> ## Documentation Index
> Fetch the complete documentation index at: https://doc.lwops.cn/llms.txt
> Use this file to discover all available pages before exploring further.

# 探测实践（多网点行业）

<Tip>
  操作手册：[探测](https://doc.lwops.cn/probe)
</Tip>

**核心结论：** 探测补齐了无代理、无 SNMP 对象的监控盲区，离线、页面异常、端口不通在用户报障前即可分钟级发现，并能直接区分单点故障与线路故障。

## 1.适用场景

适用于交通、金融、政府、集团企业等大量无人值守网点 / 站点、业务入口分散的客户。该环境下多数目标无法部署 Agent、未开启 SNMP，无法采集指标，需平台主动探测判断可用性。

| 环境特征 | 典型表现 | 功能如何解决 |
| - | - | - |
| 网点 / 终端数量多且无人值守 | 断网只能靠用户报障，且分不清单点故障还是线路故障 | 批量导入 Ping 探测，离线分钟级告警 |
| 业务访问入口分散 | 能 ping 通但页面打不开，故障感知不到 | WEB 探测做状态码 + 关键字校验 |
| 关键服务依赖端口可用 | 进程僵死时系统指标正常，要等应用报错才发现 | TCP 端口探测，端口不通先于业务报错告警 |
| 域名访问依赖 DNS 解析 | DNS 故障时域名业务同时异常，易误判为应用故障 | 结合 WEB 探测区分接入侧与应用侧问题 |
| 被测端没条件装代理、开 SNMP | 专线对端、外单位设备采不到任何指标 | 平台侧主动发起，被测端无需改造 |

## 2.为什么要建设探测

<Danger>
  痛点：监控大屏全绿，业务已经断了
</Danger>

某网点交付时设备装不了代理、开不了 SNMP，只能登记为待纳管，此后再没有任何手段掌握它的运行状态。三个月后该网点断网，值班人员在监控大屏上找不到这个网点的任何指标——它从来没有被纳管过，距离断网已过去半个多小时。

这种环境的通病是：

* **纳管不上：** 装不了代理、开不了 SNMP 的对象只能登记待纳管，上百个网点逐个手工新建不现实。
* **发现太晚：** 断网无人知晓，等用户报障时已滞后半个多小时；人工 ping 无法持续，判断不了单点故障还是线路故障。
* **分不清障：** ICMP 通、专线对端设备正常，业务链路已断，故障影响面无法界定。
* **页面无感：** 服务器指标正常，页面已打不开或返回错误页，只能由用户先发现。

<Warning>
  探测由平台侧主动发起，被测端无需装代理、开 SNMP，盲区对象同样纳入监控，离线、页面异常、端口不通在用户报障前即可分钟级发现。
</Warning>

## 3.探测最佳实践

**核心设计思路：** 先按「能不能装代理、要不要页面级判断」确定用哪类探测，再按网段或业务归入分组，让建完的对象在列表里可查可管。

### 3.1 探测类型选型

<Note>
  选型依据是「这个对象能观测到什么」，与设备类型无关。多网点环境中用得最多的是 Ping、WEB、TCP 三类。
</Note>

| 探测类型 | 适用对象 | 关键配置（项目实际值） | 设计说明 |
| - | - | - | - |
| Ping 探测 | 网点 / 终端 IP、专线对端 | 探测周期 1 分钟；连续 3 次不通判定离线；丢包率 > 20% 告警 | 无人值守网点没有代理和 SNMP，Ping 是最轻量的存活判断；连续多次判定可避免专线抖动造成误报 |
| WEB 探测 | 业务系统首页或健康检查页 | 状态码 200、字符串（页面关键字）；周期 1 分钟；响应时间阈值 1000 ms | 状态码 200 不代表页面正常（可能返回错误提示页），配置字符串做关键字校验才准确；响应时间趋势可提前发现系统变慢 |
| TCP 探测 | 数据库（1521 / 3306）、中间件（7001 / 8080）关键端口 | 更新间隔 1 分钟；尝试次数 2；端口不通即告警 | 进程僵死时操作系统层面可能无异常，但端口已不可连；端口探测是最快的第一层判断 |

### 3.2 探测命名与分组规划

一批对象建完探测后会全部平铺在列表里，数量一多就没法查、没法管。名称和分组要在建探测时一起设计——名称解决「列表里哪一条是哪台」，分组解决「这批归谁」。

<Check>
  分组按业务系统建。各类探测回答的问题不同：Ping 类回答「哪一片网络断了」，WEB / TCP 类回答「哪个业务出了问题」。
</Check>

| 探测类型 | 分组依据 | 分组示例 |
| - | - | - |
| Ping | 按物理网段 | 城东网点、城西网点、专线对端 |
| WEB | 按业务系统 | 票务系统、网银系统、政务门户 |
| TCP | 按业务系统 | 票务系统、网银系统、中间件集群 |

**命名规划：以 TCP 探测为例**

TCP 探测的对象是承载业务服务的端口，名称和分组要一起设计——名称解决「列表里哪一条是哪台」，分组解决「这批归谁」。

名称按「业务 + 角色 + 实例」定义，三段式：

```text theme={null}
票务系统-Oracle-01
票务系统-Oracle-02
票务系统-WebLogic-01
网银系统-MySQL-01
网银系统-Redis-01
中间件集群-WebLogic-03
监控平台-PostgreSQL-01
```

WEB探测示例

<img src="https://mintcdn.com/lerwee/Bz0Fr4q3OLXK0Mt0/images/webtanceshili1014-1.png?fit=max&auto=format&n=Bz0Fr4q3OLXK0Mt0&q=85&s=b351dfb12024f3b1f929485ceefeb9d2" alt="Webtanceshili1014 1" width="1912" height="948" data-path="images/webtanceshili1014-1.png" />

Ping探测示例

<img src="https://mintcdn.com/lerwee/Bz0Fr4q3OLXK0Mt0/images/pingtanceshili1014.png?fit=max&auto=format&n=Bz0Fr4q3OLXK0Mt0&q=85&s=8e6cb4363b8287d9257f85faf7382268" alt="Pingtanceshili1014" width="1912" height="948" data-path="images/pingtanceshili1014.png" />

TCP探测示例

<img src="https://mintcdn.com/lerwee/Bz0Fr4q3OLXK0Mt0/images/tcptanceshili1014.png?fit=max&auto=format&n=Bz0Fr4q3OLXK0Mt0&q=85&s=b479ec7a0599f1a4f67e58ed492db95b" alt="Tcptanceshili1014" width="1912" height="948" data-path="images/tcptanceshili1014.png" />

### 3.3 问题与处理方式

| 关键取舍 | 现场表现 | 处理方式 |
| - | - | - |
| 探测发起端到被测网段不通 | 一整组对象同时「离线」 | 支持指定探测发起端，就近选择；整组同时告警时优先排查探测链路而非业务链路 |
| 阈值太敏感误报多 | 跨省专线质量差、抖动大，按默认阈值天天告警 | 按链路质量分组设置阈值，质量差的链路单独放宽 |
| 对象太多手工建不过来 | 上百个端口对象逐个新建不现实 | 用 Excel 模板批量导入，导入前先把名称和分组填齐 |
| 网站有登录跳转 | 首页 302 跳转到登录页，关键字校验失败误报 | 开启允许重定向，或直接把登录页 URL 作为探测地址 |

## 4.典型应用场景

### 场景一：批量 IP 存活监测与离线告警

**问题：** 客户约 150 个网点 IP 需监测，网点无人值守，断网只能靠用户报障，发现严重滞后；人工 ping 无法持续，也无法区分单点故障还是线路批量故障。

**解决：** 在【探测】模块中选择 Ping 探测，按网段分组后用 Excel 模板批量导入，探测周期 1 分钟；离线、丢包、时延异常自动告警并推送值班群。

**效果：** 150 个 IP 一屏总览，离线分钟级发现，无需用户报障；月均主动发现网点离线 20 余次，且能快速区分单点故障与线路批量故障。

<img src="https://mintcdn.com/lerwee/Bz0Fr4q3OLXK0Mt0/images/changj11014.png?fit=max&auto=format&n=Bz0Fr4q3OLXK0Mt0&q=85&s=6fdc917d7d380a133d994bd8cb37e374" alt="Changj11014" width="2864" height="1536" data-path="images/changj11014.png" />

<img src="https://mintcdn.com/lerwee/Bz0Fr4q3OLXK0Mt0/images/changj21014.png?fit=max&auto=format&n=Bz0Fr4q3OLXK0Mt0&q=85&s=1468ed21c142fb8fd48c11a63b3ed1d7" alt="Changj21014" width="2864" height="1536" data-path="images/changj21014.png" />

### 场景二：业务系统 WEB 可用性监测

**问题：** 客户 20 个业务系统，「能 ping 通但页面打不开、返回错误页」的故障监控感知不到，全靠用户反馈才知道。

**解决：** 在【探测】模块中选择 WEB 探测，对每个系统的首页或健康检查页配置探测：状态码校验 200、字符串做页面关键字校验，周期 1 分钟。

**效果：** 页面级故障分钟级发现，无需用户反馈；响应时间趋势可提前发现系统变慢，在业务高峰前完成处置；业务系统的月度可用率统计可稳定在 99.9% 以上。

<img src="https://mintcdn.com/lerwee/Bz0Fr4q3OLXK0Mt0/images/changj22221014.png?fit=max&auto=format&n=Bz0Fr4q3OLXK0Mt0&q=85&s=67b893d5e8998c62809f5730e48fae65" alt="Changj22221014" width="2864" height="1536" data-path="images/changj22221014.png" />

<img src="https://mintcdn.com/lerwee/Bz0Fr4q3OLXK0Mt0/images/changj22211014.png?fit=max&auto=format&n=Bz0Fr4q3OLXK0Mt0&q=85&s=13aea55f84da1c49b5ecdef8d42cd3b3" alt="Changj22211014" width="2864" height="1536" data-path="images/changj22211014.png" />

### 场景三：关键服务端口（TCP）探测

**问题：** 数据库、中间件等核心服务进程僵死时，操作系统指标都正常，但端口已不可连，要等应用报错才发现，故障影响面已经扩大。

**解决：** 在【探测】模块中选择 TCP 端口探测，对 30 个关键服务端口（Oracle 1521、WebLogic 7001、Redis 6379、MySQL 3306 等）配置探测，端口不通即告警。

**效果：** 端口不通分钟级告警，多次在业务报错前提前介入处理；端口探测列表也成为日常巡检的第一入口。

<img src="https://mintcdn.com/lerwee/Bz0Fr4q3OLXK0Mt0/images/changj3331014.png?fit=max&auto=format&n=Bz0Fr4q3OLXK0Mt0&q=85&s=52905685f841dcd12c408f28fdeb57ec" alt="Changj3331014" width="2864" height="1536" data-path="images/changj3331014.png" />

<img src="https://mintcdn.com/lerwee/Bz0Fr4q3OLXK0Mt0/images/changj333111014.png?fit=max&auto=format&n=Bz0Fr4q3OLXK0Mt0&q=85&s=ff182b66a6067aa5997ec3bebdc0644e" alt="Changj333111014" width="2864" height="1536" data-path="images/changj333111014.png" />


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.