针对单台浪潮服务器运行Windows Server 2019和SQL Server的MES系统场景、高效能监控策略（兼顾软硬件健康）

—

### **一、监控架构设计原则** – **轻量化**：优先使用Windows原生工具和免费方案，避免额外资源消耗 – **关键性聚焦**：仅监控直接影响MES运行的核心指标 – **自动化告警**：异常发生时主动触发通知，无需人工巡检 – **容灾预备**：单服务器场景需强化备份与快速恢复能力

—

### **二、硬件健康监控（浪潮服务器）** #### **1. 硬件状态监控** – **工具**：浪潮服务器iBMC远程管理（Web界面或IPMI命令行）   – 关键指标：     – 磁盘SMART状态（重点关注`Reallocated Sectors Count`）     – RAID阵列健康度（通过`ipmitool sdr type "Storage"`查询）     – 温度/电压告警（设置阈值：CPU温度<75℃）   – 配置邮件告警：在iBMC管理界面设置阈值触发邮件通知

#### **2. 存储健康** – **脚本监控（PowerShell）**：   ```powershell   # 检查物理磁盘健康状态（需iBMC SNMP支持）   $diskHealth = Get-WmiObject -Query "SELECT Status FROM Win32_DiskDrive"    if ($diskHealth.Status -ne "OK") {     Send-MailMessage -To "admin@example.com" -Subject "磁盘硬件故障" -Body "物理磁盘状态异常：$($diskHealth.Status)"   }   ```

—

### **三、操作系统监控（Windows Server 2019）** #### **1. 性能基线监控** – **工具**：性能监视器（PerfMon）   – 创建数据收集器集，包含以下计数器：     – `Processor(_Total)\\% Processor Time`（阈值：持续>85%告警）     – `Memory\\Available MBytes`（阈值：<10%总内存）     – `LogicalDisk(C:)\\% Free Space`（阈值：<15%时告警）     – `PhysicalDisk(_Total)\\Avg. Disk sec/Read`（阈值：>20ms告警）

– **配置方法**：   1. 运行`perfmon` → 数据收集器集 → 用户定义 → 新建   2. 添加上述计数器，设置1分钟采样间隔   3. 右键属性 → 计划任务：每天生成报告并保存到`D:\\PerfLogs`

#### **2. 关键事件日志监控** – **工具**：事件查看器 + 计划任务告警   – 重点关注事件ID：     | 事件ID | 含义 | 响应动作 |     |——–|——|———-|     | 41     | 意外重启 | 检查UPS电源日志 |     | 1001   | 蓝屏记录 | 分析dump文件 |     | 2019   | 内存硬错误 | 运行`mdsched`内存检测 |     | 51     | 磁盘写入延迟 | 检查磁盘健康度 |

– **自动化告警脚本**（保存为`event_alert.bat`）：   ```bat   @echo off   eventquery.vbs /L System /R 100 /FI "ID eq 41 or ID eq 51" > last_events.txt   findstr /C:"41" last_events.txt && powershell -Command "Send-MailMessage -To 'admin@example.com' -Subject '系统异常重启' -Body '检测到意外关机事件，请立即检查！'"   ```

—

### **四、SQL Server专项监控** #### **1. 基础性能指标** – **工具**：SQL Server Management Studio (SSMS) 内置报表   – 每日检查：     – **报表** → `Dashboard` → 查看等待类型（重点监控`PAGEIOLATCH_*`）     – `Disk Usage` → 检查事务日志文件增长情况   – 关键计数器：     – `SQLServer:Buffer Manager\\Page life expectancy`（阈值：<300秒告警）     – `SQLServer:SQL Statistics\\Batch Requests/sec`（对比基线波动>50%需排查）

#### **2. 慢查询与死锁监控** – **启用跟踪**：   ```sql   — 开启死锁跟踪   DBCC TRACEON(1222, -1)   — 记录慢查询（>5秒）   EXEC sp_configure 'show advanced options', 1   RECONFIGURE   EXEC sp_configure 'cost threshold for parallelism', 5   RECONFIGURE   ```

– **日志分析脚本**：   ```powershell   # 检查SQL错误日志中的死锁   $logPath = "C:\\Program Files\\Microsoft SQL Server\\MSSQL15.MSSQLSERVER\\MSSQL\\Log\\ERRORLOG"   Select-String -Path $logPath -Pattern "deadlock victim" | ForEach-Object {     Send-MailMessage -To "dba@example.com" -Subject "SQL死锁告警" -Body $_.Line   }   ```

—

### **五、MES应用层监控** #### **1. 进程与服务监控** – **关键服务**：   – MES主服务（根据实际服务名设置监控）   – IIS/WCF依赖服务（如`W3SVC`、`NetTcpPortSharing`）

– **PowerShell守护脚本**（保存为`service_watch.ps1`）：   ```powershell   $criticalServices = @("MESService", "MSSQLSERVER", "W3SVC")   foreach ($service in $criticalServices) {     $status = (Get-Service -Name $service).Status     if ($status -ne "Running") {       Start-Service $service -ErrorAction SilentlyContinue       Send-MailMessage -To "admin@example.com" -Subject "服务异常" -Body "$service 服务停止，已尝试重启！状态：$status"     }   }   ```   – 创建计划任务每5分钟执行一次：     ```bat     schtasks /create /tn "MES服务监控" /tr "powershell -File C:\\Scripts\\service_watch.ps1" /sc minute /mo 5 /ru SYSTEM     ```

#### **2. 应用日志监控** – **日志路径**（示例）：   – `C:\\MES\\Logs\\App*.log`   – 监控关键词：`ERROR`、`Timeout`、`Connection refused`

– **实时监控脚本**：   ```powershell   Get-Content -Path "C:\\MES\\Logs\\App.log" -Wait | Select-String -Pattern "ERROR" | ForEach-Object {     Send-MailMessage -To "dev@example.com" -Subject "MES应用错误" -Body $_.Line   }   ```

—

### **六、备份与恢复策略** #### **1. 数据备份方案** | 备份类型       | 频率       | 工具                | 存储位置       | |—————-|————|———————|—————-| | SQL完全备份    | 每日2:00 AM | SQL Server维护计划  | 外部USB硬盘 + NAS | | 事务日志备份   | 每小时一次 | `BACKUP LOG`命令    | NAS            | | 系统镜像备份   | 每周日1:00 AM | Windows Server Backup | 外置硬盘       |

#### **2. 快速恢复测试** – **季度演练步骤**：   1. 从备份恢复SQL数据库到测试实例   2. 使用`DBCC CHECKDB`验证数据一致性   3. 记录恢复时间目标（RTO）并优化流程

—

### **七、告警通知整合** #### **统一告警平台搭建** – **方案**：使用免费版**Prometheus + Alertmanager**：   1. 部署`windows_exporter`采集指标   2. 配置告警规则示例：      ```yaml      groups:      – name: MES监控        rules:        – alert: 高CPU使用率          expr: 100 – (avg by(instance)(rate(windows_cpu_time_total{mode="idle"}[5m])) * 100) > 85          for: 5m          labels:            severity: critical          annotations:            summary: "CPU过载 ({{ $value }}%)"      ```   3. 集成邮件/企业微信通知

—

### **八、维护计划表** | 任务                | 频率     | 执行方式            | |———————|———-|———————| | 清理临时文件        | 每周一   | `cleanmgr /sagerun:1` | | 更新Windows补丁     | 每月第二周 | WSUS自动审批       | | 检查备份完整性      | 每周五   | 手动验证3个随机备份 | | 重启服务器（可选）  | 每季度   | 维护窗口期手动执行 |

—

### **实施成本对比** | 方案                | 成本   | 实施难度 | 适合场景           | |———————|——–|———-|——————–| | 纯PowerShell脚本    | 0元    | ★★☆☆☆   | 紧急监控需求       | | Prometheus + Grafana| 0元    | ★★★☆☆   | 长期可视化监控     | | SolarWinds SAM试用版| 免费30天| ★★☆☆☆   | 短期深度监控体验   |

**推荐选择**：先用PowerShell脚本实现核心监控（30分钟部署），同时逐步搭建Prometheus实现历史数据分析，形成完整监控闭环。