Linux 与服务器运维 / 系统课时

生成主机巡检报告

生成主机巡检报告

单点采集 CPU、内存或磁盘指标并不难,真正有用的巡检脚本要把多项数据汇总成同一份报告,并在超过阈值时直接给出异常摘要。本课完成一个可直接运行的 Linux 主机巡检脚本:采集基础信息、判断阈值、输出报告,并用退出码告诉上层任务是否发现异常。

学习目标

  • 组合 uptime、free、df 等命令生成统一的主机巡检结果
  • 使用阈值判断把原始指标转成 OK 或 WARN
  • 通过异常摘要和退出码让报告可被定时任务或监控系统继续消费

先定义报告要回答的问题

巡检报告不应该只是命令输出的拼接。最少要回答三件事:当前主机是谁、关键资源是否接近上限、如果异常具体异常在哪里。为了让脚本容易被其他任务解析,本例把每项指标固定成“名称、当前值、阈值、状态”四部分,并在末尾追加异常摘要。

本例检查 1 分钟负载、内存使用率和根分区使用率。阈值不是通用标准,而是示例中的运维策略:负载不高于 CPU 核数的 1.5 倍,内存和磁盘使用率均不高于 85%。

生成可执行巡检脚本

下面脚本只依赖常见 Linux 命令。它会把异常项收集到数组中,最后统一输出,避免检测到第一项异常就提前退出。

bash
#!/usr/bin/env bash
set -u

MEM_THRESHOLD=85
DISK_THRESHOLD=85
LOAD_FACTOR=150

hostname_value=$(hostname)
cpu_count=$(getconf _NPROCESSORS_ONLN)
load_1m=$(awk '{print $1}' /proc/loadavg)
mem_used=$(free | awk '/Mem:/ {printf "%.0f", $3/$2*100}')
disk_used=$(df -P / | awk 'NR==2 {gsub("%","",$5); print $5}')

# 用整数放大 100 倍比较,避免 Bash 自身不支持浮点运算。
load_scaled=$(awk -v load="$load_1m" 'BEGIN {printf "%.0f", load * 100}')
load_limit=$((cpu_count * LOAD_FACTOR))

issues=()

if (( load_scaled > load_limit )); then
  load_status="WARN"
  issues+=("1m load ${load_1m} exceeds ${cpu_count} cores x 1.5")
else
  load_status="OK"
fi

if (( mem_used > MEM_THRESHOLD )); then
  mem_status="WARN"
  issues+=("memory ${mem_used}% exceeds ${MEM_THRESHOLD}%")
else
  mem_status="OK"
fi

if (( disk_used > DISK_THRESHOLD )); then
  disk_status="WARN"
  issues+=("root disk ${disk_used}% exceeds ${DISK_THRESHOLD}%")
else
  disk_status="OK"
fi

printf 'Host: %s\n' "$hostname_value"
printf 'Load 1m: %s | limit: %.1f | %s\n' "$load_1m" "$(awk -v c="$cpu_count" 'BEGIN {print c * 1.5}')" "$load_status"
printf 'Memory: %s%% | limit: %s%% | %s\n' "$mem_used" "$MEM_THRESHOLD" "$mem_status"
printf 'Root disk: %s%% | limit: %s%% | %s\n' "$disk_used" "$DISK_THRESHOLD" "$disk_status"

if ((${#issues[@]} == 0)); then
  echo 'Summary: healthy'
  exit 0
fi

echo 'Summary: attention required'
printf ' - %s\n' "${issues[@]}"
exit 1

保存为 host-inspection.sh 后执行:

bash
chmod +x host-inspection.sh
./host-inspection.sh

预期结果

text
Host: <HOSTNAME>
Load 1m: <LOAD_1M> | limit: <LOAD_LIMIT> | OK
Memory: <MEM_PERCENT>% | limit: 85% | OK
Root disk: <DISK_PERCENT>% | limit: 85% | OK
Summary: healthy

主机名和资源指标会随环境变化;如果任一指标超过阈值,对应状态会变成 WARN,摘要改为 Summary: attention required,脚本退出码为 1。

让异常摘要可被上层任务利用

报告给人看时,正文越清楚越好;给自动化系统用时,退出码更重要。约定 0 表示本轮巡检正常,1 表示发现需要关注的资源异常,上层定时任务就可以直接根据执行结果继续处理。

bash
if ./host-inspection.sh > inspection.txt; then
  echo "inspection passed"
else
  echo "inspection found warnings"
fi

预期输出

text
inspection passed

如果报告中存在异常,预期输出会变为 inspection found warnings,完整巡检内容仍保存在 inspection.txt,便于后续归档、上传或发送告警。

验证报告是否真的可靠

验证时不要只在健康主机上运行一次。可以临时把 MEM_THRESHOLD 或 DISK_THRESHOLD 调低到当前实际值以下,确认对应指标变成 WARN、异常摘要包含该指标,并在脚本执行后用下面的命令检查退出码。

bash
./host-inspection.sh
echo $?

触发异常时预期输出的最后一行为:

text
1

恢复真实阈值并确保各项指标正常后再次执行,退出码应恢复为 0。巡检脚本的价值不在于采集越多越好,而在于让每个指标都有明确阈值、状态和后续动作入口,使同一份结果既能供人阅读,也能成为自动化任务稳定消费的健康信号。

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

生成主机巡检报告

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