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 "[e-mail]" -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 '[e-mail]' -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 "[e-mail]" -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 $service -ErrorAction SilentlyContinue
      Send-MailMessage -To "[e-mail]" -Subject "服务异常" -Body "$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 "[e-mail]" -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。