温馨提示：本文为读者投稿的实用技术内容，操作前请先做好数据备份。
VPS 用着用着突然卡了：网站打开慢吞吞、SSH 连不上、数据库偶尔报错……你第一反应是重启、重装，但下次又犯病。真正专业的人会先“看监控、查日志、找原因”，而不是瞎折腾。
这篇文章把 VPS 上最重要的四类资源——CPU、内存、磁盘、网络——的监控方法和排查思路一次讲明白。不管你是运维新手，还是从面板转向命令行的站长，读完后遇到故障都能自己定位个八九不离十。
一、先搭一套基础监控：不观测就谈不上优化
排查的前提是“有数据”。很多问题事发时你没在现场，只能靠历史监控数据复盘。基础方案分成两层：
第一层：操作系统自带的命令
轻量、零安装，随手就能看，适合应急诊断。
第二层：可视化监控平台
如 netdata、Prometheus + Grafana，会自动采集历史数据并画图，适合长期观察趋势、设置告警。
新手优先推荐 netdata：一条命令即可安装，自带非常漂亮的 Web 界面，能实时看到 CPU、内存、磁盘、网络、进程等 200 多项指标，几乎零配置。
二、CPU 排查：看负载，更要看“谁在吃 CPU”
先记住一个核心指标：平均负载 load average。在终端输入 uptime 或 top 能看到：
load average: 1.20, 0.80, 0.60
三个数字分别代表最近 1 分钟、5 分钟、15 分钟的平均负载。判断依据：
- 负载接近你的 CPU 核数：说明 CPU 正好跑满，例如 2 核机器负载到 2.0 左右就满了。
- 1 分钟 > 5 分钟 > 15 分钟：说明负载在上升，可能刚有任务爆发或卡死。
- 长期居高不下：说明有进程持续占用，或配置确实不够。
定位“谁在吃 CPU”，用 top 然后按大写 P 键按 CPU 排序，或直接看 top 里 %CPU 最高的进程。更直观的用 htop（需要先安装）：
htop
htop 用颜色区分 CPU 和内存占用，按 F6 选择按 CPU 排序，一下就看清是 PHP-FPM 涨了、是 MySQL 涨了，还是被某个怪进程（比如挖矿木马）霸占。
技巧：如果发现没见过的进程长期占满 CPU，多半是被入侵挖矿了，别犹豫，按之前学的“安全加固”思路处理，同时查一下进程的启动路径和父进程。
三、内存排查：free 和缓存的关系要搞懂
看内存用 free -h：
free -h
输出里的 free 列是真正空闲的内存，但别只看它。Linux 会把空闲内存拿来当“缓存”（buff/cache），用于加速磁盘读写，这是正常且有益的，内存不足时系统会自动回收。
判断内存是否真的紧张，看两个地方：
- swap 是否被频繁使用：free 里的 Swap 如果长期占用且持续增长，说明物理内存不够，发生了换页，会拖慢整体速度。
- 是否有 OOM 发生：很多 512M 小内存机器，进程被内核“杀”掉就是内存不足触发 OOM。查看日志：
dmesg | grep -i oom
或 journalctl -k | grep -i oom
如果是 WordPress/MySQL 这类大内存应用爆内存，优先优化应用配置（比如调小 PHP-FPM 的最大进程数、给 MySQL 设置合理的 buffer pool），而不是急着加内存条。
四、磁盘排查：iostat 看 IO，df 看空间
磁盘有两类问题：空间满了、IO 卡了。
看空间，用 df -h：
df -h
当某个分区使用率达到 90% 以上，就该清理日志、缓存或旧备份了；100% 会导致很多程序写不进数据而报错。
看 IO 读写负载，用 iostat（需要安装 sysstat 包）：
iostat -x 1
观察 %util 和 await 两列：
- %util 接近 100%：说明磁盘被读写压满。
- await 很大：说明单个 IO 请求等待太久，通常是机械盘或硬盘老化。
如果是 SSD 出现较高 await，先检查有没有程序在持续刷写小文件（比如日志、频繁写操作的数据库），考虑加缓存或用更高 IOPS 的磁盘方案。
五、网络排查：带宽、连接数、占带宽的进程
网络问题显得“玄学”，其实有清晰排查路径。
看整体网速，可以用 iftop（需要安装）实时查看各连接的流量：
iftop
它按连接列出实时上下行速率，能一眼找出是哪个 IP 在狂占带宽。
看连接状态，用 ss（替代老命令 netstat）：
ss -ant | awk '{print $1}' | sort | uniq -c
重点看 TIME_WAIT 和 SYN_RECV：
- 大量 TIME_WAIT：通常是短连接过多，可考虑开启 tcp_tw_reuse 或优化应用。一般不用太担心，属正常回收状态。
- 大量 SYN_RECV：可能被 SYN 攻击，或对端不响应。检查防火墙和来源 IP。
别忘了看面板/控制台里的带宽和流量统计：很多“卡网”其实是套餐带宽写满或流量跑超被限速，这是最容易被忽略的原因。
六、常见故障的“一键定位”套路
遇到性能问题，按这套顺序走基本能快速缩小范围：
- 第 1 步 uptime：看负载高不高。
- 第 2 步 top/htop：看是哪个进程占资源。
- 第 3 步 free -h：看内存和 swap。
- 第 4 步 df -h + iostat：看磁盘空间和 IO。
- 第 5 步 ss -ant + iftop：看网络连接和带宽。
- 第 6 步 看系统日志：journalctl -xe 或 /var/log/syslog，很多异常会在日志里写明。
举个例子：网站突然 502。按套路查下来，常见原因有 PHP-FPM 进程全忙或崩掉、后端服务没起来、磁盘或内存被打满。每一步用上面的命令验证，基本一轮就能定位。
七、长期监控与告警：让机器自己“报警”
光靠人肉盯监控不现实。让关键指标超标时自动通知你，才算成体系。以 netdata 为例：
- 内置了 CPU、内存、磁盘、网络等数十项告警规则。
- 支持邮件、Telegram、钉钉、Slack 等通知渠道。
配合 crontab + 简单脚本也能实现“低配版告警”，例如负载超过阈值就发一封邮件：
#!/bin/bash
load=$(uptime | awk -F'load average:' '{print $2}' | cut -d, -f1)
if (( $(echo "$load > 2.0" | bc -l) )); then
echo "VPS 负载过高：$load" | mail -s "告警：VPS 负载过高" your@email.com
fi
更专业的团队会用 Prometheus 采集 + Grafana 展示 + Alertmanager 告警，能对多个实例统一纳管、支持更多的告警维度。这些都是可选的进阶路线。
八、小结：从“遇到再修”到“提前预防”
性能排查的本质，是把“玄学”变成“科学”。掌握基础命令相当于有了听诊器，配合可视化监控和告警，你就能：
- 故障发生时，几分钟内定位是 CPU、内存、磁盘还是网络的问题。
- 通过历史趋势，提前发现问题，比如磁盘临近爆满、内存持续攀升。
- 把告警设好，机器自己“找你”，而不是你事后去救火。
不用一次学完所有工具，从 htop + free + df 这三个最常用命令上手，遇到卡顿就先跑一遍 uptime、top、free、df、iostat，很多问题当场就能看出眉目。工具是死的，排查思路是活的，练几次就熟了。