整理说明：本文属于“2025-2026 技术笔记整理”系列，于 2026 年 8 月集中整理并公开发布。
轻量监控先回答三个问题
小型服务器不一定需要完整的指标平台，但必须持续知道容器是否存活、资源是否接近边界、服务是否真的可用。Docker 的运行状态只能回答进程有没有退出；CPU、内存和磁盘反映压力；HTTP、数据库连接等探测才反映业务可用性。把三类信号混在一个“运行中”状态里，会漏掉卡死、只读文件系统或依赖不可达等故障。
建立低成本基线
docker stats --no-stream
docker ps --format 'table {{.Names}}\t{{.Status}}\t{{.Ports}}'
docker system df
free -h
df -h
df -i
docker stats 提供瞬时 CPU、内存、网络、块 I/O 和进程数，适合快速巡检，但不是历史记录。应在服务正常时保存一份基线，并用定时任务采样关键值；需要趋势和告警时，再增加 cAdvisor、Prometheus 或主机监控代理。对资源紧张的机器，先明确保留周期和采样间隔，避免监控本身占满磁盘。
限制失控范围
为核心服务设置合理的内存、CPU 和日志上限。限制值应依据基线留出峰值空间，过低会把短时波动变成重启循环。Docker 的 HEALTHCHECK 会标记健康状态，但普通 Docker 重启策略不会仅因 unhealthy 自动重启容器；探测结果需要由告警或编排逻辑处理。
services:
app:
mem_limit: 512m
cpus: 1.0
restart: unless-stopped
logging:
driver: json-file
options:
max-size: "10m"
max-file: "3"
故障时先留证再恢复
docker inspect -f '{{.State.Status}} {{.State.OOMKilled}} {{.State.ExitCode}}' app
docker logs --since 30m --tail 200 app
docker events --since 30m
journalctl -k --since '-30 min' | grep -Ei 'oom|killed process'
先记录时间、状态、退出码、重启次数和近期日志，再检查主机内存、负载、磁盘容量与 inode。OOMKilled=true 或内核 OOM 记录指向内存压力；退出码只能提供线索，仍需结合应用日志。磁盘满时还要检查 Docker 数据目录、容器可写层和日志，不能直接执行 docker system prune，因为未使用的镜像、网络或构建缓存可能仍有恢复价值。
- CPU 高：用
docker top定位进程，并核对主机整体负载。 - 网络异常：检查容器网络、DNS 解析、监听地址和已发布端口。
- 频繁重启：比较首次失败日志与后续连锁错误。
- 确认已保留证据后，再做单容器重启或回滚。
轻量运维的关键不是命令数量，而是固定顺序：先确认影响范围，保存现场，判断资源还是依赖问题，再采取最小恢复动作，并把本次阈值和症状补进下一轮监控。