服务器可以装 Agent，但交换机、UPS、打印机不行。这类设备想要纳入统一监控，通常只有一条路：SNMP。它的门槛不在技术，而在"该监控哪些指标"。
一、先明确要监控什么
SNMP 能取到的指标成百上千，全都要等于什么都不要。对网络与机房设备，建议先监控这四类：
- 可用性：设备是否在线，接口是否 up
- 资源类：CPU、内存、温度
- 业务类：端口流量、错包、丢包
- 环境类：UPS 电池状态、市电状态、机房温湿度
二、团体名与权限要收紧
默认的 public / private 团体名必须改掉，并且尽量使用只读权限。
- 为监控系统单独创建一个只读团体名或 SNMPv3 账号
- 限制可访问来源 IP，只允许监控服务器查询
- 优先使用 SNMPv3，具备认证与加密能力
- 把团体名当作密码管理，纳入账号台账定期更换
SNMP 泄露等同于设备情报泄露
通过 SNMP 可以读出设备的接口、路由、运行时长等信息。团体名使用默认值，是内网被"摸清底细"的常见起点。
三、告警阈值怎么定
| 指标 | 预警 | 告警 |
|---|---|---|
| CPU 使用率 | 持续 5 分钟 > 70% | 持续 5 分钟 > 90% |
| 端口错包 | 5 分钟内增长 | 持续增长且伴随丢包 |
| 设备温度 | 较基线 +10℃ | 接近设备告警线 |
| UPS 电池 | 放电测试续航下降 | 电池故障或市电丢失 |
四、避免告警疲劳
告警太多等于没有告警。建议做三件事：分级（通知 / 告警 / 紧急）、抑制（同一设备短时间只报一次）、收敛（相关联的告警合并成一条业务级告警）。能被认真对待的告警，数量一定不多。
五、先跑起来，再逐步完善
不必追求一次性覆盖所有设备。先接三台最重要的交换机与一台 UPS，跑通"采集—展示—告警"链路，验证告警真的能收到、有人响应，再逐步扩展。最小可用的监控，比一套精美但没人看的系统有价值得多。
#SNMP#设备监控#告警阈值#运维事业部
