每秒级实时监控
采集频率达到每秒一次，告别 30-60 秒粒度的延迟盲区。800+ 内置采集器覆盖 CPU、内存、磁盘、网络、容器、数据库、应用进程等全栈指标，无需手写探针。
每秒级指标
开源免费 · GPL v3 · v2.10 稳定版
Netdata实时洞察每一秒
Netdata实时洞察每一秒
重塑基础设施可观测性
Netdata 以每秒级指标采集、机器学习异常检测和 AI 智能排障，为 Linux、FreeBSD、macOS 系统提供开箱即用的监控能力。 轻量、零配置、完全开源。将平均故障恢复时间（MTTR）缩短 80%。
$ wget -O /tmp/netdata-kickstart.sh https://get.netdata.io/kickstart.sh
$ sh /tmp/netdata-kickstart.sh
> Fetching Netdata v2.10 ...
> Detecting OS: Ubuntu 22.04 LTS [OK]
> Installing 800+ collectors ...
> Building dashboards ...
> Starting ML engine ...
[OK] Netdata agent is running at http://localhost:19999
[INFO] Per-second metrics streaming started.
0
GitHub Stars
0
Contributors
0
Downloads / Day
0
Metrics / sec
核心能力
为现代 DevOps 团队而生
为现代 DevOps 团队而生
的三大核心能力
从单机到千节点集群，Netdata 提供统一的实时可观测性栈：数据采集、智能分析、可视化与告警，开箱即用。
机器学习异常检测
Netdata Agent 内置无监督 ML 引擎，为每条指标时间序列自动建模并训练基线，实时识别异常形态。无需配置阈值，即可在故障发生前 30-60 秒发出预警。
无监督机器学习AI 智能故障排查
集成 Netdata AI 智能助手，可直接对监控数据提问：“昨晚为什么 CPU 飙升？”。AI 自动关联相关指标、日志与事件，生成可读的诊断报告，辅助决策。
AI 智能排障
应用场景
从机柜到云端，Netdata 全场景覆盖
无论你运维的是单台开发机、容器编排集群、跨云分布式系统，还是边缘 IoT 设备，Netdata 都能在一分钟内完成部署并开始采集指标。
物理与虚拟服务器
对裸机服务器、KVM、VMware、Proxmox 虚拟机进行深度监控，涵盖 CPU 调度、内存压力、磁盘 IOPS、网卡吞吐与温度传感器等关键维度。
容器与编排
原生支持 Docker、containerd、Podman 容器运行时，并集成 Kubernetes、Nomad、Docker Swarm 编排层。自动发现 Pod、Service、Deployment 资源，实时呈现容器级资源画像。
数据库性能监控
内置 MySQL、PostgreSQL、MongoDB、Redis、Elasticsearch、Cassandra 等 40+ 数据库采集器，实时呈现 QPS、慢查询、连接池、复制延迟与缓存命中率。
公有云基础设施
对接 AWS、GCP、Azure、阿里云、华为云的 CloudWatch / Stackdriver / Monitor API，将云平台资源指标与主机侧指标统一汇聚到同一面板，形成端到端视图。
应用性能 APM
通过 OpenTelemetry、StatsD、Prometheus exporter 等协议接入应用指标，支持 Java、Go、Python、Node.js、Rust 应用与 Nginx、HAProxy、Envoy 网关的分布式追踪与请求分析。
边缘与 IoT 设备
资源占用极低（常驻内存约 30MB），可部署到树莓派、边缘网关、工业控制器乃至 OpenWRT 路由器上，实现端到端设备健康监控与远程诊断。
CPU 使用率
实时user62.4%
system18.7%
iowait12.3%
anomaly0.02
每秒级遥测
看到故障发生的那一秒
多数监控系统的采集间隔是 30-60 秒，只能呈现“过去的故事”。Netdata 以每秒一次的精度采集指标，在突发尖刺、瞬时抖动、短时延升高的瞬间即可捕获，让 SRE 真正掌握时间维度的真相。
- 800+ 内置采集器，覆盖系统、容器、数据库、应用全栈
- 每条指标保留 1 秒粒度历史，精确回溯任意时刻状态
- 采样到上屏延迟低于 200ms，堪比真实“驾驶舱”体验
- 数据本地存储，零外发，符合数据驻留合规要求
机器学习异常检测
训练中anomaly score0.97
baseline driftdetected
window60s
modeltrained 6h
无监督机器学习
让 AI 学会“你的系统”的正常
Netdata Agent 在每个节点本地训练 ML 模型，学习每条指标的常规形态，而非依赖工程师手写阈值。当系统行为偏离历史模式时，即时输出异常分数并触发告警，告警噪声降低 90% 以上。
- 基于概率峰值过阈算法（DLIB），无需标注数据
- 每节点独立训练，数据不出主机，保护隐私
- 支持单变量与多变量联合异常检测
- 异常分数与原始指标一同可视化，根因一目了然
可信背书
全球开发者与真实企业的共同选择
Netdata 是 GitHub 上最受欢迎的开源监控项目之一，每天被下载超过 150 万次，并获得学术同行评审与 SOC 2 安全认证的认可。
“被学术同行评审认证为「最高能效的监控解决方案」，在能效上领先同类监控工具。”
“不会漏掉任何告警——这对安全关键型软件至关重要，是我们可以托付的监控系统。”
“76,000+ GitHub Star、615+ 贡献者、每天 150 万+ 次下载，由全球开发者共同维护的开源项目。”
