概述

Amazon CloudWatch 是 AWS 的监控与可观测性服务：收集指标（Metrics）、写日志（Logs）、配置告警（Alarms）、做看板（Dashboards）。多数 AWS 服务（EC2、Lambda、SQS 等）会自动把基础指标推到 CloudWatch，无需自建 Prometheus/Grafana 也能做基础监控。

CloudWatch Alarm 不是独立产品，而是 CloudWatch 里的「指标超阈值 → 触发动作」能力，常配合 SNS 发邮件、或触发 Auto Scaling。

核心能力

能力 说明 典型用途
Metrics 时序数据（CPU、队列深度、Lambda 错误次数等） 看图、设告警
Alarms 对 metric 设阈值，满足条件时执行动作 DLQ 有消息 → 发邮件
Logs 集中存储应用 / Lambda 日志 aws logs tail 排错
Dashboards 把多个 metric 画在一张图 运维看板

Metrics 从哪来？

来源 示例
AWS 服务自动上报 SQS ApproximateNumberOfMessagesVisible、Lambda Errors、EC2 CPUUtilization
自定义 metric 应用调用 PutMetricData 上报业务指标
Logs Insights / Metric Filter 从日志里统计错误行数生成 metric

基础服务指标通常不单独收 metric 存储费；自定义 metric 和高分辨率 metric 会另计费。

Alarm 怎么工作？

  1. 选定 namespace + metric + dimensions（例如 AWS/SQS + 队列名）
  2. 设 阈值、统计方式、评估周期（例如 1 分钟内 Maximum ≥ 1）
  3. 配置 Alarm action（常见：sns:Publish 发通知）

状态：OK / ALARM / INSUFFICIENT_DATA。

Alarm 只负责「发现问题并通知」，不负责存失败详情；存档仍靠 SQS DLQ 等组件。

计费与免费额度

CloudWatch 按功能分别计费，详见 CloudWatch Pricing。

与 Alarm 相关的免费档（永久）

项目 免费额度
标准分辨率 Metric Alarm 每月 10 个 alarm metrics（直接引用 metric，不用 Metrics Insights 查询）
自动 Dashboard 免费
自定义 Dashboard 每月 3 个，每个最多 50 个 metric

超出免费档后，标准 metric alarm 约 $0.10 / metric / 月（区域略有差异）。高分辨率 alarm、Composite alarm、异常检测 alarm 更贵。

其它常见计费项（简表）

项目 说明
Logs ingest / 存储 按 GB 计费，有独立免费档
Logs Insights 查询 按扫描数据量计费
自定义 metric 按 metric 数量与分辨率计费

Homelab 规模（几条 alarm + 偶尔看 Lambda 日志）通常在免费档内。

实践：DLQ 有消息时邮件告警

备份任务失败链路与 EventBridge Scheduler 配合时，DLQ 本身不会发邮件，需要 CloudWatch Alarm 盯队列深度：

Scheduler 调用失败（重试耗尽）
  → 消息进入 SQS DLQ
  → CloudWatch Alarm：ApproximateNumberOfMessagesVisible ≥ 1
  → SNS → 邮件

OpenTofu 示例（w10n-config/aws/opentofu/ec2-tokyo/lambda.tf）：

resource "aws_cloudwatch_metric_alarm" "enx_backup_scheduler_dlq" {
  alarm_name          = "enx-api-backup-scheduler-dlq"
  comparison_operator = "GreaterThanOrEqualToThreshold"
  evaluation_periods  = 1
  metric_name         = "ApproximateNumberOfMessagesVisible"
  namespace           = "AWS/SQS"
  period              = 60
  statistic           = "Maximum"
  threshold           = 1
  treat_missing_data  = "notBreaching"
  alarm_actions       = [aws_sns_topic.enx_backup_alerts.arn]

  dimensions = {
    QueueName = aws_sqs_queue.enx_backup_scheduler_dlq.name
  }
}

SNS 邮件订阅首次需在邮箱里 Confirm subscription，否则 alarm 触发也收不到信。

常用 CLI

# 列出当前告警
aws cloudwatch describe-alarms --alarm-names enx-api-backup-scheduler-dlq

# 查看某条告警最近状态
aws cloudwatch describe-alarm-history \
  --alarm-name enx-api-backup-scheduler-dlq \
  --max-records 5

# 查看 SQS 队列深度（与 alarm 用的同一 metric）
aws cloudwatch get-metric-statistics \
  --namespace AWS/SQS \
  --metric-name ApproximateNumberOfMessagesVisible \
  --dimensions Name=QueueName,Value=enx-api-backup-scheduler-dlq \
  --start-time $(date -u -d '1 hour ago' +%Y-%m-%dT%H:%M:%SZ) \
  --end-time $(date -u +%Y-%m-%dT%H:%M:%SZ) \
  --period 300 \
  --statistics Maximum

# 跟踪 Lambda 日志（Log group 需已存在）
aws logs tail /aws/lambda/enx-api-backup --since 1h

OpenTofu 资源对照

Terraform 资源 用途
aws_cloudwatch_metric_alarm Metric 阈值告警
aws_cloudwatch_log_group 预创建 Log group（如 Lambda 日志）
aws_cloudwatch_dashboard 自定义看板
aws_cloudwatch_log_metric_filter 从日志提取 metric

与其它服务的关系

Amazon CloudWatch
├── Metrics   ← EC2 / Lambda / SQS 等自动写入
├── Alarms    → SNS（邮件/短信）、Auto Scaling、EventBridge
├── Logs      ← Lambda、应用、容器
└── Dashboards
场景 用 CloudWatch 做什么
Lambda 报错 看 /aws/lambda/... Logs；可对 Errors metric 设 alarm
队列积压 对 SQS ApproximateNumberOfMessagesVisible 设 alarm
备份失败通知 DLQ depth alarm → SNS（见上文）
EC2 磁盘满 需装 CloudWatch Agent 上报自定义 metric

参考