每隔一段时间,我都会遇到一个让我惊叹"哇,这太酷了!"的工具。
最近,在安装了一个名为Netdata的监控工具后,我就有了这样的体验。
根据官网介绍,Netdata是一个"零配置的可观察性平台,配备呼叫智能体助手。提供每秒级别的本地指标;Netdata智能体能够调查、解释根本原因,并用通俗易懂的语言指导修复。"
我完全没有想到安装完成后会看到什么,但结果真的令我印象深刻。
Netdata为您提供多方面的洞察,包括生成式AI故障排除、基础设施、应用程序、综合测试、网络、日志和指标。更棒的是,您无需安装大量模块就能让这个应用发挥作用。完成安装(和注册,包含免费套餐)后,您将获得比您可能需要的更多信息。
Netdata可以安装在Linux、macOS、Windows上,也可以通过Docker、Kubernetes、Ansible在AWS、Azure和GCP上部署。Netdata能够监控数据库、Web服务器、代理、容器、虚拟机、操作系统、网络、云服务和DevOps。
是的,它真的是跨平台且灵活。
您甚至可以在上面创建自定义仪表板。
我在一台Linux服务器(24.04版本)上安装了Netdata,现在让我向您展示安装过程。
让我们开始吧。
安装过程
在Linux服务器启动并运行后,登录并执行以下命令来安装NetData:
系统会提示您输入用户密码。认证成功后,安装将开始。
Netdata的安装可能需要一些时间,您很可能会被提示确认安装其他包。允许安装所有必要的依赖项。安装完成后,您就可以访问您的实例了。
访问Netdata
打开连接到与Netdata相同网络的Web浏览器,并导航到http://SERVER:19999(其中SERVER是托管服务器的IP地址)。您将看到一个登录页面。
接下来,您需要注册一个账户。该账户是免费的(除非您需要升级到企业解决方案)。我建议通过电子邮件地址连接。完成后,您将收到一封包含点击链接的邮件。点击该链接,您就完成了注册。
现在乐趣开始了。
使用仪表板
如您所见,仪表板为您的服务器提供了大量信息。您首先要做的事情之一就是添加节点。为此,您需要第二台服务器。
要添加节点,打开节点选项卡,然后点击"添加节点"。
在添加节点页面上,您将看到一个要在新机器上运行的命令。运行该命令并回答所有必要的问题。
然后您应该会看到新添加的节点被列出。
如果需要,您还可以创建空间。比如说,您想要一个特定空间来监控Docker容器。为此,点击左侧边栏中的+按钮。系统提示时,为您的新空间命名,然后您将看到您的新空间,在那里您可以添加必要的Docker集成。
要添加Docker支持,点击屏幕右下角附近的小Docker图标,您将看到另一个命令。这次,您需要在安装了Docker并连接到Netdata服务器的机器上运行该命令。
您可以使用docker run命令或创建Dockerfile并使用docker-compose。
Docker附加组件对于任何需要观察容器运行状况的人来说都是必备的。您可以快速访问Docker容器状态、健康状态、镜像总数、镜像总大小、正在运行的容器数量等信息。
您很难找到一个能为您的运行容器提供如此多信息的仪表板。
您可以为您的空间添加任意数量的集成,以提供更多有价值的信息。
一旦您让一切运行起来,您的Netdata实例就准备好使用了。
您会发现自己在Netdata中探索了很长时间,只是因为有太多东西要发现。我花了很多时间使用它,知道自己仍然只是触及皮毛。如果您像我一样,希望快速访问服务器和服务的所有信息,Netdata绝对能够出色地满足您的需求。
Q&A
Q1:Netdata是什么?有哪些主要功能?
A:Netdata是一个零配置的可观察性平台,配备呼叫智能体助手。它能够提供每秒级别的本地指标,Netdata智能体能够调查、解释根本原因,并用通俗易懂的语言指导修复。它可以监控基础设施、应用程序、网络、日志和指标等多个方面。
Q2:Netdata支持在哪些平台上安装?
A:Netdata支持跨平台安装,可以安装在Linux、macOS、Windows上,也可以通过Docker、Kubernetes、Ansible在AWS、Azure和GCP等云平台上部署。它能够监控数据库、Web服务器、代理、容器、虚拟机、操作系统、网络、云服务和DevOps。
Q3:如何在Linux服务器上访问Netdata?
A:安装完成后,在连接到与Netdata相同网络的Web浏览器中导航到http://SERVER:19999(其中SERVER是托管服务器的IP地址)。首次访问需要注册一个免费账户,通过电子邮件地址连接并点击邮件中的确认链接即可完成注册。
好文章,需要你的鼓励
2026年7月13日,软件工程师Ryan Peterman在他的播客The Peterman Pod上发布了一期与David Patterson的长对话。
英伟达推出Nemotron-Labs-Diffusion三模式语言模型,将逐字生成、并行扩散与自猜自验融于一体,单用户吞吐量最高达Qwen3-8B的4倍,同时保持相近准确率。
今天讲的出海案例是生产微型扬声器、受话器和音响产品的豪声电子,其计划投资2500万泰铢的泰国音响类电声工厂已经进入初步投产阶段。
SIEVE是一种面向机器人模仿学习的数据筛选方法,通过发现可复用行为原语和转换接口,用50%数据和训练量超越全量训练效果。