 45 天未完成清理(`dumbmonit_truenas_pool_last_scrub_age_seconds`)。恢复后缺席,它删除最后清理的记录。	> 45 天	1 小时	信息 (`info`)	7 天
NAS 磁盘 SMART 测试失败	SMART 自我测试在磁盘日志中失败(`dumbmonit_truenas_disk_smart_failed`)。从未测试的磁盘没有系列。	> 0	5 分钟	警告 (`critical`)	24 小时
NAS 磁盘太热	磁盘在 55°C 以上(`dumbmonit_truenas_disk_temperature_celsius`,从 TrueNAS 缓存读取)。在 50°C 下清除。	> 55°C	15 分钟	通知 (`warning`)	6 小时
NAS 数据集接近其配额	数据集已使用超过 90% 其配额(`dumbmonit_truenas_dataset_quota_used_percent`):在 100% 其写入失败而池仍有空间。无配额,无系列。	> 90 %	30 分钟	通知 (`warning`)	24 小时
NAS 复制失败	启用的复制任务处于错误(`dumbmonit_truenas_replication_error`):另一侧的副本在变旧。	> 0	10 分钟	通知 (`warning`)	12 小时
NAS 快照任务失败	启用的定期快照任务处于错误(`dumbmonit_truenas_snapshot_task_error`)。	> 0	10 分钟	通知 (`warning`)	12 小时
NAS 快照陈旧	启用的定期快照任务已 8 天未运行(`dumbmonit_truenas_snapshot_task_last_run_age_seconds`):停止运行的任务不失败,它变安静。	> 8 天	1 小时	通知 (`warning`)	24 小时
TrueNAS 告警提升	TrueNAS 本身已提升错误或以上级别的告警(`dumbmonit_truenas_alerts`)。其自己的句子在监控项页面。	> 0	10 分钟	通知 (`warning`)	12 小时
NAS 服务停止	设置为与 NAS 一起启动的服务已停止(`dumbmonit_truenas_service_running`)。故意关闭的服务没有系列。	< 1	10 分钟	通知 (`warning`)	6 小时

Synology DSM

规则	什么	默认阈值	保持	严重级别	提醒
Synology 磁盘 SMART 警告	DSM 不再报告此磁盘的 SMART 状态为`normal`(`dumbmonit_synology_disk_smart_status`:1 注意,2 临界,未知词计为 1)。	> 0	15 分钟	通知 (`warning`)	24 小时
Synology 磁盘失败	DSM 报告磁盘已崩溃或失败(`dumbmonit_synology_disk_status`)。	≥ 2	5 分钟	警告 (`critical`)	6 小时
Synology 磁盘坏扇区	磁盘的坏扇区计数超过 DSM 设置的阈值(`dumbmonit_synology_disk_bad_sector_exceeded`)。	> 0	15 分钟	警告 (`critical`)	24 小时
Synology 磁盘坏扇区增长	最后 24 小时出现新的不可读扇区(`delta(dumbmonit_synology_disk_unc_count[24h])`)。	> 0	15 分钟	通知 (`warning`)	24 小时
Synology SSD 磨损	SSD 少于 10% 其额定寿命(`dumbmonit_synology_disk_remaining_life_percent`);在 12% 上清除。	< 10 %	1 小时	通知 (`warning`)	7 天
Synology 卷降级	卷已降级或崩溃:其冗余已丧失(`dumbmonit_synology_volume_status`)。	≥ 2	5 分钟	警告 (`critical`)	6 小时
Synology 存储池降级	存储池或 SSD 缓存已降级或崩溃:磁盘失败冗余已丧失或重建中(`dumbmonit_synology_pool_status or dumbmonit_synology_ssd_cache_status`)。	≥ 2	5 分钟	警告 (`critical`)	6 小时
Synology 卷即将满	卷已 90% 或更多，不计厚置备 iSCSI LUN 预留的空间（`dumbmonit_synology_volume_effective_used_percent`，没有 LUN 时等于原始占用）；在 88% 下清除。被厚 LUN 占满的卷按设计就是满的，不会告警。	≥ 90 %	15 分钟	通知 (`warning`),24 小时后升级	6 小时
Synology 精简 LUN 超额分配	卷上的精简 LUN 承诺的空间多于卷剩余的可用空间（`dumbmonit_synology_volume_thin_overcommit_percent`：已承诺但未写入的空间占可用空间的百分比）；在 95% 下清除。	≥ 100 %	1 小时	通知 (`warning`)	24 小时
Synology 精简 LUN 即将满	精简 LUN 已写入其大小的 95% 或更多（`dumbmonit_synology_lun_used_percent`）。厚 LUN 从 NAS 看不到内部：由使用它的监控项（数据存储、文件系统）的规则告警。	≥ 95 %	30 分钟	通知 (`warning`)	24 小时
Synology 温度高	磁盘在 55°C 以上,或 DSM 提升其自己的温度警告(`dumbmonit_synology_disk_temperature_celsius`、`dumbmonit_synology_temperature_warning`);在 52°C 下清除。	> 55°C	15 分钟	通知 (`warning`)	6 小时
Synology 内存高	NAS 的内存使用超过 95%(`dumbmonit_synology_memory_usage_percent`);在 90% 下清除。	> 95 %	15 分钟	通知 (`warning`)	6 小时
Active Backup 任务失败	Active Backup for Business 任务最后一次运行失败,或仅备份其监控项的一部分(`dumbmonit_abb_task_last_status == bool 0`)。通知命名任务。	> 0	10 分钟	警告 (`critical`)	24 小时
Active Backup 太旧	此任务没有成功的 Active Backup for Business 运行超过 2 天(`dumbmonit_abb_task_last_success_seconds`)。系列对从未成功的任务不存在;“Active Backup 任务失败”然后讲话。	> 2 天	1 小时	通知 (`warning`)	24 小时
Active Backup 任务禁用	任务没有计划,或其连续备份已暂停(`dumbmonit_abb_task_enabled == bool 0`):它不会备份任何东西直到有人运行它。	> 0	1 小时	信息 (`info`)	7 天
Active Backup 监控项逾期	监控项已超过其自己节奏允许的更长时间没有成功的 Active Backup for Business 运行,不计闲日(`dumbmonit_abb_device_overdue`,见Synology)。	> 0	30 分钟	通知 (`warning`)	24 小时
Active Backup 监控项失败	监控项的最后两次或更多尝试失败(`dumbmonit_abb_device_consecutive_failures`);取消的运行既不计数。	≥ 2	10 分钟	警告 (`critical`)	24 小时

日志和度量服务器

VictoriaMetrics、VictoriaLogs、Loki 和 Graylog(监控项)。计数器通过increase_prometheus去,所以添加带拒绝数据历史的服务器不在其首次测量时触发。

规则	什么	默认阈值	保持	严重级别	提醒
度量或日志存储只读	可用磁盘空间跌出`-storage.minFreeDiskSpaceBytes`下方存储拒绝每个写(`dumbmonit_victoriametrics_read_only or dumbmonit_victorialogs_read_only`)。	≥ 1	2 分钟	警告 (`critical`)	1 小时
度量或日志存储几乎只读	少于 10% 磁盘左在只读前(`dumbmonit_victoriametrics_disk_headroom_percent or dumbmonit_victorialogs_disk_headroom_percent`);在 12% 上清除。	< 10 %	30 分钟	通知 (`warning`)	24 小时
度量或日志服务器不健康	`/health`不应答 OK(`dumbmonit_victoriametrics_healthy or dumbmonit_victorialogs_healthy`)。	< 1	3 分钟	警告 (`critical`)	6 小时
度量或日志数据被拒绝	样本或日志行在最后一小时被拒绝:时间戳在保留之外,标签太长,系列限制(`increase_prometheus(dumbmonit_victoriametrics_rows_rejected_total[1h]) or increase_prometheus(dumbmonit_victorialogs_rows_rejected_total[1h])`)。	> 0	15 分钟	通知 (`warning`)	24 小时
VictoriaMetrics 缓慢插入	超过 5% 新样本在 15 分钟内走了缓慢路径:没有足够内存对活跃系列(`(100 * increase_prometheus(dumbmonit_victoriametrics_slow_inserts_total[15m]) / increase_prometheus(dumbmonit_victoriametrics_rows_added_total[15m])) and on (target) dumbmonit_victoriametrics_uptime_seconds > 900`);在 3% 下清除。只有在服务器运行满 15 分钟后才会判断,因此重启(缓存变冷、计数器在窗口内归零)不会让它一直处于待定状态。	> 5 %	30 分钟	通知 (`warning`)	24 小时
Loki 未就绪	`/ready`不应答就绪(`dumbmonit_loki_ready`)。	< 1	5 分钟	警告 (`critical`)	6 小时
Loki 拒绝日志行	行在最后一小时被拒绝:太旧,速率或流限制,行太长(`increase_prometheus(dumbmonit_loki_discarded_lines_total[1h])`)。	> 0	15 分钟	通知 (`warning`)	24 小时
Loki 无法刷新到存储	块未能在最后 30 分钟到达存储;如果 Loki 重启它们丢失(`increase_prometheus(dumbmonit_loki_flush_failures_total[30m])`)。	> 0	10 分钟	警告 (`critical`)	1 小时
Loki 预写日志磁盘满	WAL 写因满磁盘丢失(`increase_prometheus(dumbmonit_loki_wal_disk_full_failures_total[30m])`)。	> 0	5 分钟	警告 (`critical`)	1 小时
Loki 请求错误	超过 5 个请求在 15 分钟内应答服务器错误(`increase_prometheus(dumbmonit_loki_request_errors_total[15m])`)。	> 5	15 分钟	通知 (`warning`)	6 小时
Graylog 未处理	节点上的消息处理已暂停(`dumbmonit_graylog_processing`)。	< 1	5 分钟	警告 (`critical`)	6 小时
Graylog 搜索集群关闭	OpenSearch 或 Elasticsearch 红色,或从 Graylog 不可达(`dumbmonit_graylog_indexer_status`:2 红色,3 不可达)。	≥ 2	5 分钟	警告 (`critical`)	1 小时
Graylog 搜索集群黄色	副本分片未分配半小时(`dumbmonit_graylog_indexer_status == 1`)。	> 0	30 分钟	通知 (`warning`)	24 小时
Graylog 日志填满中	日志超过半满:输出不赶上(`dumbmonit_graylog_journal_used_percent`);在 40% 下清除。	> 50 %	10 分钟	通知 (`warning`),1 小时后升级	6 小时
Graylog 输入失败	输入未能启动(`dumbmonit_graylog_inputs_failed`)。	> 0	5 分钟	通知 (`warning`)	24 小时
Graylog 索引失败	写入搜索集群或消息处理在最后一小时失败(`increase_prometheus(dumbmonit_graylog_output_failures_total[1h]) + increase_prometheus(dumbmonit_graylog_processing_failures_total[1h])`)。	> 0	15 分钟	通知 (`warning`)	24 小时

自托管应用

Nextcloud、Immich、Paperless-ngx、Jellyfin 和 Plex(监控项)。他们很少完全跌出:页面打开而同步、缩略图、导入或库扫描已停止。这些规则观察那些状态;完全不应答的应用是监控项不可达。

规则	什么	默认阈值	保持	严重级别	提醒
Nextcloud 卡在维护	维护模式打开(`dumbmonit_nextcloud_maintenance`):没有人可以登录或同步。	> 0	30 分钟	通知 (`warning`),3 小时后升级	6 小时
Nextcloud 数据库升级待处理	代码已更新 Nextcloud 等待`occ upgrade`(`dumbmonit_nextcloud_needs_db_upgrade`)。	> 0	10 分钟	警告 (`critical`)	1 小时
Nextcloud 更新可用	Nextcloud 的更新检查发现了更新的版本(`dumbmonit_nextcloud_update_available`)。	> 0	1 小时	信息 (`info`)	7 天
Nextcloud OPcache 满	PHP 的 OPcache 没有空间页面变慢(`dumbmonit_nextcloud_opcache_full`)。	> 0	30 分钟	通知 (`warning`)	24 小时
Nextcloud 可用空间低	数据目录少于 5 GiB 可用(`dumbmonit_nextcloud_free_space_bytes / 1073741824`);在 6 GiB 上清除。	< 5 GiB	30 分钟	通知 (`warning`)	24 小时
Immich 工作停止	工作在不暂停并运行任何东西的队列中等待(`dumbmonit_immich_queue_waiting > 0 and on (target, queue) dumbmonit_immich_queue_active == 0 unless on (target, queue) dumbmonit_immich_queue_paused == 1`)。通知命名队列。	> 0	1 小时	通知 (`warning`)	6 小时
Immich 队列暂停	工作队列已暂停一天(`dumbmonit_immich_queue_paused`)。	> 0	24 小时	信息 (`info`)	7 天
Immich 存储即将满	持有库的磁盘超过 90% 满(`dumbmonit_immich_storage_used_percent`);在 88% 下清除。	> 90 %	30 分钟	通知 (`warning`)	24 小时
Immich 更新可用	Immich 的版本检查知道更新的版本(`dumbmonit_immich_update_available`)。	> 0	1 小时	信息 (`info`)	7 天
Paperless 任务队列关闭	Redis 或 Celery 出错(`max by (target) (dumbmonit_paperless_component_status{component=~"redis\|celery"})`:2 是错误):没什么新导入。	≥ 2	5 分钟	警告 (`critical`)	1 小时
Paperless 索引或完整性检查错误	搜索索引、分类器或完整性检查(缺失或改变文件)报告错误(`dumbmonit_paperless_component_status{component=~"index\|classifier\|sanity_check"}`)。	≥ 2	30 分钟	通知 (`warning`)	24 小时
Paperless 迁移待处理	数据库迁移留待应用(`dumbmonit_paperless_unapplied_migrations`)。	> 0	30 分钟	通知 (`warning`)	24 小时
Paperless 任务失败	此用户可见的任务在失败任务窗口内失败并未被驳回(`dumbmonit_paperless_tasks_failed_recent`)。	> 0	5 分钟	通知 (`warning`)	24 小时
Paperless 存储即将满	持有文件的磁盘超过 90% 满(`dumbmonit_paperless_storage_used_percent`);在 88% 下清除。	> 90 %	30 分钟	通知 (`warning`)	24 小时
Paperless 更新可用	Paperless-ngx 的版本检查知道更新的版本(`dumbmonit_paperless_update_available`)。	> 0	1 小时	信息 (`info`)	7 天
Jellyfin 计划任务失败	计划任务(库扫描、清理)在最后一次运行时失败或被中止(`dumbmonit_jellyfin_scheduled_tasks_failed`)。	> 0	10 分钟	通知 (`warning`)	24 小时
Jellyfin 插件破损	插件未能加载或不支持此版本(`dumbmonit_jellyfin_plugins_broken`)。	> 0	15 分钟	通知 (`warning`)	24 小时
Jellyfin 重启待处理	Jellyfin 已等待一天在插件安装或更新后重启(`dumbmonit_jellyfin_pending_restart`)。	> 0	24 小时	信息 (`info`)	7 天
Plex 更新可用	Plex 的更新检查发现了更新的版本(`dumbmonit_plex_update_available`)。	> 0	1 小时	信息 (`info`)	7 天

自托管锻造

GitLab(自管理)和 Forgejo/Gitea(监控项)。一个完全不应答任何东西的实例是监控项不可达;这些规则观察保持提供页面同时静默落后的部分 — Sidekiq、 CI/CD 运行者、一个停止运行的计划任务。

规则	什么	默认阈值	保持	严重级别	提醒
GitLab 运行者全部离线	每个 CI/CD 运行者 GitLab 知道离线,并且至少一个已注册(`dumbmonit_gitlab_runners_online and on (target) dumbmonit_gitlab_runners_total > 0`)。	< 1	10 分钟	通知 (`warning`)	6 小时
GitLab Sidekiq 积压高	Sidekiq 队列有超过 500 个工作等待(`max by (target) (dumbmonit_gitlab_sidekiq_queue_backlog)`):通知、webhook 和导入落后。	> 500	15 分钟	通知 (`warning`)	6 小时
GitLab 迁移待处理	从升级的数据库迁移留待应用(`dumbmonit_gitlab_migrations_pending`)。	> 0	1 小时	信息 (`info`)	24 小时
GitLab 许可证即将过期	Enterprise Edition 许可证在少于 30 天内过期(`dumbmonit_gitlab_license_expiry_seconds`)。	< 30 天	1 小时	通知 (`warning`)	24 小时
Forgejo/Gitea 运行者全部离线	每个 Actions 运行者离线,并且至少一个已注册(`dumbmonit_forgejo_runners_online and on (target) dumbmonit_forgejo_runners_total > 0`)。	< 1	10 分钟	通知 (`warning`)	6 小时
Forgejo/Gitea 计划任务逾期	计划任务(存储库检查、清理、更新检查)未在其自己的间隔运行(`dumbmonit_forgejo_cron_task_overdue`)。	> 0	30 分钟	通知 (`warning`)	24 小时

客户端设备

一个规则,由每个跟踪监控项连接和备份的集成共享 — Immich 的电话、平板电脑和桌面(监控项)、Proxmox 备份服务器的备份机器、每个备份组一个(监控项)以及 Veeam 的受保护计算机和 VM,每个带有还原点(监控项)、现在;更多要来。每个集成计算其自己的目标过期窗口的间隙(device_stale_days,默认 3 天)并作为dumbmonit_client_device_stale_seconds发布它,标签device、type、os、user、kind和signal(connection或backup);这一个规则然后对任何它们触发,在通知中命名监控项。Synology Active Backup for Business 通过节奏感知机制(synology_abb_device_*)而不是这个一般系列分别跟踪其自己的监控项 — 见Synology。

规则	什么	默认阈值	保持	严重级别	提醒
客户端设备陈旧	设备在为此目标配置的过期窗口内未连接或未备份(`dumbmonit_client_device_stale_seconds`)。	> 0	1 小时	通知 (`warning`)	24 小时

Pi-hole

Pi-hole v6,通过其 REST API 读取。

规则	什么	默认阈值	保持	严重级别	提醒
Pi-hole 阻止禁用	阻止关闭、暂停或失败(`dumbmonit_pihole_blocking_enabled`)。保持让 5 分钟暂停从网络接口通过。	< 1	15 分钟	通知 (`warning`)	6 小时
Pi-hole 阻止列表陈旧	阻止列表(重力)已 8 天未重建(`dumbmonit_pihole_gravity_age_seconds`):每周更新失败。	> 8 天	1 小时	通知 (`warning`)	24 小时
Pi-hole 更新可用	更新的版本可用(`dumbmonit_pihole_updates_available`):Docker 中的镜像、核心、网络接口或 FTL 别处。Pi-hole 每天检查一次。	> 0	1 小时	信息 (`info`)	7 天
Pi-hole 诊断消息	Pi-hole 在其诊断页面上列出消息(`dumbmonit_pihole_messages`):一个失败下载的阻止列表、一个速率限制客户端、一个超载主机。	> 0	15 分钟	信息 (`info`)	24 小时

AdGuard Home

DNS 过滤器(监控项)。查询和阻止数字是 AdGuard Home 自己统计窗口上的总和,不是计数器:没有规则建立在它们上。

规则	什么	默认阈值	保持	严重级别	提醒
AdGuard Home 保护关闭	保护禁用,或暂停并还未返回(`dumbmonit_adguard_protection_enabled`)。	< 1	15 分钟	通知 (`warning`)	6 小时
AdGuard Home DNS 未运行	网络接口应答但 DNS 服务器已停止(`dumbmonit_adguard_running`)。	< 1	5 分钟	警告 (`critical`)	1 小时
AdGuard Home 上游失败	上游 DNS 服务器未通过 AdGuard Home 自己测试,或保持沉默 4 秒(`dumbmonit_adguard_upstream_up`,每个上游一个系列)。	< 1	10 分钟	通知 (`warning`)	6 小时
AdGuard Home 过滤列表陈旧	启用过滤列表的最旧更新超过 3 天旧(`dumbmonit_adguard_filter_oldest_update_age_seconds`)。	> 3 天	1 小时	通知 (`warning`)	24 小时
AdGuard Home 更新可用	更新的版本由 AdGuard Home 自己版本检查宣布(`dumbmonit_adguard_update_available`);当那个检查被禁用时永不触发,如在官方 Docker 镜像。	> 0	1 小时	信息 (`info`)	7 天

NUT 背后的 UPS

UPS 从NUT 服务器读取。每个系列携带ups 标签,所以告警命名 UPS 当一个服务器发布多个。状态标志在每个读取时为 0 或 1,所以规则在主电源回时自行清除。UPS 通过 SNMP 读取由上面UPS规则涵盖。

规则	什么	默认阈值	保持	严重级别	提醒
UPS 在电池上(NUT)	UPS 从电池为负载供电(`dumbmonit_nut_ups_on_battery`,`ups.status`的`OB`标志)。	> 0	30 秒	警告 (`critical`)	15 分钟
UPS 电池低(NUT)	UPS 报告低电池,`LB`标志(`dumbmonit_nut_ups_low_battery`):它为其供电的机器关于关闭。	> 0	1 分钟	警告 (`critical`)	30 分钟
UPS 电池需要更换(NUT)	UPS 请求其电池被更换,`RB`标志(`dumbmonit_nut_ups_replace_battery`)。	> 0	1 小时	通知 (`warning`)	7 天
UPS 负载高(NUT)	负载已保持在 80% 上方(`dumbmonit_nut_ups_load_percent`);在 75% 下清除。	> 80 %	10 分钟	通知 (`warning`)	24 小时
UPS 运行时短(NUT)	UPS 估计少于 5 分钟在电池上的运行时(`dumbmonit_nut_battery_runtime_seconds`);在 6 分钟上清除。在主电源上,磨损电池或为其负载太小的 UPS。	< 300 秒	5 分钟	通知 (`warning`)	24 小时
UPS 数据陈旧(NUT)	NUT 服务器应答但从 UPS 没有新鲜数据:电缆、驱动程序或 UPS 沉默(`dumbmonit_nut_ups_data_stale`)。停电同时会看不见。	> 0	5 分钟	通知 (`warning`),1 小时后升级	6 小时

MikroTik RouterOS

系列携带interface或sensor标签,所以通知命名端口或传感器(监控项)。计数器通过increase_prometheus:一个添加带多年错误的路由器不在其首次测量时触发。

规则	什么	默认阈值	保持	严重级别	提醒
MikroTik CPU 高	路由器的 CPU 已保持在 90% 上方(`dumbmonit_mikrotik_cpu_load_percent`):路由、防火墙或脚本饱和它。在 80% 下清除。	> 90 %	15 分钟	通知 (`warning`)	6 小时
MikroTik 内存高	超过 90% 内存在使用中(`dumbmonit_mikrotik_memory_used_percent`)。在 85% 下清除。	> 90 %	15 分钟	通知 (`warning`)	6 小时
MikroTik 存储即将满	闪存存储超过 90% 满(`dumbmonit_mikrotik_storage_used_percent`):配置更改和升级可能失败。在 85% 下清除。	> 90 %	30 分钟	通知 (`warning`)	24 小时
MikroTik 温度高	温度传感器读取 80°C 以上(`dumbmonit_mikrotik_temperature_celsius`)。在 75°C 下清除。	> 80°C	10 分钟	通知 (`warning`)	6 小时
MikroTik 电源或风扇失败	`psu-state`或`fan-state`传感器不是`ok`(`dumbmonit_mikrotik_health_ok`)。冗余电源已死亡切割什么,直到第二个也死亡。	< 1	5 分钟	警告 (`critical`)	1 小时
MikroTik 接口累积错误	超过 50 个在最后一小时接收和发送错误在接口上(`increase_prometheus(dumbmonit_mikrotik_interface_rx_errors_total[1h]) + increase_prometheus(dumbmonit_mikrotik_interface_tx_errors_total[1h])`)。	> 50	15 分钟	通知 (`warning`)	24 小时
MikroTik 链接飘动	接口在 30 分钟内失去其链接超过两次(`increase_prometheus(dumbmonit_mikrotik_interface_link_downs_total[30m])`)。好拔插的端口计数一次不触发。	> 2	5 分钟	通知 (`warning`)	1 小时
MikroTik RouterOS 更新可用	更新的 RouterOS 在路由器的更新通道上可用(`dumbmonit_mikrotik_update_available`)。仅当路由器自己检查更新时已知:见[设置](/docs/zh-Hans/devices/mikrotik/)的可选步骤。	> 0	1 小时	信息 (`info`)	7 天
MikroTik 固件升级待处理	RouterBOOT 比安装的 RouterOS 捆绑的固件更旧(`dumbmonit_mikrotik_firmware_upgrade_pending`);它仅在请求升级,然后在下一次重启。	> 0	1 小时	信息 (`info`)	7 天

UniFi 网络

监控项页面。监控项系列携带监控项的名称、型号和类型,所以通知说”客厅 AP”。等待采纳的监控项没有device_up系列并永不算作离线。

规则	什么	默认阈值	保持	严重级别	提醒
UniFi 监控项离线	UniFi 监控项由控制器采纳离线、隔离或未能采纳(`dumbmonit_unifi_device_up`)。	< 1	5 分钟	通知 (`warning`),1 小时后升级	6 小时
UniFi 互联网关闭	UniFi 网关报告没有互联网连接(`dumbmonit_unifi_internet_up`)。没有 UniFi 网关系列不存在规则保持沉默。	< 1	3 分钟	警告 (`critical`)	1 小时
UniFi WAN 链接关闭	WAN UniFi 网关的链接关闭(`dumbmonit_unifi_wan_link_up`):带两个链接,冗余丧失而没什么看起来破损。禁用的端口没有系列。	< 1	5 分钟	通知 (`warning`)	6 小时
UniFi 网关 CPU 高	UniFi 网关的处理器已在 90% 以上 15 分钟(`dumbmonit_unifi_device_cpu_percent{type="gateway"}`);在 80% 下清除。	> 90 %	15 分钟	通知 (`warning`)	6 小时
UniFi 监控项等待采纳	监控项出现在网络并等待在 UniFi 中采纳(`dumbmonit_unifi_devices{state="pending"}`)。	> 0	30 分钟	信息 (`info`)	24 小时
UniFi 固件更新可用	固件更新对 UniFi 监控项可用(`dumbmonit_unifi_devices_upgradable`)。	> 0	1 小时	信息 (`info`)	7 天
UniFi 告警	UniFi 在最后 24 小时内记录了关键事件或提升告警(`dumbmonit_unifi_alarms`)。仅用视图唯一账户读取。	> 0	5 分钟	通知 (`warning`)	24 小时

Home Assistant

监控项页面。

规则	什么	默认阈值	保持	严重级别	提醒
Home Assistant 处于恢复模式	Home Assistant 以恢复模式启动:无法加载其配置,自动化不运行(`dumbmonit_homeassistant_recovery_mode`)。	> 0	2 分钟	警告 (`critical`)	1 小时
Home Assistant 未运行	Home Assistant 有响应,但十分钟内未完成启动(`dumbmonit_homeassistant_running`)。	< 1	10 分钟	通知 (`warning`)	6 小时
Home Assistant 实体变为不可用	不可用的实体比一小时前至少多五个:某个集成、网关或无线电停止了(`sum by (target) (dumbmonit_homeassistant_entities_unavailable) - sum by (target) (dumbmonit_homeassistant_entities_unavailable offset 1h)`)。计算的是增量而非总数,因为真实安装从不为零。	≥ 5	10 分钟	通知 (`warning`)	6 小时
Home Assistant 电池电量低	Home Assistant 报告的某个电池电量低(`dumbmonit_homeassistant_battery_low`,每个低于监控项阈值(默认 20%)的电池一个系列;其值为电量)。	≥ 0 %	30 分钟	信息 (`info`)	3 天
Home Assistant 有可用更新	Home Assistant 有待处理的更新:核心、操作系统、附加组件或监控项固件(`dumbmonit_homeassistant_updates_available`)。	> 0	1 小时	信息 (`info`)	7 天
Home Assistant 有待处理的修复	Home Assistant 有一个错误或严重级别的未处理修复(`dumbmonit_homeassistant_repair{severity=~"error\|critical"}`)。	> 0	15 分钟	通知 (`warning`)	24 小时

VMware vSphere

监控项页面。主机系列携带 esxi,虚拟机系列携带 vm,数据存储系列携带 datastore,所以通知会指明对象。

规则	什么	默认阈值	保持	严重级别	提醒
vSphere 主机无响应	vSphere 主机不响应 vCenter(`dumbmonit_vsphere_host_connection_state`:2 表示无响应)。有意断开的主机(1)不触发。	≥ 2	3 分钟	警告 (`critical`)	1 小时
vSphere 主机健康状态为红色	vSphere 将主机的整体健康状态报告为红色(`dumbmonit_vsphere_host_status == 2`)。灰色表示未知,不触发。	> 0	5 分钟	警告 (`critical`)	1 小时
vSphere 主机停留在维护模式	vSphere 主机处于维护模式已有一天:其虚拟机已迁走,可能被遗忘在那里(`dumbmonit_vsphere_host_maintenance`)。	> 0	24 小时	信息 (`info`)	24 小时
vSphere 数据存储几乎已满	vSphere 数据存储已满 90% 或以上(`dumbmonit_vsphere_datastore_used_percent`);低于 85 % 时清除。	≥ 90 %	15 分钟	通知 (`warning`),24 小时后升级	6 小时
vSphere 数据存储不可访问	vSphere 数据存储不可访问:存放其上的虚拟机无法运行(`dumbmonit_vsphere_datastore_accessible`)。	< 1	5 分钟	警告 (`critical`)	1 小时
vSphere 虚拟机工具未运行	已开机的虚拟机中安装了 VMware Tools 但未运行:客户机可能已挂起(`dumbmonit_vsphere_vm_tools_status == 2`)。没有 Tools 的虚拟机不触发。	> 0	30 分钟	信息 (`info`)	24 小时
vSphere 红色告警	vSphere 发出了无人确认的红色告警(`dumbmonit_vsphere_alarm{status="red"}`,每个告警一个系列,以告警和对象命名)。	> 0	5 分钟	通知 (`warning`)	6 小时

数据库、消息代理和安全引擎

Redis / Valkey、MongoDB、RabbitMQ 和 CrowdSec(Redis、MongoDB、RabbitMQ、CrowdSec)。计数器经过 increase_prometheus 或 changes_prometheus,所以监控项的首次测量不会触发任何规则。

规则	什么	默认阈值	保持	严重级别	提醒
Redis 内存接近 maxmemory	已用内存超过 `maxmemory` 的 90 %(`dumbmonit_redis_memory_used_percent`);低于 85 % 时清除。没有 `maxmemory` 则无系列。	> 90 %	10 分钟	通知 (`warning`)	6 小时
Redis 拒绝连接	最近 15 分钟内有客户端连接被拒绝:达到 `maxclients`(`increase_prometheus(dumbmonit_redis_rejected_connections_total[15m])`)。	> 0	5 分钟	警告 (`critical`)	1 小时
Redis 复制链路中断	副本失去与主节点的链路(`dumbmonit_redis_master_link_up`)。	< 1	2 分钟	警告 (`critical`)	1 小时
Redis 副本滞后	从主节点看,副本超过 30 秒未确认(`dumbmonit_redis_replica_lag_seconds`)。	> 30 s	5 分钟	通知 (`warning`)	6 小时
Redis 快照失败	上一次 `BGSAVE` 失败;启用 `stop-writes-on-bgsave-error` 时,写入被拒绝(`dumbmonit_redis_rdb_last_save_ok`)。	< 1	5 分钟	警告 (`critical`)	1 小时
Redis 仅追加文件写入失败	上一次 AOF 写入失败(`dumbmonit_redis_aof_last_write_ok`)。	< 1	5 分钟	警告 (`critical`)	1 小时
MongoDB 副本集没有主节点	没有成员是主节点:不接受任何写入(`dumbmonit_mongodb_replset_primary_present`)。	< 1	2 分钟	警告 (`critical`)	1 小时
MongoDB 成员不可达	副本集成员无法被其他成员访问(`dumbmonit_mongodb_replset_member_health`)。	< 1	5 分钟	警告 (`critical`)	1 小时
MongoDB 复制滞后	从节点落后主节点超过一分钟(`dumbmonit_mongodb_replset_member_lag_seconds`);低于 30 s 时清除。	> 60 s	10 分钟	通知 (`warning`)	6 小时
MongoDB 连接接近上限	已使用超过 80 % 的可用连接(`dumbmonit_mongodb_connections_used_percent`);低于 75 % 时清除。	> 80 %	10 分钟	通知 (`warning`)	6 小时
MongoDB 缓存压力	超过 20 % 的 WiredTiger 缓存为脏数据(`dumbmonit_mongodb_wiredtiger_cache_dirty_percent`);低于 15 % 时清除。	> 20 %	10 分钟	通知 (`warning`)	6 小时
MongoDB 内部错误	最近一小时内出现常规断言(`increase_prometheus(dumbmonit_mongodb_asserts_total{type="regular"}[1h])`)。	> 0	15 分钟	通知 (`warning`)	24 小时
RabbitMQ 内存或磁盘告警	节点发出资源告警:所有发布者被阻塞(`dumbmonit_rabbitmq_alarm`,每个节点和资源一个系列)。	> 0	1 分钟	警告 (`critical`)	1 小时
RabbitMQ 节点宕机	集群节点未运行(`dumbmonit_rabbitmq_node_running`)。	< 1	2 分钟	警告 (`critical`)	1 小时
RabbitMQ 网络分区	节点检测到网络分区(`dumbmonit_rabbitmq_node_partitions`)。	> 0	2 分钟	警告 (`critical`)	1 小时
RabbitMQ 队列没有消费者	队列中有消息但没有消费者(`dumbmonit_rabbitmq_queue_messages_ready and dumbmonit_rabbitmq_queue_consumers == 0`);值为等待的消息数。	> 0	15 分钟	通知 (`warning`)	6 小时
RabbitMQ 队列不可用	队列未运行:仲裁队列没有多数,或其节点已宕机(`dumbmonit_rabbitmq_queue_running`)。	< 1	5 分钟	通知 (`warning`)	6 小时
CrowdSec 本地 API 宕机	本地 API 不响应 `/health`(`dumbmonit_crowdsec_lapi_up`)。	< 1	5 分钟	警告 (`critical`)	1 小时
CrowdSec bouncer 停止拉取	bouncer 的请求数在 30 分钟内没有变化(`changes_prometheus(dumbmonit_crowdsec_bouncer_requests_total[30m])`)。	< 1	5 分钟	通知 (`warning`)	6 小时
CrowdSec 未读取日志	六小时内没有读取任何一行日志(`increase_prometheus(dumbmonit_crowdsec_lines_read_total[6h])`)。	< 1	30 分钟	通知 (`warning`)	24 小时

反向代理和域名

Traefik、Caddy、Nginx Proxy Manager 和域名注册(Traefik、Caddy、Nginx Proxy Manager、域名到期),以及 DNS 检查的应答变化时告警选项(服务)。系列携带 router、service、server、upstream、proxy_host 或 cert,所以通知会指明失败的对象。

规则	什么	默认阈值	保持	严重级别	提醒
Traefik 路由器被禁用	路由器因配置错误(缺少服务或中间件、规则无效)被禁用:其站点不被服务(`dumbmonit_traefik_router_status`:0 启用,1 警告,2 禁用)。	≥ 2	5 分钟	通知 (`warning`)	6 小时
Traefik 后端服务器宕机	负载均衡服务的某个服务器未通过健康检查(`dumbmonit_traefik_server_up`)。	< 1	5 分钟	通知 (`warning`)	6 小时
Traefik 服务没有服务器	服务的所有服务器都不响应健康检查:其站点返回 503(`dumbmonit_traefik_service_servers_up`)。	< 1	2 分钟	警告 (`critical`)	1 小时
Traefik 未获取证书	路由器向证书解析器请求证书,但 Traefik 持有的证书尚未覆盖:Traefik 提供其默认的自签名证书(`dumbmonit_traefik_resolver_routers_uncovered`,需要 Traefik 的 `/api/certificates`)。	> 0	1 小时	通知 (`warning`)	24 小时
Caddy 上游不健康	后端未通过 Caddy 的主动或被动健康检查(`dumbmonit_caddy_upstream_healthy`)。	< 1	5 分钟	通知 (`warning`)	6 小时
Caddy 配置重载失败	Caddy 拒绝了上一次配置重载,仍运行之前的配置(`dumbmonit_caddy_config_last_reload_ok`)。	< 1	5 分钟	通知 (`warning`)	24 小时
Nginx Proxy Manager 主机离线	nginx 拒绝了已启用主机的配置:该主机不被服务(`dumbmonit_npm_host_online`)。	< 1	10 分钟	通知 (`warning`)	6 小时
代理证书未续期	Traefik 持有的证书或 Nginx Proxy Manager 主机提供的证书将在 14 天内到期:自动续期从 30 天开始,所以续期正在失败(`dumbmonit_traefik_cert_expiry_days or dumbmonit_npm_cert_expiry_days`)。	< 14 d	1 小时	通知 (`warning`)	24 小时
反向代理返回 5xx	十分钟内超过 5 % 的应答为 5xx,且至少有五十个请求(`dumbmonit_{traefik,caddy}_requests_5xx_total` 的 `increase_prometheus` 除以 `…_requests_total`)。需要代理的指标。	> 5 %	10 分钟	通知 (`warning`)	6 小时
域名即将到期	域名将在 30 天内到期(`dumbmonit_domain_expiry_days >= 7`)。	< 30 d	1 小时	通知 (`warning`)	24 小时
域名马上到期	域名将在 7 天内到期,或已到期(`dumbmonit_domain_expiry_days`)。	< 7 d	1 小时	警告 (`critical`)	12 小时
域名被冻结	注册局将域名置于 `clientHold` 或 `serverHold`:它已从 DNS 中移除(`dumbmonit_domain_on_hold`)。	> 0	30 分钟	警告 (`critical`)	6 小时
域名处于赎回期	域名处于 `redemptionPeriod`、`pendingDelete` 或 `pendingRestore`:它已过期(`dumbmonit_domain_redemption`)。	> 0	30 分钟	警告 (`critical`)	12 小时
域名服务器已变化	委派的域名服务器与上一次读取不同（`changes_prometheus(dumbmonit_domain_nameservers_fingerprint[1d])`）。一天后自行解决。	> 0	1 分钟	通知 (`warning`)	24 小时
域名注册商已变化	注册商与上一次读取不同：发生了转移（`changes_prometheus(dumbmonit_domain_registrar_fingerprint[1d])`）。	> 0	1 分钟	通知 (`warning`)	24 小时
域名 DNSSEC 丢失	过去 7 天内 DNSSEC 已签名，现在不再签名（`dumbmonit_domain_dnssec`）。	< 1	1 小时	通知 (`warning`)	24 小时
DNS 应答已变化	启用应答变化时告警的 DNS 检查,其应答与之前不同(`changes_prometheus(dumbmonit_probe_dns_answer_fingerprint[1h])`)。一小时后自行解决。	> 0	1 分钟	通知 (`warning`)	24 小时

DNS 黑名单

邮件服务器信誉和IP 段黑名单。这些名单只每 6 小时查询一次;每次探测都会重新写入最近一次的结果,因此保持时间很短。监控项页面会给出每条收录记录的移除页面链接。

规则	内容	默认阈值	保持	严重程度	提醒
被列入主要黑名单	某个地址或域名位于 Spamhaus(ZEN 或 DBL)、Barracuda 或 SpamCop:其大部分邮件会被拒收(`dumbmonit_blacklist_listed_major_lists`)。	> 0	5 分钟	警告 (`critical`)	24 小时
被列入黑名单	某个地址或域名位于规模较小的名单:Mailspike、UCEPROTECT、PSBL、SpamRATS、SURBL 或 URIBL(`dumbmonit_blacklist_listed_lists - dumbmonit_blacklist_listed_major_lists`)。	> 0	5 分钟	通知 (`warning`)	24 小时
邮件服务器反向 DNS 不一致	邮件服务器的某个地址没有反向 DNS,或其名称无法解析回该地址:Gmail、Outlook.com 和 Yahoo 会拒收此类邮件或将其归入垃圾邮件(`dumbmonit_blacklist_ptr_ok == bool 0`)。	> 0	5 分钟	通知 (`warning`)	24 小时
缺少 SPF 或 DMARC	域名没有 SPF 记录(或有多条),或没有 DMARC 记录:Gmail 和 Yahoo 要求批量发件人两者都具备(`dumbmonit_blacklist_mail_auth_missing`)。	> 0	5 分钟	通知 (`warning`)	24 小时

网站变化

参见网站变化。监控项页面显示每次变化前后的对比。

规则	什么	默认阈值	保持	严重级别	提醒
网站已变化	对被监视页面或站点的一次检查发现有页面变化、出现或消失(`dumbmonit_webchange_last_check_changes`)。每次这样的检查都会发出通知并列出这些页面,触发期间属于同一条告警;在第一次未发现新内容的检查时解决。	> 0	30 秒	信息 (`info`)	无

Kubernetes

参见 Kubernetes / k3s。每个系列都标有节点,或相关的命名空间和 Pod、工作负载或卷声明。

规则	什么	默认阈值	保持	严重级别	提醒
Kubernetes 节点未就绪	节点不是 Ready:其 kubelet 不再汇报,其 Pod 将被驱逐(`dumbmonit_k8s_node_ready == bool 0`)。	> 0	5 分钟	警告 (`critical`)	6 小时
Kubernetes 节点承压	节点报告内存、磁盘或 PID 压力(`dumbmonit_k8s_node_pressure`,标签 `condition`)。	> 0	5 分钟	通知 (`warning`)	6 小时
Kubernetes Pod 崩溃循环	容器处于 `CrashLoopBackOff` 且仍在重启:15 分钟内至少重启两次(`max_over_time(dumbmonit_k8s_pod_crashlooping[10m]) and on (target, namespace, pod) increase_prometheus(dumbmonit_k8s_pod_restarts[15m]) >= 2`;每次重启尝试时该状态会短暂消失)。因节点或运行时重启而被终止的容器(退出码 137、143 或 255,非 `OOMKilled`)不计入,因此重启机器不会看起来像崩溃循环。	> 0	10 分钟	警告 (`critical`)	6 小时
Kubernetes Pod 卡在 Pending	Pod 已 Pending 十五分钟:没有节点能接纳它,或它需要的卷或镜像迟迟未到(`dumbmonit_k8s_pod_pending`)。	> 0	15 分钟	通知 (`warning`)	6 小时
Kubernetes Pod 反复重启	Pod 在最近一小时内重启超过五次,但不处于 `CrashLoopBackOff`(`increase_prometheus(dumbmonit_k8s_pod_restarts[1h]) unless on (target, namespace, pod) max_over_time(dumbmonit_k8s_pod_crashlooping[10m]) > 0`)。	> 5	5 分钟	通知 (`warning`)	6 小时
Kubernetes 工作负载缺少副本	Deployment、StatefulSet 或 DaemonSet 的可用副本少于所要求的(`dumbmonit_k8s_workload_unavailable`)。	> 0	10 分钟	通知 (`warning`),1 小时后升级	6 小时
Kubernetes 卷声明 Pending	Pod 需要的、或与配置错误相关的 PersistentVolumeClaim 仍未绑定(`dumbmonit_k8s_pvc_pending`)。	> 0	15 分钟	通知 (`warning`)	6 小时

Active Directory

参见 Active Directory。DumbMonit 查询的域控制器由监控项不可达覆盖;域中的其他域控制器由域控制器不可达覆盖(标签 dc)。

规则	什么	默认阈值	保持	严重级别	提醒
域控制器不可达	域中的某个域控制器不再响应其 LDAP 端口(`dumbmonit_ad_dc_reachable == bool 0`)。DumbMonit 无法解析的名称不产生系列,也永不触发。	> 0	5 分钟	警告 (`critical`)	6 小时
Active Directory 绑定失败	域控制器有响应但拒绝服务账户:密码过期、账户被禁用或锁定(`dumbmonit_ad_bind_ok == bool 0`)。	> 0	5 分钟	通知 (`warning`)	24 小时
特权组成员变化	有成员加入或离开 Domain Admins、Enterprise Admins、Schema Admins、Administrators 或某个操作员组,包括嵌套(`changes_prometheus(dumbmonit_ad_privileged_group_fingerprint[1h])`,标签 `group`)。一小时后自行解决。	> 0	1 分钟	通知 (`warning`)	24 小时
Active Directory 复制失败	被查询的域控制器无法从伙伴复制(`dumbmonit_ad_replication_consecutive_failures`)。仅当账户可读取复制状态时。	> 0	30 分钟	通知 (`warning`)	6 小时
krbtgt 密码超过 180 天	krbtgt 密码上次更改已超过 180 天(`dumbmonit_ad_krbtgt_password_age_seconds`)。	> 180 天	10 分钟	信息 (`info`)	无

pfSense

参见 pfSense。网关标有 gateway,接口标有 interface 和 descr,服务标有 service。

规则	什么	默认阈值	保持	严重级别	提醒
pfSense 网关宕机	pfSense 网关宕机:其监控地址不再响应,所承载的流量中断或切换(`dumbmonit_pfsense_gateway_up`)。	< 1	3 分钟	警告 (`critical`)	6 小时
pfSense 网关丢包	pfSense 网关对其监控地址的探测丢失超过 10 %:线路质量下降(`dumbmonit_pfsense_gateway_loss_percent unless on (target, gateway) dumbmonit_pfsense_gateway_up == 0`)。	> 10 %	10 分钟	通知 (`warning`)	6 小时
pfSense 网关缓慢	到 pfSense 网关监控地址的往返时间已连续十五分钟超过 500 ms(`dumbmonit_pfsense_gateway_delay_milliseconds`)。	> 500 ms	15 分钟	通知 (`warning`)	6 小时
pfSense 接口无链路	已启用的 pfSense 接口没有链路:网线、交换机端口或网卡(`dumbmonit_pfsense_interface_down`)。	> 0	5 分钟	通知 (`warning`)	6 小时
pfSense 服务已停止	已启用的 pfSense 服务未运行:DNS 解析器、VPN、NTP…(`dumbmonit_pfsense_service_stopped`)。	> 0	5 分钟	通知 (`warning`)	6 小时
pfSense 磁盘几乎已满	pfSense 磁盘已满超过 90 %:日志、报告和软件包更新将无法写入(`dumbmonit_pfsense_disk_used_percent`)。	> 90 %	30 分钟	通知 (`warning`)	1 天

Unraid

参见 Unraid。磁盘标有 disk 和 role(parity、data、cache),容器标有 container。

规则	什么	默认阈值	保持	严重级别	提醒
Unraid 阵列已停止	Unraid 阵列未启动:位于其上的共享、容器和虚拟机不可用(`dumbmonit_unraid_array_started`)。	< 1	10 分钟	警告 (`critical`)	6 小时
Unraid 磁盘被禁用或丢失	Unraid 磁盘被禁用、丢失或无效:阵列降级运行,再有一次故障就会丢失数据(`dumbmonit_unraid_disk_ok`)。	< 1	5 分钟	警告 (`critical`)	6 小时
Unraid 磁盘读取错误	Unraid 磁盘自阵列启动以来报告了读取错误:下一次可能被禁用(`dumbmonit_unraid_disk_errors`)。	> 0	5 分钟	通知 (`warning`)	1 天
Unraid 磁盘过热	Unraid 阵列盘或校验盘已连续十五分钟超过 55 °C(`dumbmonit_unraid_disk_temperature_celsius{role=~"data\|parity"}`)。	> 55 °C	15 分钟	通知 (`warning`)	6 小时
Unraid 校验检查发现错误	上一次 Unraid 校验检查失败或发现同步错误:校验不再与数据一致(`dumbmonit_unraid_parity_check_ok`)。	< 1	5 分钟	通知 (`warning`)	1 天
Unraid 校验检查逾期	上一次 Unraid 校验检查已超过 40 天:错过了每月检查(`dumbmonit_unraid_parity_check_age_seconds`)。	> 40 d	1 小时	通知 (`warning`)	1 天
Unraid 缓存几乎已满	Unraid 缓存池已满超过 90 %:写入回落到较慢的阵列,或失败(`dumbmonit_unraid_disk_used_percent{role="cache"}`)。	> 90 %	30 分钟	通知 (`warning`)	1 天
Unraid 容器已停止	设置为随阵列启动的 Docker 容器未运行(`dumbmonit_unraid_container_autostart_stopped`)。	> 0	10 分钟	通知 (`warning`)	6 小时

Veeam Backup & Replication

参见 Veeam Backup & Replication。作业标有 job 和 type,存储库标有 repository。

规则	什么	默认阈值	保持	严重级别	提醒
Veeam 作业失败	已启用的 Veeam 作业上一次运行失败:它保护的对象没有新的还原点(`dumbmonit_veeam_job_failed`)。	> 0	5 分钟	警告 (`critical`)	1 天
Veeam 作业以警告结束	已启用的 Veeam 作业上一次运行以警告结束:部分对象可能未受保护(`dumbmonit_veeam_job_warning`)。	> 0	5 分钟	通知 (`warning`)	1 天

V e e a m

备份过旧

至少每天计划运行的作业超过两天没有成功运行（ d u m b m o n i t _ v e e a m _ j o b _ l a s t _ s u c c e s s _ a g e _ s e c o n d s ）。

天

小时

通知

( w a r n i n g )

天

| | Veeam 存储库几乎已满 | Veeam 备份存储库已满超过 90 %:接下来的作业将因空间不足而失败(dumbmonit_veeam_repository_used_percent)。 | > 90 % | 30 分钟 | 通知 (warning) | 1 天 | | Veeam 许可证即将到期 | Veeam 许可证将在 30 天内到期:宽限期结束后作业将停止(dumbmonit_veeam_license_expiry_seconds)。 | < 30 d | 1 小时 | 通知 (warning) | 1 天 |

Tailscale

参见 Tailscale。监控项标有 device,即其 MagicDNS 名称的第一段。

规则	什么	默认阈值	保持	严重级别	提醒
Tailscale 监控项离线	必须保持在线的 Tailscale 监控项(默认为带标签的监控项)已断开超过 15 分钟(`dumbmonit_tailscale_device_offline_seconds and on (target, device) dumbmonit_tailscale_device_watched > 0`)。	> 15 分钟	5 分钟	通知 (`warning`)	6 小时
Tailscale 节点密钥即将到期	Tailscale 监控项的节点密钥将在 14 天内到期:在有人重新登录之前它将离开 tailnet(`dumbmonit_tailscale_device_key_expiry_seconds`)。	< 14 d	1 小时	通知 (`warning`)	1 天
Tailscale 监控项等待批准	有监控项加入 tailnet 并等待批准:如果在预期之内就批准,否则移除(`dumbmonit_tailscale_device_authorized`)。	< 1	5 分钟	通知 (`warning`)	1 天
Tailscale 客户端更新	必须保持在线的 Tailscale 监控项运行的客户端有可用更新(`dumbmonit_tailscale_device_update_available and on (target, device) dumbmonit_tailscale_device_watched > 0`)。	> 0	6 小时	信息 (`info`)	7 天

FortiGate

参见 FortiGate。隧道标有 tunnel,接口标有 interface 和 alias,许可证标有 license。

规则	什么	默认阈值	保持	严重级别	提醒
FortiGate IPsec 隧道宕机	FortiGate 站点到站点 IPsec 隧道的第 2 阶段全部未建立:其后的站点被切断(`dumbmonit_fortigate_ipsec_tunnel_up`)。	< 1	5 分钟	警告 (`critical`)	6 小时
FortiGate 接口无链路	已启用且有地址的 FortiGate 接口没有链路:网线、收发器或对端监控项(`dumbmonit_fortigate_interface_down`)。	> 0	5 分钟	通知 (`warning`)	6 小时
FortiGate HA 不同步	FortiGate HA 集群的成员配置校验和不再相同:故障切换后将运行另一份配置(`dumbmonit_fortigate_ha_in_sync`)。	< 1	15 分钟	通知 (`warning`)	6 小时
FortiGate HA 成员丢失	FortiGate HA 集群的成员比最近 24 小时少:不再有备用节点(`max_over_time(dumbmonit_fortigate_ha_members[1d]) - dumbmonit_fortigate_ha_members`)。	> 0	5 分钟	警告 (`critical`)	6 小时
FortiGate 内存接近保守模式	FortiGate 内存已连续十分钟超过 85 %:达到 88 %(默认)时进入保守模式,停止检查新会话(`dumbmonit_fortigate_memory_used_percent`)。	> 85 %	10 分钟	通知 (`warning`)	6 小时
FortiGate CPU 高	FortiGate CPU 已连续十五分钟超过 90 %(`dumbmonit_fortigate_cpu_usage_percent`)。	> 90 %	15 分钟	通知 (`warning`)	6 小时
FortiGate 许可证即将到期	FortiGate 的某个 FortiGuard 或 FortiCare 许可证将在 30 天内到期,或已到期(`dumbmonit_fortigate_license_expiry_seconds`)。	< 30 d	1 小时	通知 (`warning`)	1 天
FortiGate 固件更新	FortiGuard 为 FortiGate 所运行的 FortiOS 分支提供了更新的补丁版本(`dumbmonit_fortigate_firmware_update_available`)。	> 0	1 小时	信息 (`info`)	7 天

Sophos Firewall

参见 Sophos Firewall。

规则	什么	默认阈值	保持	严重级别	提醒
Sophos 接口无链路	已开启并绑定到区域的 Sophos Firewall 接口没有链路(`dumbmonit_sophos_interface_down`)。	> 0	5 分钟	通知 (`warning`)	6 小时

KVM (libvirt)

由 KVM 主机上的 Linux 代理报告;参见代理。

规则	什么	默认阈值	保持	严重级别	提醒
KVM 域崩溃	libvirt 将某个 KVM 域报告为已崩溃:虚拟机监控程序不得不停止它(`dumbmonit_agent_libvirt_domain_crashed`)。	> 0	1 分钟	警告 (`critical`)	1 小时
libvirt 池即将满	某个 libvirt 存储池的分配量达到其容量的 90%(`dumbmonit_agent_libvirt_pool_used_percent`)。	≥ 90 %(在 88% 下清除)	15 分钟	通知 (`warning`),24 小时后升级	6 小时

XCP-ng / XenServer

参见 XCP-ng / XenServer。

规则	什么	默认阈值	保持	严重级别	提醒
XCP-ng 主机离线	XCP-ng 池中的某台主机不再响应协调器(`dumbmonit_xcpng_host_live`)。	< 1	5 分钟	警告 (`critical`)	1 小时
XCP-ng SR 即将满	某个 XCP-ng 存储库(SR)已使用超过 90%(`dumbmonit_xcpng_sr_used_percent`)。	≥ 90 %(在 88% 下清除)	15 分钟	通知 (`warning`),24 小时后升级	6 小时
XCP-ng HA 保护的虚拟机宕机	受池高可用保护的虚拟机已停止(`dumbmonit_xcpng_vm_ha_protected_down`)。	> 0	2 分钟	警告 (`critical`)	1 小时
XCP-ng 池 HA 超额分配	池不再有方案来应对它被设定为可容忍的主机故障(`dumbmonit_xcpng_pool_ha_overcommitted`)。	> 0	5 分钟	通知 (`warning`),1 小时后升级	6 小时

Nutanix

参见 Nutanix AHV。

规则	什么	默认阈值	保持	严重级别	提醒
Nutanix 主机降级	Prism 将某台 Nutanix 主机报告为降级(`dumbmonit_nutanix_host_degraded`)。	> 0	5 分钟	警告 (`critical`)	1 小时
Nutanix 存储容器即将满	某个 Nutanix 存储容器已使用超过 90%(`dumbmonit_nutanix_storage_container_used_percent`)。	≥ 90 %(在 88% 下清除)	15 分钟	通知 (`warning`),24 小时后升级	6 小时
Nutanix 严重告警	Prism Central 报告了一个或多个未解决的严重告警(`dumbmonit_nutanix_alerts_critical`)。	> 0	5 分钟	警告 (`critical`)	1 小时

Hyper-V

由 Hyper-V 主机上的 Windows 代理报告;参见代理。

规则	什么	默认阈值	保持	严重级别	提醒
Hyper-V 虚拟机健康状态严重	Hyper-V 报告虚拟机处于严重健康状态:它所需的资源(多数是磁盘空间)已耗尽(`dumbmonit_hyperv_vms_health_critical`)。	> 0	5 分钟	警告 (`critical`)	6 小时
Hyper-V 主机 CPU 高	Hyper-V 主机的逻辑处理器已连续十五分钟占用超过 90 %,包括客户机(`dumbmonit_hyperv_host_cpu_percent`)。	> 90 %	15 分钟	通知 (`warning`)	6 小时
Hyper-V 虚拟磁盘错误	Hyper-V 虚拟磁盘在最近一小时内报告了 I/O 错误(`increase_prometheus(dumbmonit_hyperv_vhd_errors_total[1h])`)。	> 0	5 分钟	通知 (`warning`)	6 小时

安全评分

服务器每 15 分钟为每个其类型带有安全检查的监控项计算一次,并存储为 dumbmonit_security_score(0–100),仅当在设置中启用了安全评分时(默认关闭)。参见安全评分。

规则	什么	默认阈值	保持	严重级别	提醒
安全评分下降	评分相比最近 24 小时的最佳值下降了 10 分或以上(`max_over_time(dumbmonit_security_score[1d]) - dumbmonit_security_score`):某项检查开始失败。	≥ 10 分	30 分钟	通知 (`warning`)	24 小时
安全评分低	评分低于 40,等级 F(`dumbmonit_security_score`)。可调高或调低阈值以符合您自己的标准。	< 40	1 小时	信息 (`info`)	7 天

网络清单

由计划的网络扫描及其清单触发（参见计划扫描与清单）。三条规则默认都已禁用；前两条严重级别为 info，MAC 变化那条为 warning：需要时在规则列表中启用。每个新设备或新端口对应一个序列，也就是一条告警；它会一直保持打开，直到该项被标记为已知（指标停止，告警在几分钟内解决），且没有提醒。对一个网络的首次扫描从不触发任何告警。

规则	内容	默认阈值	保持	严重级别	提醒
New device on the network	计划扫描发现了一台不在清单中的设备（`dumbmonit_netscan_unknown_device`）。	> 0	无	信息 (`info`)，已禁用	无
New open port on the network	计划扫描在已知设备上发现了新的开放端口（`dumbmonit_netscan_unknown_port`）。	> 0	无	信息 (`info`)，已禁用	无
MAC address changed for an IP	一台新设备以另一个 MAC 地址占用了已知设备的地址：欺骗或更换了硬件（`dumbmonit_netscan_mac_change`）。保持打开，直到被标记为已知或忽略。	> 0	无	通知 (`warning`)，已禁用	无

DumbMonit 自身

规则	什么	默认阈值	保持	严重级别	提醒
DumbMonit 备份未运行	DumbMonit 数据库的计划本地备份已超过两天未运行(`time() - dumbmonit_instance_backup_last_success_seconds`)。	> 2 天	1 小时	通知 (`warning`)	24 小时
DumbMonit 数据卷即将写满	存放 `/data` 的卷可用空间不足 10%(`100 * dumbmonit_instance_data_free_bytes / dumbmonit_instance_data_size_bytes`)。	< 10 %	15 分钟	通知 (`warning`)	24 小时
DumbMonit 指标数据库循环重启	内置 VictoriaMetrics 在 30 分钟内重启了三次或更多(`increase_prometheus(dumbmonit_instance_vm_restarts_total[30m])`)。	≥ 3	1 分钟	警告 (`critical`)	6 小时
DumbMonit 调度器停滞	超过两分钟没有完成调度轮次:监控项不再被轮询(`dumbmonit_instance_scheduler_lag_seconds`)。	> 120 秒	5 分钟	警告 (`critical`)	6 小时
DumbMonit 轮询滞后	每轮调度后仍有监控项逾期未轮询(`min_over_time(dumbmonit_instance_scheduler_backlog[15m])`)。	> 0	15 分钟	通知 (`warning`)	24 小时
DumbMonit 指标写入失败	最近 15 分钟内有批次被 VictoriaMetrics 拒绝或有测量值被丢弃(`dumbmonit_instance_sample_writes_failed_total`, `dumbmonit_instance_samples_dropped_total`)。	> 0	5 分钟	通知 (`warning`)	6 小时
DumbMonit 数据库增长过快	`dumbmonit.db` 一天内增长超过一倍且大于 100 MB(`dumbmonit_instance_database_bytes`)。	> 2×	1 小时	通知 (`warning`)	24 小时

这些规则和外发心跳的说明见 Watching DumbMonit itself。

每条内置规则都适用于所有监控项和每个已启用的通道。

在界面中编辑规则

在告警页面,规则部分列出每条规则及其严重级别、内置标记,以及(相关时)当前触发的告警数。每条规则有:

一个用于启用或禁用的开关;
编辑,展开内联编辑器,可修改名称、描述、运算符、阈值、保持(for)、严重级别、提醒(repeat every)和升级(escalate after)。内置规则的查询可见但不可编辑;您自己规则的查询可以编辑。基线规则的检测参数为只读;
删除,仅适用于您自己的规则。

按监控项覆盖

可以为单个监控项调整规则而无需修改规则本身:不同的阈值、不同的清除阈值,或仅对该监控项关闭。每条规则的编辑器都有按监控项覆盖面板,可直接添加或移除。

告警上的一键忽略操作(在当前标签或告警所在的监控项页面中)是同一机制,以 enabled: false 写入:监控项立即、可逆地不再携带该规则。监控项页面列出它所忽略的内容,并带有停止忽略;规则本身在告警 → 规则中显示已在 N 个监控项上忽略,同一个按监控项覆盖面板可将其移除。API 参见按监控项覆盖。

创建阈值规则

点击新建规则。表单需要:

字段	含义
名称	显示在告警和通知中。
查询	按监控项求值的 MetricsQL 表达式。示例:`dumbmonit_cpu_usage_percent`。
运算符	`>`、`>=`、`<` 或 `<=`。
阈值	查询结果所比较的数字。
严重级别	信息、通知或警告。
保持时间	条件必须持续多少秒才触发。非零的保持时间可吸收孤立的坏样本。

查询返回的每个系列都成为一个潜在告警,附加到其 target 标签所指的监控项。若希望每个监控项一个告警而不是每个核心或每个接口一个,请使用 avg by (target, host) (…) 聚合。只要存在 target,告警的标识就忽略 host 和 tag_* 标签,所以重命名监控项会保留其告警;target 与现有已启用监控项不匹配的系列会被忽略。

查询语言

查询使用 MetricsQL,即 VictoriaMetrics 的 PromQL 超集。指标是指标参考中描述的 dumbmonit_* 系列,每个系列都带有 target 标签(监控项 id)和 host 标签(其名称)。

内置规则使用的一些模式:

# Age of the last sample, freshest series per device: what "unreachable" means
bottomk by (target) (1, time() - tlast_over_time(dumbmonit_up[7d]))

# One value per device, whatever the source
avg by (target, host) (dumbmonit_cpu_load_percent or dumbmonit_proxmox_node_cpu_percent or dumbmonit_cpu_usage_percent)

# A percentage computed from two gauges
100 * dumbmonit_storage_bytes_used / dumbmonit_storage_bytes_total

# A boolean condition: the series is returned only when true
dumbmonit_ups_output_source == 5

# Extrapolation done by VictoriaMetrics
predict_linear(dumbmonit_pbs_datastore_used_percent[6h], 345600) and deriv(dumbmonit_pbs_datastore_used_percent[6h]) > 0

# Availability of a service over thirty days
avg_over_time(dumbmonit_probe_success[30d])

API 中的规则类型

kind 为 threshold(与阈值比较)、predict(相同的比较,基于 predict_linear 查询;显示为预测)或 anomaly(季节性基线;params 包含 k、alpha、mad_floor_abs、mad_floor_rel、min_samples)。界面创建 threshold 规则;另外两种类型可通过 API 创建。