如何用开发工具实现网络链路故障告警

在做后台服务开发时，经常会遇到用户反馈“系统连不上”“加载特别慢”。查来查去，最后发现不是代码问题，而是中间的网络链路断了。这时候，如果能提前收到一条告警，比如微信消息或者邮件提醒“从北京到上海的专线延迟超过500ms”，排查效率会高很多。

为什么需要自己搭链路告警

很多公司用Zabbix、Prometheus这类监控工具，但它们更关注服务器CPU、内存这些指标。网络链路的问题，比如跨机房延迟、丢包、路由跳变，往往被忽略。而开发人员手里的工具其实很灵活，用几行脚本加个定时任务，就能补上这块短板。

用ping和traceroute做基础探测

最简单的办法是定期ping关键节点。比如你有个数据库在杭州机房，应用部署在北京，那就可以每天从北京的服务器发包到杭州的IP。

ping -c 4 -W 1 192.168.10.20

如果丢包率超过20%或平均延迟超过300ms，就触发告警。再进阶一点，用traceroute看是哪一跳开始出问题的。

traceroute -n 192.168.10.20

输出结果里每一行代表一个路由节点，通过分析延迟突增的那几跳，可以快速定位是运营商线路还是中间云服务商的问题。

写个Python脚本自动检测

手动执行命令太原始，写个Python脚本跑定时任务更省心。可以用subprocess调用系统命令，解析输出结果。

import subprocess
import re


def check_ping(host):
    result = subprocess.run(
        ["ping", "-c", "4", "-W", "1", host],
        capture_output=True, text=True
    )
    if result.returncode != 0:
        return None
    
>    match = re.search(r"rtt min/avg/max/mdev = ([\d\.]+)/([\d\.]+)/([\d\.]+)/", result.stdout)
    if match:
        avg = float(match.group(2))
        return avg
    return None

脚本跑起来后，结合crontab每5分钟执行一次。一旦延迟超标，就调用企业微信或钉钉的机器人接口发消息。

curl -H \"Content-Type: application/json\" \
-d '{"msgtype": "text", "text": {"content": "链路告警：到杭州数据库延迟过高！"}}' \
https://oapi.dingtalk.com/robot/send?access_token=xxx'

加入多点探测避免误报

单点探测容易误报。比如本地网卡抖动一下，就以为链路断了。可以在多个地区部署探测节点，比如腾讯云上海、阿里云深圳、自建机房北京，三地同时测同一个目标。只有两个以上节点异常才发告警，准确率提升明显。

用Elasticsearch存历史数据方便回溯

光告警不够，还得能查历史。把每次ping的结果存进Elasticsearch，字段包括时间、源节点、目标、延迟、丢包率。等下次出问题时，直接查过去24小时的波动曲线，对比变更时间点，很容易看出是不是最近上线改了网络配置导致的。

这种轻量级链路监控，不需要复杂的架构，适合中小团队快速落地。开发过程中用惯的那些工具——shell、Python、cron、ELK，组合起来就是一套实用的网络健康看板。