云厂商监控（阿里云 / 腾讯云 / 华为云） —— 云产品指标、告警与事件的一站式托管监控横向对比

分类：07 商业与云监控适用：主要业务跑在单一或多家公有云上，需要对 ECS/CVM/ECS、RDS、SLB/CLB/ELB、OSS/COS/OBS 等云产品做基础监控与告警的运维团队一句话：阿里云云监控 CMS / 腾讯云可观测平台（云监控）/ 华为云 CES 三家托管监控的横向对比与统一用法官方：阿里云 https://help.aliyun.com/zh/cms/ · 腾讯云 https://cloud.tencent.com/document/product/248 · 华为云 https://support.huaweicloud.com/ces/（控制台与文档入口以各云官方为准）授权：商业云托管服务；基础云产品监控通常免费，API 调用超额、自定义指标、短信/电话通知、日志与数据转储等按量计费，计费与免费额度以各云官方计费文档为准

1. 它解决什么问题

自建 Prometheus 能监控应用与主机，但云产品内部指标（RDS 连接数、SLB 后端健康、对象存储流量）由云平台采集，自建栈拿不到；同时云主机的创建销毁、弹性伸缩、账单与资源变更也需要与云平台联动。云厂商监控解决的是：

免部署采集：开通即用，云产品自动上报指标到平台侧时序库，无需在实例内装 Agent（操作系统级细粒度指标仍需安装各云监控 Agent / 插件）。
告警与云资源联动：告警策略可直接绑定实例、实例组、标签，配合弹性伸缩、事件告警与回调（云函数 / Webhook）。
事件监控：实例重启、宕机迁移、欠费、运维事件等平台侧事件统一告警。
局限：跨云聚合能力弱、指标粒度与保留期受平台约束、自定义能力弱于自建 Prometheus；深度 APM / 日志关联通常需要各云的可观测 / 日志服务或第三方。

2. 核心概念与架构

2.1 术语表（三家对照）

概念	阿里云云监控 CMS	腾讯云可观测平台 / 云监控	华为云 CES
服务名	云监控 CloudMonitor（含云监控 2.0）	可观测平台 TCOP / 云监控 CM	云监控服务 CES（Cloud Eye）
命名空间	`acs_ecs_dashboard`、`acs_ots_new` 等	`QCE/CVM`、`QCE/REDIS_MEM` 等	服务维度（如 `SYS.ECS`），以官方文档为准
指标	MetricName（如 `cpu_idle`、`CPUUtilization`）	MetricName（如 `CPUUsage`、`CpuUtil`）	指标（如 `cpu_util`）
维度	Dimensions（如 `instanceId`）	Instances.N.Dimensions（如 `instanceid`）	dimensions（如 `instance_id`）
统计粒度	Period（秒，60/300/3600）	Period（5/60/300/3600/86400）	period（以官方文档为准）
告警规则	报警规则；云监控 2.0 用 alert rule	告警策略（含触发条件模板）	告警规则（含告警模板）
通知对象	报警联系人 / 联系人组 / 报警回调	通知模板（每策略最多 3 个）	消息通知主题 SMN / 告警通知
事件	系统事件监控	事件告警	事件监控（`CreateEvents` / `ListEvents`）
自定义上报	自定义指标 / Prometheus 实例	自定义监控上报	自定义指标 / 自定义事件上报
权限体系	RAM（子账号、AccessKey）	CAM（子用户、访问密钥）	IAM（用户 / 用户组、AK/SK）

2.2 组件与数据流

  云产品内部                      云平台采集                    云监控服务                    告警/消费
 ┌──────────────┐  自动上报  ┌────────────────────┐  ┌──────────────────────────┐  ┌────────────────────┐
 │ECS/CVM/ECS   │──────────▶│ 平台侧指标管道      │─▶│ 指标时序库（按 Namespace │─▶│ 控制台图表 / Dashboard│
 │RDS / 数据库  │  (免Agent) │ + 可选监控Agent/插件│  │  + Metric + Dimension）   │  │ 查询 API / CLI       │
 │SLB/CLB/ELB   │           │ (OS级细粒度指标)    │  └───────────┬──────────────┘  └────────────────────┘
 │OSS/COS/OBS   │           └────────────────────┘              │
 │系统事件/账单 │──事件/自定义上报──────────────────────────────▶│
 └──────────────┘                                                ▼
                                                ┌──────────────────────────────────────┐
                                                │ 告警规则/策略：指标+比较+阈值+统计粒度│
                                                │ +持续周期 → 通知模板/联系人组        │
                                                └──────────────┬───────────────────────┘
                                                               ▼
                        邮件 / 短信 / 电话 / 企业微信 / 钉钉 / Slack（经 Webhook）
                        回调：云函数 FC / SCF / FunctionGraph · HTTP Webhook · 弹性伸缩

云产品监控数据 → 云监控服务 → 告警规则 → 通知/回调链路：① 云产品由平台侧自动采集（或实例内安装云监控 Agent 补充 OS 级指标）→ ② 按 Namespace + MetricName + Dimensions + Period 汇入云监控时序库，控制台与 DescribeMetricList / GetMonitorData / CES 指标 API 可查询 → ③ 用户创建告警规则/策略，选监控类型、告警对象（实例/实例组/标签/全部对象）、触发条件（指标 + 比较关系 + 阈值 + 统计粒度 + 持续 N 个周期）与通知模板 → ④ 规则周期性求值，触发后发邮件/短信/企微/钉钉，并可回调云函数、HTTP Webhook 或触发弹性伸缩。

与自建监控的分工：云监控负责「云平台看得见、应用看不见」的部分（云产品指标、平台事件、账单、资源拓扑）；自建 Prometheus 负责应用内指标、业务自定义指标、跨云统一 PromQL 与长期存储。落地常见做法：云监控告警经 Webhook / 云函数汇入统一 On-call 平台，与自建栈告警一起收敛；云产品指标也可通过各云托管的 Prometheus 服务接入自建 Grafana。

⚠️ 三家云的 API 端点、CLI 子命令与参数随版本演进，本文 CLI 中标注「以各云官方文档为准」的部分均为通用形式，实际以各云官方帮助中心为准。

3. 安装与部署

3.1 环境准备

项	要求
账号	各云主账号或经 RAM / CAM / IAM 授权的子账号；建议专门建「监控只读」与「告警管理」两类子账号
密钥	AccessKey ID/Secret（阿里云）、SecretId/SecretKey（腾讯云）、AK/SK（华为云）；配到 CLI 环境变量或凭据文件
CLI	阿里云 CLI `aliyun`、腾讯云 CLI `tccli`、华为云 CLI `hcloud`；安装与 `configure` 步骤以各云官方文档为准
权限	查询指标需只读权限；创建告警规则需写权限 + 通知联系人组/主题的管理权限
网络	控制台 HTTPS 443；CLI / API 需能访问各云 OpenAPI 网关；内网场景用 VPC endpoint（以各云官方文档为准）
地域	指标与告警规则按 Region 隔离；跨地域查询需分别调用，注意「中国香港」等地域表述

3.2 控制台开通 + CLI / API 接入

控制台开通（三家通用步骤）：① 登录各云控制台 → ② 搜索「云监控 / 可观测平台 / CES」并进入（多数基础监控默认开通，无需付费开通）→ ③ 在「告警联系人 / 通知模板 / 消息通知主题」先创建接收人与接收组 → ④ 到「告警规则 / 告警策略」新建策略 → ⑤ 到「监控大盘 / Dashboard」查看指标。

阿里云：云监控控制台 → 报警服务 → 报警联系人/联系人组 → 报警规则；云监控 2.0 另需创建 Prometheus 实例与工作空间（workspace）。
腾讯云：可观测平台 → 告警管理 → 告警配置 → 新建策略（六要素：策略名称、监控类型、策略类型、告警对象、触发条件、告警通知；支持触发条件模板、重复通知频率、弹性伸缩）。
华为云：云监控服务 CES → 告警 → 创建告警规则 / 告警模板；通知走消息通知服务 SMN 主题。

CLI 初始化（通用形式，以各云官方文档为准）

# 阿里云 CLI
aliyun configure                      # 交互式配置 AccessKey / Region / 输出格式
# 腾讯云 CLI
tccli configure                       # 配置 SecretId / SecretKey / Region
# 华为云 CLI
hcloud CES ListAlarms/v1              # 先验证凭据与 CES 服务可用（命令见 §5.3）

API 接入示例（SDK / HTTP，端点以各云官方文档为准）

# 阿里云：DescribeMetricList（Cms 2019-01-01，参数名以官方 API 文档为准）
aliyun cms describe-metric-meta-list --namespace acs_ecs_dashboard --page-size 100 --page-number 1
# 腾讯云：GetMonitorData / DescribeBaseMetrics（参数以腾讯云可观测平台 API 文档为准）
tccli monitor DescribeBaseMetrics --Namespace QCE/CVM     # 通用形式，以各云官方文档为准
# 华为云：CES CLI 指标管理（子命令名以华为云 CES CLI 官方文档为准）
hcloud CES ListAlarms/v1                                  # 已验证的告警规则列表命令

3.3 首次启动与验证

# 阿里云：查询某 ECS 的 CPU 指标（确认数据已在云端）
aliyun cms describe-metric-list --namespace acs_ecs_dashboard --metric-name cpu_idle \
  --period 60 --start-time "<START>" --end-time "<END>" \
  --dimensions '[{"instanceId":"<INSTANCE_ID>"}]' | jq
# 腾讯云：查询指标（通用形式，以各云官方文档为准）
tccli monitor GetMonitorData --Namespace QCE/CVM --MetricName CPUUsage --Period 300 \
  --StartTime "<START>" --EndTime "<END>" | jq
# 华为云：列出告警规则与事件
hcloud CES ListAlarms/v1 ; hcloud CES ListEvents/v1

控制台验证：云监控 → 资源监控 / 主机监控看到实例与曲线；告警策略列表出现新建策略；触发一次压测或手工模拟后收到通知（⚠️ 短信/电话通知可能产生费用）。

4. 配置文件详解

4.1 告警规则 / 策略关键项（三家对照）

配置项	阿里云 CMS / 2.0	腾讯云可观测平台	华为云 CES
规则载体	报警规则；2.0 用 `alert rule` JSON（`--body`）	告警策略（控制台 / API）	告警规则 / 告警模板
命名空间	`Namespace`（如 `acs_ecs_dashboard`）	`Namespace`（如 `QCE/CVM`）	服务维度（以官方文档为准）
指标	`MetricName`	`MetricName`	指标名
维度	`Dimensions` JSON 字符串	`Instances.N.Dimensions`	`dimensions`
统计粒度	`Period`（60/300/3600 秒）	`Period`（5/60/300/3600/86400 秒）	`period`（以官方文档为准）
触发条件	阈值 + 比较关系 + 连续次数	指标 + 比较关系 + 阈值 + 统计粒度 + 持续 N 个数据点	指标 + 比较 + 阈值 + 连续周期
告警对象	应用分组 / 实例 / 全部资源	实例 ID / 实例组 / 标签 / 全部对象	资源 / 资源分组
通知	报警联系人组；2.0 通知策略	通知模板（每策略 ≤3 个）	SMN 主题 / 通知模板
重复通知	静默 / 生效周期	不重复 / 5 分钟 / 10 分钟 / 周期指数递增	告警频率（以官方文档为准）
回调	报警回调 URL / 函数计算 FC	告警回调 / 云函数 SCF / Webhook	FunctionGraph / HTTP 回调
无数据	支持无数据告警（以官方文档为准）	支持事件告警与数据不足策略	支持（以官方文档为准）

4.2 完整可运行最小告警规则配置（云监控 2.0 alert rule JSON）

{
  "name": "ecs-cpu-high",
  "description": "ECS CPU 使用率超过 85% 持续 3 个周期",
  "namespace": "acs_ecs_dashboard",
  "metricName": "CPUUtilization",
  "dimensions": [{"instanceId": "<INSTANCE_ID>"}],
  "period": 300,
  "condition": {"comparison": ">", "threshold": "85", "evaluationCount": 3},
  "labels": {"severity": "critical", "team": "ops"},
  "annotations": {"summary": "ECS <INSTANCE_ID> CPU 过高"},
  "notifications": [{"type": "contactGroup", "target": "<CONTACT_GROUP>"},
                    {"type": "webhook", "url": "https://<WEBHOOK_HOST>/alert"}],
  "status": "enabled"
}

# 云监控 2.0 CLI 子命令已验证存在；--body 字段结构以阿里云官方文档为准
aliyun cms2 alert rule create --body @alert-rule.json
aliyun cms2 alert rule list --body '{}'          # 以各云官方文档为准

⚠️ 上面 JSON 是结构示意，字段名与必填项三家各异且随版本变化；生产请先用控制台创建一条规则，再用 ... rule get / ... rule list 导出真实 JSON 作为模板（以各云官方文档为准）。

4.3 腾讯云告警策略关键配置（控制台字段）

字段	取值示例
监控类型 / 策略类型	云产品监控 / 云服务器 CVM
告警对象	实例 ID、实例分组、标签、全部对象
触发条件	`CPU 利用率 > 80%`，统计粒度 5 分钟，持续 2 个周期
告警频率	不重复 / 5 分钟 / 10 分钟 / 周期指数递增
告警通知	通知模板（≤3 个），含短信、邮件、微信、Webhook 回调
高级配置	弹性伸缩（部分云产品支持）

5. 核心使用方法

5.1 阿里云 CMS CLI（查询指标 / 告警规则）

aliyun configure                                                          # 1 配置凭据
aliyun cms describe-metric-meta-list --namespace acs_ecs_dashboard --page-size 100 --page-number 1  # 2 枚举可用指标
aliyun cms describe-metric-list --namespace acs_ecs_dashboard --metric-name cpu_idle --period 60 \
  --start-time "<START>" --end-time "<END>" --dimensions '[{"instanceId":"<INSTANCE_ID>"}]'        # 3 查询历史指标
aliyun cms describe-metric-last --namespace acs_ecs_dashboard --metric-name cpu_idle \
  --dimensions '[{"instanceId":"<INSTANCE_ID>"}]'                            # 4 查询最新值
aliyun cms describe-metric-list ... | jq -r '.Datapoints' | jq -c '{max:(map(.Maximum)|max)}'       # 5 二次解析并聚合
aliyun cms2 alert rule create --body @alert-rule.json                       # 6 创建告警规则（2.0）
aliyun cms2 alert rule list --body '{}'                                     # 7 列出规则
aliyun cms2 alert rule get --body '{"id":"<RULE_ID>"}'                      # 8 查询单条规则
aliyun cms2 alert rule patch --body '{"id":"<RULE_ID>","status":"disabled"}' # 9 增量改规则
aliyun cms2 alert rule enable --body '{"ids":["<RULE_ID>"]}'                # 10 批量启用
aliyun cms2 alert rule delete --body '{"id":"<RULE_ID>"}'                   # 11 ⚠️ 删除规则
aliyun cms2 alert history list --body '{}'                                  # 12 查询告警历史
# 说明：DescribeMetricList 免费额度 100 万次/月（含 Last/List/Data/Top），限流 50 次/秒；以官方 API 文档为准

5.2 腾讯云 CLI（查询指标 / 告警规则，通用形式）

tccli configure                                                            # 13 配置凭据
tccli monitor DescribeBaseMetrics --Namespace QCE/CVM                         # 14 查询可用指标（以腾讯云官方文档为准）
tccli monitor GetMonitorData --Namespace QCE/CVM --MetricName CPUUsage \
  --Period 300 --StartTime "<START>" --EndTime "<END>" \
  --Instances.N.Dimensions.0.Name instanceid --Instances.N.Dimensions.0.Value "<INSTANCE_ID>"  # 15 查询指标（参数以官方文档为准）
tccli monitor DescribeAlarmPolicies                                          # 16 列出告警策略（通用形式）
tccli monitor CreateAlarmPolicy --PolicyName "cvm-cpu-high" --MonitorType "MT_QCE" \
  --Namespace QCE/CVM --MetricName CPUUsage --Conditions '<CONDITION_JSON>' \
  --NoticeIds '["<NOTICE_ID>"]'                                              # 17 创建告警策略（字段以官方文档为准）
tccli monitor DescribeAlarmHistories --StartTime "<START>" --EndTime "<END>" # 18 查询告警历史（通用形式）
# ⚠️ 以上 tccli 子命令与参数名为通用示意，实际名称、必填项与 JSON 结构以腾讯云可观测平台官方 API/CLI 文档为准

5.3 华为云 CES CLI（查询指标 / 告警规则）

hcloud CES ListAlarms/v1                                                     # 19 列出告警规则（已验证）
hcloud CES ShowAlarm/v1 --alarm_id "<ALARM_ID>"                              # 20 查询单条告警规则（参数以官方文档为准）
hcloud CES CreateAlarm/v1 --body @ces-alarm.json                             # 21 创建告警规则（已验证子命令，body 字段以官方文档为准）
hcloud CES UpdateAlarm/v1 --alarm_id "<ALARM_ID>" --body @ces-alarm.json     # 22 修改告警规则
hcloud CES UpdateAlarmAction/v1 --alarm_id "<ALARM_ID>" --action_enabled true # 23 启停告警规则
hcloud CES DeleteAlarm/v1 --alarm_id "<ALARM_ID>"                            # 24 ⚠️ 删除告警规则
hcloud CES ListAlarmHistories/v1                                             # 25 查询告警历史（已验证）
hcloud CES ListAlarmTemplates/v1 ; hcloud CES CreateAlarmTemplate/v1 --body @tpl.json  # 26 告警模板
hcloud CES CreateEvents/v1 --body @event.json ; hcloud CES ListEvents/v1     # 27 上报/查询自定义事件（已验证）
hcloud CES ShowMetricData/v1 --namespace "<NS>" --metric_name "<METRIC>" --dim "<DIM>" --period 300 --from "<START>" --to "<END>"  # 28 指标查询（通用形式，以华为云 CES CLI 官方文档为准）

5.4 控制台与 API 等效操作

操作	控制台入口	API / CLI 等效
看指标曲线	云监控 → 资源监控 / 监控大盘	`DescribeMetricList` / `GetMonitorData` / CES 指标 API
枚举指标	指标说明页	`DescribeMetricMetaList` / `DescribeBaseMetrics` / CES 指标列表
建告警	报警规则 / 新建策略 / 创建告警规则	`cms2 alert rule create` / `CreateAlarmPolicy` / `CreateAlarm/v1`
看告警	报警历史 / 告警历史	`alert history list` / `DescribeAlarmHistories` / `ListAlarmHistories/v1`
通知人	联系人组 / 通知模板 / SMN 主题	各云通知对象管理 API
回调	报警回调 / 告警回调 / 函数回调	HTTP Webhook / 云函数（FC / SCF / FunctionGraph）
自定义数据	自定义监控 / 自定义指标	各云自定义指标上报 API（以官方文档为准）

6. 告警与通知

触发条件：三家均由「指标 + 比较关系 + 阈值 + 统计粒度 + 持续周期」组成，例如「CPU 利用率 > 80%，5 分钟粒度，连续 2 个周期」；持续周期用于抑制瞬时抖动。
通知渠道：邮件、短信、电话（⚠️ 常按条计费）、企业微信 / 钉钉 / Slack（多经 Webhook 或机器人）、各云消息通知服务主题。
回调 / 自动化：阿里云报警回调 + 函数计算 FC；腾讯云告警回调 + 云函数 SCF + 弹性伸缩；华为云 SMN + 函数工作流 FunctionGraph + HTTP 回调。统一做法是把回调指向企业内部 On-call / 告警收敛平台。

{
  "policyName": "rds-connections-high",
  "monitorType": "云产品监控",
  "namespace": "QCE/CDB",
  "metricName": "ThreadsConnected",
  "condition": {"operator": ">", "threshold": 200, "period": 300, "continuePeriod": 2},
  "objects": [{"instanceId": "<RDS_INSTANCE_ID>"}],
  "notifications": [{"type": "email", "to": "<MAIL_TO>"},
                    {"type": "dingtalk_webhook", "url": "https://oapi.dingtalk.com/robot/send?access_token=<TOKEN>"},
                    {"type": "webhook", "url": "https://<WEBHOOK_HOST>/alert"}],
  "repeatPolicy": "exponential",
  "callback": {"type": "scf", "function": "<FUNCTION_NAME>"}
}

⚠️ 上述为跨云通用示意 JSON，非任一家的真实请求体；请用控制台导出或官方 API 文档取真实字段（以各云官方文档为准）。

静默 / 升级 / 降噪：用「生效时段 / 维护窗口 / 告警屏蔽」做静默；按严重级别建多条规则（warning→critical）配不同通知渠道实现升级；用持续周期、重复通知频率（腾讯云支持「周期指数递增」）、告警合并 / 分组、标签绑定对象自动跟随资源增减来降噪。

7. 实战场景

场景 A：给云上 ECS / CVM / ECS 配 CPU 告警（必做）

目标：为主机实例创建 CPU 高告警，通知到钉钉群与邮件。

# 1) 建通知对象：阿里云联系人组 / 腾讯云通知模板 / 华为云 SMN 主题（控制台先行）
# 2) 确认指标存在（阿里云示例）
aliyun cms describe-metric-meta-list --namespace acs_ecs_dashboard --page-size 100 --page-number 1 | jq
# 3) 创建规则（三家分别用 §5.1 / §5.2 / §5.3 的创建命令，规则内容用 §4.2 的 JSON 结构）
aliyun cms2 alert rule create --body @ecs-cpu-rule.json
# 腾讯云：tccli monitor CreateAlarmPolicy ...（以腾讯云官方文档为准）
# 华为云：hcloud CES CreateAlarm/v1 --body @ecs-cpu-rule.json（字段以华为云官方文档为准）

验证：aliyun cms2 alert rule list --body '{}' / hcloud CES ListAlarms/v1 出现新规则；控制台告警策略列表可见；用 stress --cpu 4 --timeout 600 压测后收到钉钉与邮件。回滚：aliyun cms2 alert rule delete --body '{"id":"<RULE_ID>"}' / hcloud CES DeleteAlarm/v1 --alarm_id "<ALARM_ID>"（⚠️ 先导出规则 JSON 备份）。

场景 B：给云上 RDS 配连接数告警 + 回调自动扩容

目标：RDS 连接数超阈值时告警并触发云函数/弹性伸缩。

# 1) 枚举该云产品命名空间与指标（以各云官方文档为准）
aliyun cms describe-metric-meta-list --namespace <RDS_NAMESPACE> --page-size 100 --page-number 1
# 2) 用 §4.2 / §6 的结构建规则：指标 ThreadsConnected、阈值 200、统计粒度 300s、持续 2 周期
# 3) 在通知里挂 Webhook 指向内部 On-call，并挂云函数回调（FC / SCF / FunctionGraph）
# 4) 验证：查指标曲线与告警历史
aliyun cms2 alert history list --body '{}'

验证：控制台出现告警记录；回调 Webhook 收到 POST 载荷；云函数日志有调用记录。回滚：删除规则并停用回调；⚠️ 如回调会触发扩缩容，务必先在预发验证，避免误扩容产生费用。

场景 C：跨云指标统一查看与告警收敛

目标：把三家云告警统一送到企业 On-call 平台，避免多套通知。

# 1) 各云通知对象里配置同一个 HTTPS 回调（企业内部网关），载荷含 云/地域/实例/指标/严重级别
# 2) 网关侧做去重、分级、静默与升级（示例：用 curl 自测回调可达）
curl -s -X POST https://<WEBHOOK_HOST>/alert -H 'Content-Type: application/json' \
  -d '{"cloud":"<CLOUD>","region":"<REGION>","instance":"<INSTANCE_ID>","metric":"CPUUtilization","severity":"critical"}'
# 3) 需要统一查询时，用各云 CLI 分别拉取指标后落到本地 Prometheus / 时序库（以各云官方文档为准）

验证：On-call 平台收到三家告警且分级正确。回滚：把通知模板改回各云自带邮件/短信渠道；⚠️ 回调地址变更需同步更新全部告警规则。

8. 日常运维与故障排查

8.1 服务管理、日志与健康检查

# 云托管无本地服务可管；排查对象是「数据是否上报」「规则是否存在」「通知是否送达」
aliyun cms2 alert rule list --body '{}' ; tccli monitor DescribeAlarmPolicies ; hcloud CES ListAlarms/v1
aliyun cms2 alert history list --body '{}' ; hcloud CES ListAlarmHistories/v1
# 回调侧日志：云函数 FC / SCF / FunctionGraph 的调用日志与 HTTP 网关访问日志
# CLI 自身日志：各云 CLI 的 --debug / 日志路径以各云官方文档为准

健康检查：控制台能查到实例最新数据点、规则状态为「已启用」、通知模板/联系人组有效、回调 URL 可达。

8.2 故障「现象 → 原因 → 处置」表

现象	原因	处置
控制台无指标曲线	实例刚创建 / 未安装云监控 Agent（OS 级指标）/ Region 选错	等待采集周期、装插件、切到实例所在地域
`DescribeMetricList` 返回空	`Dimensions` 的 key 写错（如 `instanceId` 大小写）	用 `DescribeMetricMetaList` 查真实维度键
CLI 报权限不足	子账号未授 CMS / Monitor / CES 只读策略	在 RAM / CAM / IAM 补授权（见 §10）
告警不触发	统计粒度与指标实际 Period 不匹配 / 持续周期过长 / 规则被停用	对齐 Period，缩短持续周期，检查规则启用状态
告警触发但没通知	联系人组为空 / 通知模板未绑定 / 短信额度耗尽	检查通知对象绑定与消息通知服务配额
告警风暴	阈值过低、无持续周期、实例批量异常	加持续周期、按标签分组、设重复通知频率与静默
回调 4xx/5xx	URL 变更 / 签名校验失败 / 云函数超时	查云函数日志与网关日志，重签与调超时
历史查不到	超出指标保留期（与 Period 相关，见 §11）	用更大 Period 重查，或提前转储到自建存储

9. 性能、容量与高可用

维度	建议
数据粒度	阿里云 Period<60s 保留 7 天、60s 保留 31 天、≥300s 保留 91 天；腾讯云支持 5/60/300/3600/86400 秒；华为云粒度与保留以官方文档为准
查询配额	阿里云 DescribeMetricList/Last/Data/Top 合计 100 万次/月免费、50 次/秒限流（以官方为准）；批量查询用分页与聚合，避免高频轮询
告警对象规模	用实例组 / 标签 / 应用分组绑定，避免逐实例建规则；资源增减自动跟随
长期存储	云监控保留期有限，长期趋势用「数据转储 / 托管 Prometheus / 自建 TSDB」定期拉取归档
高可用	云监控为平台托管，无需自建 HA；但通知链路（短信网关、Webhook、云函数）需自身冗余
成本	基础监控多免费；超额 API 调用、自定义指标、短信/电话、日志服务与转储按量计费，用账单与配额告警控费

10. 安全加固、备份与升级

RAM / CAM / IAM 子账号：按最小权限分离「指标只读」「告警规则管理」「通知对象管理」三类策略；主账号 AccessKey 不用于日常运维，全部走子账号。
密钥轮换：使用各云凭据管理 / KMS 托管密钥，定期轮换；禁用长期不用的 AccessKey；审计 ActionTrail / 云审计 / 云审计 CTS 中的 CLI 调用。
回调安全：Webhook 用 HTTPS + 签名/令牌校验，云函数限制来源与并发；⚠️ 回调里的实例与业务信息避免写入公开日志。
TLS / 网络：CLI / API 强制 HTTPS；内网用 VPC Endpoint（以各云官方文档为准）；凭证不写入镜像、脚本或 Git。
配置即代码：告警规则 JSON、通知模板、Terraform / ROS / 资源编排模板入库；用各云 CLI 的 list/get 定期导出备份（GitOps）。
升级顺序：先在测试地域/测试实例建规则 → 验证通知与回调 → 灰度到生产 → 失败用 delete / 停用回滚；云监控为托管服务，无本地组件升级，但要跟进 API 版本与 CLI 版本变更（以各云官方文档为准）。

11. 常见坑

#	现象	原因	解决
1	指标保留期不够查历史	粒度越小保留越短（阿里云 <60s 仅 7 天、60s 31 天、≥300s 91 天）	按需要选 Period，长期数据提前转储
2	告警比预期晚几分钟	云产品采集与聚合有延迟，且统计粒度 5 分钟时天然滞后	按粒度设合理持续周期，别用秒级预期评估分钟级监控
3	API 调用超额被限流	阿里云 100 万次/月免费、50 次/秒 QPS（以官方为准）	聚合查询、缓存结果、分页拉取，开通按量计费
4	账单出现意外费用	⚠️ 短信/电话通知、自定义指标、API 超额、日志与数据转储按量计费	查计费明细，设预算与配额告警，关掉不用的电话通知
5	`Dimensions` 维度键不匹配	三家键名与大小写不同（`instanceId` / `instanceid` / `instance_id`）	用元数据接口查真实维度键
6	跨地域查不到数据	指标与规则按 Region 隔离	逐地域查询，注意「中国香港」等地域表述
7	子账号建规则报无权限	只有读权限或缺少通知对象管理权限	RAM / CAM / IAM 补写策略与通知服务授权
8	误扩容/误回调产生费用	⚠️ 回调直连弹性伸缩或计费资源且未设上限	预发验证、加并发与金额上限、先告警后自动动作
9	资源重建后规则失效	规则绑定旧实例 ID，新实例未纳入	改用实例组 / 标签 / 全部对象绑定
10	通知模板超过上限	腾讯云每个告警策略最多绑 3 个通知模板	合并通知渠道或用回调统一分发
11	删规则后无法追溯	⚠️ 删除不可逆且告警历史随保留期消失	删前 `get/list` 导出 JSON，历史定期归档
12	混淆平台事件与指标告警	宕机迁移、欠费等属事件监控，不在指标曲线里	单独配事件告警规则

12. 速查表

项	阿里云 CMS	腾讯云可观测平台	华为云 CES
CLI 工具	`aliyun cms` / `aliyun cms2`	`tccli monitor`	`hcloud CES`
凭据	AccessKey ID/Secret（RAM）	SecretId/SecretKey（CAM）	AK/SK（IAM）
命名空间示例	`acs_ecs_dashboard`	`QCE/CVM`、`QCE/REDIS_MEM`	服务维度（以官方文档为准）
查询指标 API	`DescribeMetricList` / `DescribeMetricLast`	`GetMonitorData` / `DescribeBaseMetrics`	CES 指标 API（以官方文档为准）
查询指标 CLI	`aliyun cms describe-metric-list`	`tccli monitor GetMonitorData`（通用形式）	`hcloud CES ShowMetricData/v1`（通用形式）
建告警	`aliyun cms2 alert rule create`	`CreateAlarmPolicy`（通用形式）	`hcloud CES CreateAlarm/v1`
列告警	`aliyun cms2 alert rule list`	`DescribeAlarmPolicies`（通用形式）	`hcloud CES ListAlarms/v1`
告警历史	`aliyun cms2 alert history list`	`DescribeAlarmHistories`（通用形式）	`hcloud CES ListAlarmHistories/v1`
事件监控	系统事件监控	事件告警	`hcloud CES CreateEvents/v1` / `ListEvents/v1`
通知对象	报警联系人组 / 报警回调	通知模板（≤3 个）	SMN 主题 / FunctionGraph
权限体系	RAM	CAM	IAM
控制台入口	控制台 → 云监控	控制台 → 可观测平台	控制台 → 云监控服务 CES
免费额度	指标查询 100 万次/月（以官方为准）	基础监控免费（以官方为准）	基础监控免费（以官方为准）
计费项	API 超额 / 自定义指标 / 短信电话	短信电话 / 自定义监控 / 回调	短信电话 / 自定义指标 / 转储
地域	按 Region，含中国香港等地域	按 Region，含中国香港等地域	按 Region，含中国香港等地域

13. 选型建议与同类对比

维度	自建（Prometheus + Grafana）	商业 SaaS（如 Datadog）	云厂商监控
部署运维	自管采集、存储、升级、扩容	免运维，装 Agent 即可	免管控制面，云产品零采集成本
云产品指标	拿不到平台内部指标，需各云 exporter	靠云集成同步，可能有延迟	原生、最全、最及时
成本模型	算力 + 存储 + 人力	按主机/日志/指标/APM 多维计费	基础免费，高级与通知按量，通常最低
数据主权	完全自控	⚠️ 数据出境到 SaaS，需评估合规	数据在云账号同地域，合规最易
定制能力	最高（PromQL + 任意 exporter）	中（受平台约束）	中低（受托管与保留期限制）
跨云/长期存储	需自建聚合层	原生全局视图最强	各云割裂，需自行汇总归档
信创/国产化	可控，易适配国产发行版	需确认境内节点与合规资质	三家均有政务云 / 信创形态

选云监控：业务集中在单朵云、需要云产品指标与事件告警、希望零运维且与弹性伸缩/账单联动、合规要求数据留在云账号内。不选：跨多云需要统一视图与长期自定义分析、需要深度 APM/日志关联、指标粒度与保留期不满足（此时用托管 Prometheus 或自建栈补充）。推荐组合：云产品基础告警与事件用云监控，应用指标用自建 Prometheus，二者告警经统一 Webhook 收敛到 On-call；长期趋势用数据转储归档。

14. 参考链接

阿里云云监控 2.0 告警规则管理：https://help.aliyun.com/zh/cms/cloudmonitor-2-0/developer-reference/alert-rule-management
阿里云 DescribeMetricList API：https://api.alibabacloud.com/document/Cms/2019-01-01/DescribeMetricList
腾讯云 API 拉取监控数据：https://www.tencentcloud.com/document/product/248/39917
腾讯云配置告警策略：https://intl.cloud.tencent.com/zh/document/product/1245/65410
腾讯云查看监控数据（Redis 示例）：https://cloud.tencent.com.cn/document/product/400/7080
华为云 CES CLI 命令参考：https://support.huaweicloud.com/intl/zh-cn/clir-ces/CES-cli_v1.html
各云控制台、CLI 与计费文档入口：以各云官方帮助中心为准