第30章：系统监控与维护

运维 (Operations) 是物联网项目生命周期中最长的一环。

30.1 设备健康度模型

不要只看“在线/离线”，要量化设备的健康状况。

• 指标维度：
  • 信号质量：RSSI < -90dBm 为“差”。
  • 掉线频率：每天掉线 > 5次 为“不稳定”。
  • 电池电压：< 3.5V 为“低电量”。
  • 重启原因：看门狗复位、Brownout（欠压）复位。
• 评分系统：综合上述指标，给每台设备打分（0-100）。低于 60 分的列入“重点观察名单”。

30.2 远程日志 (Remote Logging)

设备出问题时，如果还要派人去现场插串口线看日志，成本就太高了。

• 日志分级：ERROR, WARN, INFO, DEBUG。默认只上传 ERROR 级别。
• 动态调整：云端下发指令，临时开启某台设备的 DEBUG 级别日志上传，定位问题后再关闭。
• 存储：日志通常是非结构化文本，适合存入 Elasticsearch (ELK Stack) 或 Loki。

30.3 远程调试 (Remote Debugging)

• 远程 SSH/Shell：
  • 对于 Linux 网关，可以通过反向隧道（如 FRP, Ngrok）建立 SSH 连接。
  • 安全警告：必须严格鉴权！
• 云端诊断命令：
  • 利用 MQTT 下发诊断指令（如 ping www.baidu.com, get_memory_usage），设备执行后返回结果。

30.4 巡检与 SLA

• 自动化巡检：每天凌晨跑脚本，统计全网设备在线率、数据完整率。
• **SLA (服务等级协议)**：对客户承诺的可用性（如 99.9%）。
  • 计算公式：可用性 = (总时间 - 故障时间) / 总时间。

即使有监控，故障依然会发生。下一章我们将总结常见的故障排查经验。