2. vSphere监控数据源与指标模型

要做好 vSphere 的监控告警与容量运营，第一步不是打开某个仪表盘，而是先弄清楚“数据从哪里来、以什么形式存在、彼此如何关联”。vSphere 的监控数据并不是单一来源，而是由 vCenter、ESXi 主机、虚拟机、集群、数据存储、网络等多个对象层共同产生，并分别以性能计数器、事件、任务和告警定义四种形态存在。理解这四类数据源与对象模型的对应关系，才能判断某个指标该去哪里取、某个异常该由谁上报、某个容量趋势该按什么粒度聚合。

四类监控数据源的定位

性能计数器（Performance Counters）是数值型的时间序列数据，回答“现在有多快、多满、多忙”。它由 ESXi 主机上的性能采集子系统周期性采样，vCenter 通过统计接口按对象、指标、实例、采样间隔四个维度读取。典型计数器如 cpu.usage.average、mem.consumed.average、disk.deviceReadLatency.average、net.received.average、datastore.space.used。计数器是容量趋势分析和阈值告警的主要依据。

事件（Events）是离散的、带时间戳的状态变化记录，回答“发生了什么”。例如虚拟机开机、迁移完成、主机进入维护模式、数据存储空间不足、HA 重启触发。事件由各对象产生并汇总到 vCenter，是排障时间线和审计追溯的核心素材。

任务（Tasks）是用户或系统发起的、有明确开始与结束状态的操作记录，回答“谁在做什么、做到哪一步”。克隆、迁移、快照创建、模板部署都会生成任务，任务带有进度、状态（运行中/成功/失败）和发起者，是判断操作是否卡住的关键。

告警定义（Alarm Definitions）是规则本身，回答“什么条件下应该通知谁”。一条告警定义由监控对象类型、触发条件（基于计数器、事件或状态）、触发/恢复阈值、严重级别和动作（发邮件、执行脚本、进入维护模式等）组成。告警不是数据，而是对前三类数据的判断逻辑。

对象模型决定指标的聚合方式

vSphere 的监控对象是分层的：vCenter 管理多个数据中心，数据中心下是集群与主机，主机上运行虚拟机，虚拟机连接端口组与数据存储。同一类指标在不同对象上的含义并不相同。以 CPU 为例，主机上的 cpu.usage.average 反映物理 CPU 的总体占用，虚拟机上的同名指标反映该虚拟机消耗的 CPU 时间，而集群层面则通过 DRS 的聚合视图呈现整体负载均衡情况。容量运营中如果只看虚拟机指标，会漏掉主机层面的资源争用；只看主机指标，又无法定位到具体是哪台虚拟机在消耗资源。

因此，指标模型必须同时记录“对象类型 + 指标名称 + 实例 + 采样间隔”。实例（Instance）用于区分同一对象下的多个设备，例如主机上的多块网卡、多个数据存储设备、虚拟机上的多块虚拟磁盘。忽略实例维度，就会把不同物理设备的数据混在一起，导致阈值判断失真。

采样间隔与保留策略

vCenter 的性能数据按四个默认采样间隔存储：实时（20 秒，保留约 1 小时）、过去一天（5 分钟，保留 1 天）、过去一周（30 分钟，保留 1 周）、过去一月（2 小时，保留 1 个月）。间隔越长，数据点越少，但保留时间越久。做容量趋势分析时，通常使用“过去一周”或“过去一月”的聚合数据；做实时告警时，则依赖 20 秒或 5 分钟的采样。理解这一点，可以避免“为什么昨天下午的瞬时峰值在周视图里看不到了”这类困惑——长间隔数据是聚合后的结果，瞬时尖峰会被平滑。

事件、任务与告警的联动

事件和任务常常成对出现。例如一次虚拟机迁移会生成一个任务（记录进度与结果），同时产生若干事件（迁移开始、迁移完成、DRS 建议）。排障时，正确的做法是先按时间窗口筛选事件，找到异常发生点，再关联同一时间段的任务，确认是否有失败或卡住的操作。告警定义则把这种关联固化为规则：可以基于事件触发告警（如“主机失去连接”），也可以基于计数器触发告警（如“数据存储使用率超过 85% 持续 5 分钟”）。

一个常见的告警定义示例：监控对象为数据存储，触发条件为 datastore.space.used 占容量比例大于 85%，持续 5 分钟，严重级别为警告，动作为发送邮件。恢复条件为比例低于 75%。这里 85% 与 75% 之间的差值就是迟滞区间，用于避免在阈值附近反复触发和恢复。

实际取数时的关键判断

在 vCenter 中查看性能数据时，需要明确三件事：第一，当前查看的是哪个对象层级；第二，选择的采样间隔是什么；第三，指标的单位和方向。例如 disk.deviceReadLatency.average 单位是毫秒，数值越低越好；net.received.average 单位是 KBps，数值高低取决于业务预期。方向搞反，告警规则就会写错。

另外，ESXi 主机本地也保留短期性能数据，当 vCenter 不可用时，可以通过主机客户端或 esxcli 查看本地计数器，用于快速判断主机自身状态。但长期趋势和跨对象聚合仍以 vCenter 数据库为准。理解“本地短期、vCenter 长期”的分工，有助于在 vCenter 故障时选择合适的排查路径。

指标模型速查

掌握这四类数据源与对象模型的对应关系后，后续的监控设计、告警调优和容量分析才有统一的坐标系。无论是配置一条新告警，还是排查一次性能抖动，都可以先问：我要看的是计数器、事件、任务还是告警定义？它属于哪个对象层级？采样间隔和实例维度是否选对了？这三个问题回答清楚，监控数据才不会用错地方。