
我家宽带去年入冬后开始闹毛病:刷着视频突然转圈,三五分钟后自己又好了。一周来个两三次,时间不固定。等我放下手机走到弱电箱,光猫的灯一片正常,路由器后台的WAN口状态也是已连接——现场早没了。给10000号打电话,师傅第一句就问「断的时候光猫LOS灯什么颜色」,我答不上来,报修单都开不利索。这种自己会好的瞬时断网,最气人的就是抓不到现场。
后来我想通一件事:我不需要守在现场,我需要的是让一个不会睡觉的东西替我盯着。家里那台飞牛NAS本来就24小时开机,Docker里再塞一个拨测容器,一分钟探一次外网,通了记一笔、断了记一笔,攒上几天,断网的时间点、次数、时长全在曲线里。这套东西我跑了两个多月,家里那次的故障就是靠它定位的。下面按我实际折腾的顺序写,飞牛群晖通用,没有NAS的我在文末给个替代方案。
先选工具:为什么是Uptime Kuma而不是路由器日志
翻过路由器后台系统日志的人应该有体会:里面记的多半是「WAN口断开」「WAN口连接」这种大事记,时间戳有,但颗粒度粗,而且家用路由器的日志是循环覆盖的,攒不了一周就冲没了。我妈家那台水星,日志只留最近两百来条,翻页都翻不了几下。日志能看什么、怎么看,我之前在WiFi掉线reason码那篇里写过,那是断线已经发生、去翻案底的路数;瞬时断网要的不是案底,是连续的记录。
Uptime Kuma干的就是这个活:它是个开源的拨测工具,跑在Docker里,网页界面,每隔你设定的间隔去ping或者HTTP请求一个目标,每次结果都落进自带的SQLite数据库,画成可用率曲线。断了几次、每次多久、什么时段集中,图上一目了然。我选它有三个原因:镜像几十MB不吃内存;数据落本地不像云监控那样断网就瞎;告警渠道多,我这只用到通知栏推送就够。顺带一提,这类监控容器的数据库是每隔几分钟写一次盘的,如果你家NAS机械盘开了休眠,它会成为偷写盘的嫌疑人之一,这个我在NAS硬盘休眠排查那篇里专门记过一笔。
部署:飞牛Docker里两步就起来,端口别撞
飞牛的Docker界面里搜镜像louislam/uptime-kuma,latest标签直接拉。要是拉镜像超时,那是另一码事,跟本篇无关,拉不动镜像的解法我之前在拉镜像超时那篇里写过,先去把那关过了。镜像起来后建容器,我自己的参数:端口映射容器3001到本机3001,挂一个名为kuma-data的卷到容器/data目录——数据库和配置全在里面,容器删了重建数据还在。别学某些教程直接host模式,端口一多就乱,Docker网络模式那篇里我把三种模式的区别拆过,这里不重复。
起来后浏览器进飞牛IP:3001,第一次要设管理员账号,这一步两分钟。真正要花心思的是下一步:监控项怎么设。我第一遍就设错了,后面返工。
监控项怎么设:光盯着网关等于白装
我一开始只加了一个监控项:ping家里路由器192.168.31.1。跑了一晚上全是绿的,心里还挺美,第二天网络照样抽风,图上愣是一格红都没有。问题出在哪:ping路由器走的是纯内网,光猫断了、宽带断了,路由器本身活得好好的,照样秒回。这个监控项只对「路由器死机」这一种故障有效,而我家路由器恰恰是最不容易坏的一环。
后来我加到五项,每一项盯一段链路,抽风的时候看哪几项红哪几项绿,断的位置就框出来了:
| 监控项 | 盯的是哪段 | 间隔 |
|---|---|---|
| ping 光猫网关 | 路由器到光猫这段 | 60秒 |
| HTTP 外网站(如百度) | 整条出口到公网 | 60秒 |
| ping 公共DNS 223.5.5.5 | 出口是否通(ICMP层) | 60秒 |
| HTTP 路由器后台 | 路由器CPU/服务是否假死 | 120秒 |
| DNS解析监控 | 出口通但解析挂的阴间故障 | 300秒 |
这张表里最要紧的是第二第三项的区别:有的宽带故障是ICMP能通、HTTP全挂(QoS或传输层出问题),有的是全断(物理层或认证掉线)。两项都设,故障的层次才分得清。间隔我全试过:60秒是我权衡后的值,30秒数据更细但数据库写得勤,对机械盘不友好;120秒以上就偏粗,三五分钟的瞬时断网可能整个躲进两次探测的缝里。探测目标别设一个,HTTP我挂了两个站轮流看,单站它自己抽风会污染数据。
两周图看下来:三类断法,处置完全不同
曲线攒到第10天,我家的毛病自己现形了。摘出来三类典型形态,对号入座:
第一类,HTTP和ping同时红,几分钟一起绿回来。我图上11月的记录是六次,全集中在晚上七点到十点,每次两到六分钟。这个形态指向出口物理层,光猫或线路。带着这张图报修,师傅上门直接换了一个分光器尾纤,没扯一句「我们查了没问题」。晚上集中这个特征还有个好处——如果不是线路,那就是晚高峰拥塞,处置思路完全不同,我在晚上变慢那篇里写过怎么区分断和慢,拨测图是区分它们最硬的证据。
第二类,HTTP红了但ping公共DNS还绿着。出现过两次,都是几分钟自愈。这个形态是「出口活着但传输层在闹」,常见嫌疑是运营商侧QoS调度或者MTU路径问题,单次不用管,频次高了再排查。要是你想自己再往下钻,三段式ping定位法在丢包排查那篇里,可以把图上的时间点拿去做对照。
第三类,内网项红了,外网全绿。有一次光猫网关ping红了四分钟,外网却一直通——这反而是好消息,说明是我路由器到光猫那根短网线接触不良,五块钱换根线的事。最怕的是HTTP路由器后台那项红、其它全绿,那是路由器服务假死,得看设备负载,跟断网不是一个病。路由器侧的分层排查思路,断网五关顺序那篇写得最全,拨测图等于把那个顺序自动化了。
别指望它告诉你为什么,它只告诉你何时何地
用下来我对这工具的定位越来越清楚:它是记录员不是诊断师。断在几点、断了多久、断在哪一段,它答得又快又准;为什么断,它管不了。光猫LOS灯什么颜色、掉线reason码是什么,这些还得现场看,或者去翻关联层重连那篇里说的路由器日志。但它把「什么时候去看」这个问题解决了——以前是碰运气,现在是有红条才去看,红条出现的时间点就是日志检索的起止范围。
还有个反直觉的点:这套东西和路由器App的掉线提醒不是替代关系。我在路由器掉线提醒那篇里配过水星的App推送,它的优势是零部署、手机直接收通知;短板是只覆盖「路由器这头到厂商云」的通断,宽带半死不活它看不见。拨测反过来,看得细,但通知要自己配。我现在两个都开着:App的推送负责「家里全断了」这种大事故的即时提醒,拨测图负责事后复盘和慢性病诊断。粗筛加细查,各干各的。
通知和备份:两个收尾动作
通知我配的是最土的一种:Kuma里装Bark类推送,断网超过两分钟才推,恢复再推一条。为什么是两分钟不是零容忍——瞬时抖动一分钟内的根本不值得看,推了徒增焦虑。为什么恢复也要推——人在外面收到「断了」没法立刻处理,「恢复了」这条能省掉一路惦记。你要人在外地还想远程动手的,那得先把远程通道搭好,这条链路我在ddns-go那篇里有完整记录,IPv6直连也行。
另一个动作是备份数据库。kuma-data那个卷里的SQLite文件,我设了每周往NAS的共享目录抄一份。倒不是多金贵的数据,主要是容器升级偶尔会翻车,我之前在容器升级五步法里踩过,有备份升级才敢点确认。监控跑了两个月攒的曲线,升个级全丢了,还是挺膈应人的。
没有NAS的也别觉得这方案跟你无缘。随便一台吃灰的旧电脑、甚至一直开机的台式机,装个Docker或者直接跑Windows版都行;实在什么都没有,树莓派加张存储卡也够,这工具对性能的要求约等于零——我家这台NAS上它跟Jellyfin、qBittorrent挤在一起,内存占用常年四十MB上下。真的连常开设备都没有,那就退回手机App方案,虽然看得粗,聊胜于无。
最后交代下结局:换了尾纤之后,图上那类「晚上集中红条」再没出现过,最近一个月出口可用率99.98%,剩下两个红条是我自己重启路由器记上去的。这套东西装完最大的变化不是网变好了——是再出问题时,我不用再猜「是不是我错觉」,翻图就行。抓现场这种事,交给不睡觉的家伙干,比人肉守着弱电箱强多了。

发表评论