062篇：异常监控：如何及时发现机器人故障
1. 前言
无人值守机器人运行时，如果没有人盯着，故障可能导致业务中断数小时。常见故障包括：
- 脚本执行失败（元素未找到、网络超时）
- 机器人进程崩溃
- 依赖系统（数据库、API）不可用
- 任务积压（消费速度跟不上生产速度）
异常监控的目标是：及时发现 → 告警通知 → 自动恢复/人工介入。
2. 监控的关键指标
| 指标 | 说明 | 告警阈值示例 |
|---|---|---|
| 执行成功率 | 成功次数/总执行次数 | <95% 持续3次 |
| 执行耗时 | 单次运行时长 | 超过平均值2倍 |
| 任务积压数 | 队列中待处理任务数量 | >50 持续10分钟 |
| 机器人心跳 | 定期上报的存活信号 | 超过5分钟未收到 |
| 资源占用 | CPU/内存/磁盘 | CPU>80% 持续10分钟 |