AWS CloudWatch 实战：构建智能监控与自动化运维体系

摘要：本文通过实际案例，详细讲解如何利用AWS CloudWatch实现云端资源的实时监控、日志分析与自动化运维，助力企业提升系统稳定性与运维效率

一、场景痛点分析

某电商平台迁移至AWS后面临三大挑战：

故障响应滞后：服务器CPU异常时无法及时告警
日志排查低效：分布在多个实例的日志需要人工收集
资源优化困难：缺乏历史性能数据支撑容量规划

二、CloudWatch核心解决方案

1. 实时监控与可视化看板

步骤实现：

# 创建自定义指标（通过CLI）
aws cloudwatch put-metric-data \
--namespace "Custom/EC2" \
--metric-name "MemoryUsage" \
--dimensions "InstanceId=i-1234567890" \
--value 75

配置指南：

登录CloudWatch控制台
进入「仪表盘」→「创建仪表盘」
添加微件（推荐组合：资源概览图+关键指标时序图）

2. 智能告警体系搭建

最佳实践：

多级阈值告警（示例配置）：

{
"AlarmName": "High-CPU-Utilization",
"ComparisonOperator": "GreaterThanThreshold",
"EvaluationPeriods": 3,
"MetricName": "CPUUtilization",
"Namespace": "AWS/EC2",
"Period": 300,
"Statistic": "Average",
"Threshold": 80,
"AlarmActions": ["arn:aws:sns:us-east-1:123456789012:OpsTeam"]
}

通知策略：

Level 1（>80% CPU）：邮件通知
Level 2（>90% CPU）：触发Lambda自动扩容
Level 3（>95% CPU）：短信+电话告警

3. 日志集中管理方案

架构流程：

创建CloudWatch Logs Group
配置统一日志代理：

# /etc/awslogs/awslogs.conf 示例
[general]
state_file = /var/lib/awslogs/agent-state

[/var/log/app]
datetime_format = %Y-%m-%d %H:%M:%S
file = /var/log/app/application.log
log_group_name = /ec2/app_logs
log_stream_name = {instance_id}

高级功能：

日志实时过滤（示例查询）：

fields @timestamp, @message
| filter @message like /ERROR/
| sort @timestamp desc
| limit 50

4. 自动化运维闭环

典型场景：自动处理磁盘空间告警

# Lambda处理函数示例
import boto3

def lambda_handler(event, context):
ec2 = boto3.client('ec2')
ssm = boto3.client('ssm')

# 获取告警中的实例ID
instance_id = event['Trigger']['Dimensions'][0]['value']

# 执行SSM自动化命令
response = ssm.send_command(
InstanceIds=[instance_id],
DocumentName="AWS-RunShellScript",
Parameters={'commands': ['du -sh /var/log/* | sort -rh | head -n 5']}
)

# 发送清理通知到SNS
sns = boto3.client('sns')
sns.publish(
TopicArn='arn:aws:sns:us-east-1:123456789012:Alerts',
Message=f'触发自动日志检查：Instance {instance_id}'
)