去年冬天，网站我帮一家做跨境电商的可用控好朋友看服务器。凌晨两点，性监他打电话说网站打不开了，不好客户在群里骂翻了天。网站我爬起来一查，可用控好数据库连接池爆了，性监重启花了十五分钟。不好就这十五分钟，网站他们那天晚上的可用控好黑五预热活动损失了大概两万多美金。他问我：有没有办法在用户发现之前就知道网站出问题了？性监我说有，网站可用性监控。不好他接着问：那玩意儿到底好不好？网站

这个问题其实挺难一句话回答的。监控本身不复杂，可用控好就是性监定时去访问你的网站，看返回状态码对不对、响应时间多长、页面内容有没有变。但“好不好”取决于你拿它当什么用。把它当门铃，它就是个门铃。把它当保安，它也能干保安的活。问题是很多人装了个门铃，却指望它抓小偷，然后说监控没用。

我见过最离谱的一个案例。一家做在线教育的公司，买了某监控服务，设置了五分钟一次HTTP检查。结果某天他们一个核心接口挂了，返回500错误，但监控没报警。为什么？因为那个接口的URL返回的是200，只是body里全是错误信息。监控只看状态码，不看内容。用户提交作业全失败，客服电话被打爆，技术团队还在工位上悠哉游哉。这不是监控的错，是配置的人偷懒。可用性监控要真管用，得往细里抠。状态码、响应时间、DNS解析、SSL证书过期、页面关键字匹配，少一样都可能留个窟窿。

从成本上说，这东西便宜得离谱。市面上UptimeRobot、Better Uptime、国内的阿里云拨测，免费版就能监控几十个站点，五分钟或一分钟一次。付费版一个月几十块到几百块，能精确到三十秒甚至十秒。对比一下网站宕机一小时的收入损失，这钱花得跟白捡一样。我自己给几个小站挂了监控，一年下来不到两百块，抓到过三次证书过期、两次服务器磁盘满、一次CDN回源异常。每次都是在用户反馈之前就处理掉了。

但监控不是万能的。它只能告诉你“现在有问题”，不能告诉你“为什么有问题”。有一回我的博客监控报警，响应时间从200毫秒飙到8秒。我登服务器一看，CPU正常、内存正常、带宽正常。折腾半小时才发现，是某个外部字体服务挂了，浏览器加载字体时卡住。监控测的是服务器端响应，测不到客户端渲染。所以可用性监控得和日志分析、APM工具配合着用。单靠一个监控，就像只量体温就诊断所有病。

还有一点容易被人忽略：监控本身也会骗你。比如你设了从三个节点同时检测，结果两个节点报警一个正常。你以为是误报，关了告警。其实是那个正常节点走了不同的网络路径，绕过了故障点。再比如你设了邮件告警，结果邮件服务器自己挂了，告警发不出去。我就干过这事，监控发到企业微信，结果企业微信机器人被限流了，报警延迟了二十分钟。后来我学乖了，告警通道至少配两条，邮件加短信，或者Webhook加电话。

说到底，网站可用性监控好不好，不取决于工具本身，取决于你愿不愿意花半小时去配好它，愿不愿意在收到告警后认真对待。我见过有人装了监控，告警邮件全进了垃圾箱，网站挂了一整天都不知道。也见过有人把监控当命根子，半夜三点爬起来修一个不影响业务的警告。两种极端都不对。监控是个哨兵，你得给它划好警戒线，也得知道哪些动静该当真，哪些可以等天亮再说。

回到我那个跨境电商朋友。后来他装了监控，配了短信和电话告警，又加了一个页面关键字检查。上个月他们服务器又抽风，这次监控在四十秒内就把他叫醒了。他一边重启一边在客户群里发公告，说系统正在维护。没人骂他。这就是监控的价值——不是让网站永远不挂，而是让你比用户早一步知道它挂了。