Day 01｜小公司也需要機台控管：從人工巡檢開始

星期一早上剛進公司，同事就跑來說：「檔案傳不上去了，系統是不是壞了？」我登入伺服器檢查，才發現磁碟早在週末就已經塞滿。那時公司只有幾台 Windows、Ubuntu、檔案伺服器與測試機，平常都是想到才逐台登入看看。這次狀況讓我開始思考：能不能在同事發現以前，就先知道哪台機器出問題？

所以第一版沒有急著做很炫的圖表，而是先完成五件事：看得到 Windows 與 Ubuntu 的狀態、集中看 CPU／記憶體／磁碟、有異常能通知、知道容量是否突然增加，還能直接開遠端工具。

我學到的是，先問清楚「發現問題後誰要做什麼」，比先決定畫面要放哪些數字更重要。

本篇學習重點

• 把模糊的「機台正常」拆成可以觀察與判斷的指標。
• 將磁碟使用率轉成 normal、warning 與 critical 狀態。
• 分辨需求定義不完整與程式本身的 Bug。

實際產品畫面

HardwareMonitor 儀表板與主機容量概覽

重點程式碼：將監控結果轉成可行動的等級

def level_for(disk, host):
    used = float(disk.get("used_percent", 0))
    if used >= float(host.get("critical_percent", 90)):
        return "critical"
    if used >= float(host.get("warning_percent", 80)):
        return "warning"
    return "normal"

重點不是三個狀態名稱，而是讓每個狀態都能對應後續處理行動。

程式碼運作方式

1. 先從磁碟資料取出 used_percent；欄位不存在時暫以 0 處理。
2. 判斷順序由嚴重到輕微，避免已達 critical 的磁碟先被 warning 條件攔截。
3. 函式只回傳狀態，不直接寄信或改畫面，後續 Dashboard 與告警可以共用結果。

實務上還要另外區分「沒有資料」與真正的 0%，否則離線主機可能被誤判為正常。

實際使用範例

host = {"warning_percent": 80, "critical_percent": 90}

for used in (65, 82, 93):
    disk = {"mount": "C:", "used_percent": used}
    print(used, level_for(disk, host))

# 65 normal
# 82 warning
# 93 critical

這個例子把需求轉成可直接驗證的輸入與輸出，也能作為後續單元測試的基礎。

實作時遇到的問題

最早的版本只記錄主機是否連得上，結果檔案服務明明因磁碟滿載而無法寫入，畫面仍顯示「在線」。這不是連線 Bug，而是需求定義得太窄。我重新拆解「正常」的意思，把連線、CPU、記憶體、磁碟容量與資料更新時間分開呈現，避免用單一綠燈掩蓋真正問題。這次修正也讓我明白，很多 Bug 並不是程式寫錯，而是我們一開始問錯了問題。

今日心得

今天最大的收穫，是監控工具要先回答「出問題時誰要做什麼」，再決定顯示哪些數字。下一篇會把需求整理成小團隊能維護、也保留成長空間的架構。

認識我們
聯繫我們