如何在CentOS上监控Node.js应用性能

在CentOS上监控Node.js应用性能，核心思路其实并不复杂——无非是从进程管理、系统资源、第三方APM、日志、内置模块以及自定义监控这几个维度入手。下面逐一拆解，每一步都给出可落地的方案。

1. 使用PM2进程管理器（推荐）

PM2在Node.js生态里基本是生产环境的标配。它不仅能帮你管理进程，还能顺带做性能监控、日志管理、自动重启。一句话，省心。

• 安装很简单，通过npm全局安装就好：

  sudo npm install pm2 -g

• 启动应用并给个名字，方便后续管理：

  pm2 start app.js --name "my-node-app"

• 想看实时的CPU、内存、事件循环延迟？直接用pm2 monit，界面很直观。
• 要查看所有应用的状态，pm2 list就行了。
• 日志管理也不含糊，pm2 logs my-node-app就能实时过滤输出。
• 生产环境别忘了设置开机自启：

  pm2 sa ve && pm2 startup

2. 系统级监控工具（CentOS原生）

有时候不需要花里胡哨的工具，CentOS自带的命令行就够用。关键是快。

• top或htop（需安装）能动态显示进程的CPU、内存占用。htop颜值更高，操作也更友好：

  sudo yum install htop -y  # 安装htop
  top  # 或 htop

• vmstat 3每3秒刷新一次，看进程、内存、IO、CPU的整体状态。
• 磁盘IO用iostat，需要先装sysstat：

  sudo yum install sysstat -y
  iostat -x 1  # 查看磁盘详细IO指标

• 内存就用free -m，以MB为单位显示，一目了然。

3. 第三方APM工具（全面性能分析）

如果你的应用比较复杂，需要端到端追踪、慢查询分析、错误监控，那APM工具是更好的选择。

• Prometheus + Grafana（开源组合）：Prometheus负责采集指标（通过Node Exporter或prom-client暴露数据），Grafana做可视化仪表盘，CPU、内存、请求延迟都能实时展示。部署方法可以参考之前Prometheus和Grafana的配置教程。
• New Relic / Datadog（商业工具）：New Relic只需安装newrelic模块并配置许可证密钥，就能获得实时性能、错误日志和分布式追踪。Datadog则需要部署Agent并配置datadog.yaml，同样强大。适合预算充足、追求快速上手的团队。

4. 日志管理（定位问题根源）

日志是排查性能瓶颈的“黑匣子”。推荐ELK Stack（Elasticsearch + Logstash + Kibana）来集中管理。

• Logstash负责收集Node.js日志（比如/var/log/nodejs/app.log），解析后发到Elasticsearch。一个典型的配置示例：

  input {
    file {
      path => "/path/to/your/nodejs/logs/*.log"
      start_position => "beginning"
    }
  }
  output {
    elasticsearch {
      hosts => ["localhost:9200"]
      index => "nodejs-logs-%{+YYYY.MM.dd}"
    }
  }

• Kibana用来可视化日志，搜索关键词（如ERROR、Timeout）能快速定位问题。
• 在应用层面，推荐用winston或morgan记录结构化日志。下面是一个结合Express中间件的例子：

  const winston = require('winston');
  const logger = winston.createLogger({
    level: 'info',
    format: winston.format.json(),
    transports: [
      new winston.transports.File({ filename: 'error.log', level: 'error' }),
      new winston.transports.File({ filename: 'combined.log' })
    ]
  });
  // 记录请求日志
  app.use((req, res, next) => {
    const start = Date.now();
    res.on('finish', () => {
      logger.info({
        method: req.method,
        url: req.url,
        status: res.statusCode,
        responseTime: Date.now() - start
      });
    });
    next();
  });

5. Node.js内置模块（基础监控）

如果不希望引入任何外部依赖，用Node.js自带的process和os模块也能拿到基础指标。

• 用process.cpuUsage()和process.memoryUsage()可以实时获取CPU用户态/内核态时间、堆内存和RSS。比如每5秒输出一次：

  setInterval(() => {
    const cpuUsage = process.cpuUsage();
    const memoryUsage = process.memoryUsage();
    console.log(`CPU Usage: ${cpuUsage.user / 1000000}秒`);
    console.log(`Memory Usage: ${Math.round(memoryUsage.heapUsed / 1024 / 1024 * 100) / 100}MB`);
  }, 5000);

• os模块可以获取总内存、空闲内存、系统平均负载：

  const os = require('os');
  const totalMem = os.totalmem();
  const freeMem = os.freemem();
  const loadA vg = os.loada vg();
  console.log(`Total Memory: ${(totalMem / 1024 / 1024).toFixed(2)}MB`);
  console.log(`Free Memory: ${(freeMem / 1024 / 1024).toFixed(2)}MB`);
  console.log(`System Load A vg: ${loadA vg.join(', ')}`);

6. 自定义监控脚本（灵活定制）

有些场景需要监控特定指标，比如数据库查询耗时、第三方API响应时间。这时候写个自定义脚本最灵活。

• 监控HTTP请求响应时间的简单示例：

  const http = require('http');
  const start = Date.now();
  http.get('http://example.com', (res) => {
    const duration = Date.now() - start;
    console.log(`Request to example.com took ${duration}ms`);
    // 可发送到Prometheus或InfluxDB存储
  });

• 更规范的做法是用prom-client库暴露自定义指标到Prometheus。例如定义一个请求耗时直方图：

  const promClient = require('prom-client');
  const httpRequestDurationMicroseconds = new promClient.Histogram({
    name: 'http_request_duration_ms',
    help: 'Duration of HTTP requests in ms',
    buckets: [10, 50, 100, 500, 1000]
  });
  app.use((req, res, next) => {
    const start = Date.now();
    res.on('finish', () => {
      httpRequestDurationMicroseconds.observe(
        { method: req.method, path: req.path, status: res.statusCode },
        Date.now() - start
      );
    });
    next();
  });
  app.get('/metrics', async (req, res) => {
    res.set('Content-Type', promClient.register.contentType);
    res.end(await promClient.register.metrics());
  });

说到底，选哪种方案要看你的应用规模和团队习惯。小型项目用PM2加几条系统命令就够；大型系统建议上Prometheus+Grafana再加一个商业APM，这样从进程级到业务级都能覆盖。组合使用才是王道。