Linux 与服务器运维 / 系统课时

编写服务器巡检脚本

编写服务器巡检脚本

人工逐项执行 top、free、df、ss 和 systemctl 很容易漏项,也不利于留档。本课把 CPU、内存、磁盘、监听端口和服务状态收敛到一个 Bash 脚本中,并输出可保存、可比对的基础巡检报告。

学习目标

  • 能把常见服务器健康指标转成可重复执行的巡检项
  • 能用 Bash 采集 CPU、内存、磁盘、端口与服务状态
  • 能根据报告区分“指标异常”和“采集失败”

确定巡检范围

基础巡检要回答五个问题:CPU 是否持续繁忙、内存是否接近耗尽、根分区是否逼近容量上限、关键端口是否监听、关键服务是否处于运行状态。脚本只负责采集事实,不应在采集阶段自动重启服务或删除文件,否则巡检会变成不可控的修复操作。

端口和服务名称必须按服务器实际用途配置。例如 SSH 服务在不同发行版中可能叫 sshd 或 ssh,Web 服务也可能不是 nginx。先确认名称,再把它们写入脚本顶部的数组。

实现巡检脚本

下面的示例会检查依赖命令,读取两次 /proc/stat 计算约一秒内的 CPU 使用率,并把结果写入 /tmp/server-inspection.txt。可按需修改 PORTS 与 SERVICES。

bash
cat > /tmp/server-inspect.sh <<'EOF'
#!/usr/bin/env bash
set -u

REPORT="/tmp/server-inspection.txt"
PORTS=(22 80 443)
SERVICES=("sshd" "nginx")

# 先确认采集依赖,避免把“命令缺失”误判成服务器异常。
for cmd in awk free df ss systemctl hostname date grep; do
  if ! command -v "$cmd" >/dev/null 2>&1; then
    echo "missing_command=$cmd" >&2
    exit 2
  fi
done

# 两次读取累计 CPU 时间,用差值估算采样窗口内的利用率。
cpu_usage() {
  local cpu user nice system idle iowait irq softirq steal guest guest_nice
  read -r cpu user nice system idle iowait irq softirq steal guest guest_nice < /proc/stat
  local idle1=$((idle + iowait))
  local total1=$((user + nice + system + idle + iowait + irq + softirq + steal))
  sleep 1
  read -r cpu user nice system idle iowait irq softirq steal guest guest_nice < /proc/stat
  local idle2=$((idle + iowait))
  local total2=$((user + nice + system + idle + iowait + irq + softirq + steal))
  local total_delta=$((total2 - total1))
  local idle_delta=$((idle2 - idle1))
  awk -v total="$total_delta" -v idle="$idle_delta" 'BEGIN {
    if (total == 0) printf "0.0"; else printf "%.1f", 100 * (total - idle) / total
  }'
}

# 一次性采集资源指标,随后统一写入报告。
CPU="$(cpu_usage)"
read -r MEM_USED MEM_TOTAL < <(free -m | awk '/^Mem:/ {print $3, $2}')
read -r DISK_USED DISK_TOTAL DISK_PCT < <(df -Pm / | awk 'NR==2 {print $3, $2, $5}')

# 端口和服务只做只读检查,不在巡检阶段自动修复。
{
  echo "# Server Inspection Report"
  echo "time=$(date '+%F %T %z')"
  echo "host=$(hostname)"
  echo "cpu_usage=${CPU}%"
  echo "memory_mb=${MEM_USED}/${MEM_TOTAL}"
  echo "disk_root_mb=${DISK_USED}/${DISK_TOTAL} (${DISK_PCT})"

  for port in "${PORTS[@]}"; do
    if ss -lntH | awk '{print $4}' | grep -qE ":${port}$"; then
      echo "port_${port}=LISTEN"
    else
      echo "port_${port}=NOT_LISTEN"
    fi
  done

  for service in "${SERVICES[@]}"; do
    if systemctl is-active --quiet "$service" 2>/dev/null; then
      echo "service_${service}=active"
    else
      echo "service_${service}=inactive"
    fi
  done
} > "$REPORT"

cat "$REPORT"
EOF

chmod +x /tmp/server-inspect.sh
/tmp/server-inspect.sh

预期输出

text
# Server Inspection Report
time=<TIME>
host=<VALUE>
cpu_usage=<VALUE>%
memory_mb=<VALUE>/<VALUE>
disk_root_mb=<VALUE>/<VALUE> (<VALUE>%)
port_22=<VALUE>
port_80=<VALUE>
port_443=<VALUE>
service_sshd=<VALUE>
service_nginx=<VALUE>

<TIME> 与各个 <VALUE> 会随服务器实时状态变化。若脚本直接输出 missing_command=<VALUE> 并退出,说明是采集环境缺少依赖,而不是服务器指标本身异常,应先安装或替换对应工具。

读懂报告并设置边界

巡检报告适合做“快速发现”,不等同于监控告警。CPU 的一次高值可能只是瞬时任务,内存占用也应结合可回收缓存判断;磁盘、端口和服务状态则更适合作为明确检查项。

可以先采用保守阈值,例如根分区使用率达到 80% 时进入关注区,达到 90% 时立即处理。真正上线时,应把阈值、端口、服务名单放到独立配置中,并让定时任务只负责执行和归档,不在巡检脚本里偷偷执行修复动作。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

编写服务器巡检脚本

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通