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。

bash
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

text
== 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。

bash
#!/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:

bash
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

text
<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。

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

整理一套基础运维巡检清单

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