最尴尬的事故不是网站挂了，是挂了三小时，你从客户那里知道的。
「你们网站打不开啊？」——这句话从客户嘴里说出来，比故障本身更伤信任。而监控这件事，免费的方案就完全够用，搭建不超过半小时。
一、监控到底该监控什么
很多人以为监控就是「网站能不能打开」。其实要盯的东西分三层：
| 层次 | 监控什么 | 不监控的后果 |
|---|---|---|
| 可用性 | 网站首页能不能返回 200 | 挂了不知道 |
| 正确性 | 返回的是不是正常页面（而不是 500 错误页或白屏） | 「能打开」但其实是报错页 |
| 资源 | 磁盘、CPU、内存、证书到期 | 磁盘满了才发现问题 |
第二层最容易被忽略：很多监控只检查 HTTP 状态码，但 WordPress 返回 200 的同时页面可能是白的（PHP 报错但主题还输出了头部）。所以监控要检查页面内容里的关键词。
二、免费方案选型
| 服务 | 免费额度 | 优点 | 缺点 |
|---|---|---|---|
| UptimeRobot | 50 个监控，5 分钟间隔 | 够用、稳定、支持关键词监控和证书到期 | 5 分钟间隔，最长可能 5 分钟后才发现 |
| Better Uptime | 10 个监控，3 分钟间隔 | 界面好、有状态页 | 免费额度少 |
| HetrixTools | 更多额度 | 还带服务器资源监控 | 界面一般 |
| Cloudflare 健康检查 | 免费 | 和 CDN 一体 | 要会用 |
| 自建 Uptime Kuma | 无限（需要一台服务器） | 完全可控、1 分钟间隔、通知渠道多 | 要自己维护 |
我的建议：
- 刚开始用 UptimeRobot，注册五分钟搞定，够用了
- 如果你已经有一台多余的服务器（哪怕是最低配），自建 Uptime Kuma 体验最好
三、UptimeRobot 配置要点（十分钟）
1. 建监控
类型选 HTTP(s)，URL 填你的首页。 Interval 选 5 分钟（免费版最小值）。
2. 关键一步：设置关键词检查
这一步大多数人没配，导致监控形同虚设。
在监控设置里找到 Keyword 相关选项：
- 填一个只在你网站正常时才出现的词——比如你的品牌名、或者网站上固定的一句话
- 设置为「关键词不存在时告警」
这样即使服务器返回 200 但页面是空的/报错页，也会告警。这一条设置能让监控的有效率翻倍。
3. 加多个监控点
别只监控首页。建议加这几个：
- 首页 —— 最基础
- 一个产品页 / 核心内容页 —— 能发现数据库问题（首页可能是缓存的，产品页才走数据库）
- 联系页或询盘表单页 —— 这是你赚钱的页面，它挂了等于没生意
- 后台登录页（
/wp-admin）—— 能发现 PHP 崩溃
4. 通知渠道
邮件通知是默认的，但邮件你可能几小时后才看到。建议加一个即时渠道：
- 企业微信 / 钉钉机器人（UptimeRobot 支持 webhook）
- Server酱（推送到微信）
- Telegram Bot
5. 证书到期监控
UptimeRobot 有个 SSL 证书到期提醒，在监控设置里能开启，一般提前 30 天/14 天/7 天各提醒一次。
这个一定要开——前面那篇讲过，证书过期是最不该发生的事故。
四、服务器资源监控（防「慢性死亡」）
网站能打开不等于没问题。磁盘悄悄涨到 95%、CPU 长期 80%，这些不会让网站立刻挂，但会在某个时刻突然爆发。
宝塔自带告警（最简单）
面板 → 设置 → 告警设置，可以配：
- 磁盘空间超过阈值
- CPU 持续过高
- 内存不足
通知方式支持邮件、企业微信、钉钉。如果不装宝塔，用下面的方式。
自建 Uptime Kuma（推荐给有多台服务器的）
一台 1 核 1G 的小服务器就能跑，用 Docker 一条命令：
docker run -d --restart=always -p 3001:3001 -v uptime-kuma:/app/data --name uptime-kuma louislam/uptime-kuma:1
然后浏览器打开 http://你的IP:3001 配置。
它能监控：
- HTTP 网站（1 分钟甚至更短间隔）
- TCP 端口（数据库、SSH）
- Ping
- Docker 容器状态
- 配合 agent 还能监控 CPU / 磁盘 / 内存
通知渠道非常丰富：企业微信、钉钉、飞书、Telegram、Discord、邮件、Webhook，全都支持。
注意：监控服务器不要和被监控的站放在同一台机器上——机器整个挂了，监控也跟着挂，你就收不到告警了。这是新手最常见的错误。
五、告警别设太多（不然等于没有）
一个真实的教训：有人什么监控都开，每天收几十条告警。结果就是所有告警都被忽略——真正的故障时，那条告警也淹没在里面了。
原则：
- 只告警「需要你立刻行动」的事：网站打不开、磁盘快满了、证书快过期
- 不要告警「只是有点异常」的事：CPU 偶尔飙一下、某个请求慢了一次
- 告警间隔设成「连续 2 次检测失败才通知」，避免网络抖动造成的误报
六、还有一个最容易被忽略的：备份验证
监控能保证你发现问题，但出问题之后能不能恢复，取决于备份。
而备份有个残酷的事实：没验证过的备份，很可能恢复不了。
常见情况：
- 备份任务其实早就失败了，但没人看
- 备份文件损坏
- 备份的是被感染/被污染的版本
- 备份存在同一台机器上，机器挂了一起没
建议：每季度做一次恢复演练——把备份恢复到一台临时环境，确认能打开、数据完整。花一小时，换来的是真正出事时的底气。
七、半小时能配完的最小方案
如果时间有限，按这个顺序做，半小时搞定：
- 注册 UptimeRobot，加首页 + 一个核心页监控，开关键词检查（10 分钟）
- 配企业微信/钉钉机器人通知（5 分钟）
- 开启证书到期提醒（1 分钟）
- 宝塔开启磁盘告警，阈值 80%（3 分钟）
- 确认备份任务在跑，且备份到了异地（10 分钟）
做完这五步，你就从「客户告诉我网站挂了」变成「网站刚挂我就知道」。这个差别，对一个靠网站接询盘的生意来说，值几十万。