应监控snat连接数、出口带宽使用率、新建连接速率（cps）和错误数（如snatconnfailcount），并配置对应阈值告警：连接数≥180万、带宽≥85%/95%、错误数>0持续1分钟、pps 30秒内降超40%时立即告警。
要通过监控指标及时发现 SNAT 丢包或带宽跑满，关键不是等故障发生后再查，而是提前配置好针对性的监控项和告警规则，让系统在异常初现时就主动通知你。
重点关注的监控指标
SNAT 场景下，以下四个指标最能反映出口健康状态：
- SNAT 连接数（当前并发）：接近 NAT 网关规格上限（如 200 万）时，新连接建立失败风险上升，可能伴随丢包；
- SNAT 出口带宽使用率：基于绑定 EIP 的总带宽计算，持续 ≥90% 容易触发限速或丢包；
- SNAT 新建连接速率（CPS）：突增远超日常基线（如从 5k/s 暴涨到 80k/s），常预示短连接风暴，易耗尽端口或触发连接拒绝；
- SNAT 错误数（如 SNATConnFailCount）：该指标非零即表明已有连接失败，是丢包或策略拦截的直接信号。
必须配置的告警规则
仅看监控图表不够，需设置阈值自动告警：
- 对 SNAT 连接数 设置告警：当 ≥180 万（弹性上限 200 万的 90%）时触发，留出缓冲窗口；
- 对 EIP 带宽使用率 设置分级告警：≥85% 发短信提醒，≥95% 打电话+钉钉强提醒；
- 对 SNATConnFailCount > 0 持续 1 分钟 立即告警——这是丢包或规则失效的明确标志；
- 补充配置 包处理速率（PPS）突降 告警：若 PPS 在 30 秒内下降超 40%，可能是底层转发异常，需人工介入。
排查丢包与带宽瓶颈的实操路径
收到告警后，按顺序快速验证：
- 先确认 NAT 网关状态是否为“运行中”，且未处于主备切换中；
- 检查路由表是否仍指向该 NAT 网关，避免因误删默认路由导致流量绕行；
- 核对安全组和网络 ACL 是否放通了出方向（0.0.0.0/0）流量；
- 查看 EIP 是否被限速或欠费，带宽是否真的已买足（注意：ECS 自身带宽不影响 SNAT 出口）；
- 若使用 SNAT POOL，检查池中各 IP 的健康状态及连接负载是否严重不均——单 IP 连接超 2 万极易丢包。
辅助判断的细节线索
有些现象虽不直接显示在指标里，但能帮你交叉验证：
- 业务侧出现大量 TCP 重传（tcp_retrans_seg）、SYN 超时，基本可锁定 SNAT 层丢包；
- 同一 NAT 网关下，部分 ECS 访问正常、部分超时，大概率是 SNAT 条目匹配优先级问题或子网路由错配；
- 监控显示带宽跑满但 CPS 并不高，说明是大文件下载类长连接占满带宽，而非并发问题，此时应考虑限速或分流。
