Linux 与服务器运维 / 系统课时
整理一套基础运维巡检清单
整理一套基础运维巡检清单
服务器巡检的价值不在于执行更多命令,而在于每次都按相同范围检查,并留下可比较的结果。本节把系统版本、资源、磁盘、服务、日志和监听端口整理成一套基础流程,并用一个只读脚本减少遗漏,适合日常检查和故障发生前的状态留档。
学习目标
- 建立覆盖系统、资源、磁盘、服务、日志和端口的基础巡检顺序
- 使用只读命令快速发现容量、负载和服务异常
- 将常用检查项整理为可重复执行并可留档的脚本
巡检先覆盖六类基础信息
基础巡检应优先覆盖能够快速反映服务器健康状态的项目,而不是一开始扫描所有配置文件。建议固定检查系统身份与版本、CPU 和内存、文件系统容量、关键服务、近期错误日志以及监听端口。
| 检查范围 | 主要问题 | 常用命令 |
|---|---|---|
| 系统信息 | 当前是什么主机、内核和发行版 | hostnamectl、uname -r |
| 资源 | 是否出现高负载或内存紧张 | uptime、free -h |
| 磁盘 | 文件系统是否接近满容量 | df -h |
| 服务 | 关键服务是否运行 | systemctl --failed |
| 日志 | 最近是否出现高优先级错误 | journalctl -p err |
| 端口 | 实际有哪些 TCP 服务在监听 | ss -lntp |
这套清单适合作为第一轮筛查。发现异常后,再针对具体进程、挂载点、服务或日志继续深入,而不是把所有高级诊断命令都塞进日常巡检。
手工执行一次基础巡检
首次建立清单时,建议先逐项执行命令,确认当前系统支持这些工具,并熟悉正常输出。以下命令均以读取信息为主,不会主动修改服务器配置。
printf '== SYSTEM ==\n'
hostnamectl
printf '\n== KERNEL ==\n'
uname -r
printf '\n== LOAD ==\n'
uptime
printf '\n== MEMORY ==\n'
free -h
printf '\n== FILESYSTEM ==\n'
df -h
printf '\n== FAILED SERVICES ==\n'
systemctl --failed --no-pager
printf '\n== LISTENING TCP PORTS ==\n'
ss -lntp预期输出
== SYSTEM ==
Static hostname: <HOST>
Operating System: <OS>
== KERNEL ==
<KERNEL_VERSION>
== LOAD ==
<TIME> up <UPTIME>, load average: <LOAD1>, <LOAD5>, <LOAD15>
== MEMORY ==
total used free shared buff/cache available
Mem: <SIZE> <SIZE> <SIZE> <SIZE> <SIZE> <SIZE>
== FILESYSTEM ==
Filesystem Size Used Avail Use% Mounted on
<DEVICE> <SIZE> <SIZE> <SIZE> <PERCENT> /
== FAILED SERVICES ==
0 loaded units listed.
== LISTENING TCP PORTS ==
State Recv-Q Send-Q Local Address:Port Peer Address:Port Process
<ROWS>不同发行版、systemd 版本和权限级别会导致字段略有差异。比如普通用户执行 ss -lntp 时可能看不到其他用户进程的 PID,因此巡检结果应结合执行身份理解。
把检查项整理为可重复脚本
手工命令适合学习和临时排查,但长期巡检更容易因为遗漏步骤而失去可比性。下面的脚本按固定顺序输出结果,并把日志时间限制在最近 24 小时,避免一次打印整个系统日志。
#!/usr/bin/env bash
set -u
section() {
printf '\n===== %s =====\n' "$1"
}
section 'SYSTEM'
hostnamectl 2>&1 || true
uname -r 2>&1 || true
section 'LOAD AND MEMORY'
uptime 2>&1 || true
free -h 2>&1 || true
section 'FILESYSTEM'
df -h 2>&1 || true
section 'FAILED SERVICES'
systemctl --failed --no-pager 2>&1 || true
section 'RECENT ERROR LOGS'
journalctl --since '24 hours ago' -p err --no-pager 2>&1 || true
section 'LISTENING TCP PORTS'
ss -lntp 2>&1 || true将脚本保存为 <PATH>/basic-inspection.sh 后执行:
chmod +x <PATH>/basic-inspection.sh
<PATH>/basic-inspection.sh > <PATH>/inspection-<TIME>.log 2>&1
wc -l <PATH>/inspection-<TIME>.log预期输出
<LINES> <PATH>/inspection-<TIME>.log<TIME> 和 <LINES> 会随执行时间及系统状态变化。这里使用 || true 的目的,是让某个检查命令失败时仍继续完成后续项目;因此巡检人员必须阅读输出中的报错,而不能仅凭脚本退出状态判断服务器健康。
看到异常后如何判断是否需要处理
巡检清单负责发现信号,不应把单个数字机械地判定为故障。例如 Linux 的 load average 需要结合 CPU 数量、任务状态和持续时间判断;内存的 free 很低也不等于内存不足,应同时观察 available、交换空间和应用行为。
磁盘检查则更适合设置明确的关注阈值,但阈值应由业务容量和增长速度决定。发现某个文件系统使用率快速上升时,应进一步用 du、日志保留策略或应用数据目录定位原因,而不是直接删除未知文件。
服务和端口需要互相验证。某个 systemd 服务显示 active,不代表应用一定已经成功监听预期端口;反过来,端口存在也不代表它就是预期服务。因此关键业务应同时核对服务状态、监听地址和实际请求结果。
让巡检结果真正可比较
长期使用时,最好为每次巡检保留执行时间、主机名和结果文件,并保持命令集合稳定。只有格式和检查范围相对一致,才能看出磁盘增长、错误日志增加、监听端口变化或服务状态改变。
基础巡检的核心不是追求一次性发现所有问题,而是建立固定检查面:先确认系统身份,再看资源与容量,再核对服务、日志和端口。发现异常后进入专项排查,这样既能保持日常检查简洁,也能让不同日期和不同服务器之间的结果具有可比性。