命令行与文本处理 / 系统课时

设计巡检脚本的检查项目

设计巡检脚本的检查项目

服务器巡检脚本首先要解决的不是“多执行几个命令”,而是确定检查什么、怎样判断异常以及怎样输出结果。本节建立一组可组合的检查模块,并统一结果格式,为后续日志记录、批量执行和告警处理提供稳定接口。

学习目标

  • 将主机、CPU、内存、磁盘、进程、服务和端口拆成独立巡检项目
  • 为每个检查定义统一的状态和值,避免输出只能给人阅读
  • 编写一个可直接运行的最小巡检脚本并验证输出

先定义巡检结果契约

巡检脚本如果每个模块都自由输出文本,后续很难汇总。一个实用的最小契约可以固定为三列:item 表示检查项,status 表示 OK、WARN 或 UNKNOWN,value 保存实际测量值或说明。

检查项目 典型数据 判断重点
主机信息 hostname、内核版本 识别当前检查对象
CPU 1 分钟负载 是否超过预设阈值
内存 已用百分比 是否接近容量上限
磁盘 根分区使用率 是否存在空间耗尽风险
进程 目标进程是否存在 应运行的进程是否退出
服务 systemd active 状态 服务管理器中的实际状态
端口 TCP 监听状态 服务是否真正监听预期端口

进程、服务和端口应分别检查。一个进程存在,不代表它已被 systemd 判定为健康;服务显示 active,也不保证目标 TCP 端口已经监听。

用独立函数组织检查项

下面的 Linux 示例把每个检查写成单独函数,所有函数只通过 emit 输出统一的制表符分隔结果。阈值集中放在脚本顶部,后续调整时不需要修改判断逻辑。

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

MEM_WARN=${MEM_WARN:-85}
DISK_WARN=${DISK_WARN:-85}
PROCESS=${PROCESS:-sshd}
SERVICE=${SERVICE:-sshd}
PORT=${PORT:-22}

emit() {
  printf '%s\t%s\t%s\n' "$1" "$2" "$3"
}

check_host() {
  emit host OK "$(hostname) kernel=$(uname -r)"
}

check_cpu() {
  local load1
  load1=$(awk '{print $1}' /proc/loadavg)
  emit cpu_load INFO "load1=$load1"
}

check_memory() {
  local total available used_pct status=OK
  total=$(awk '/^MemTotal:/ {print $2}' /proc/meminfo)
  available=$(awk '/^MemAvailable:/ {print $2}' /proc/meminfo)
  used_pct=$(( (total - available) * 100 / total ))
  (( used_pct >= MEM_WARN )) && status=WARN
  emit memory "$status" "used=${used_pct}%"
}

check_disk() {
  local used_pct status=OK
  used_pct=$(df -P / | awk 'NR==2 {gsub("%", "", $5); print $5}')
  (( used_pct >= DISK_WARN )) && status=WARN
  emit disk_root "$status" "used=${used_pct}%"
}

check_process() {
  if pgrep -x "$PROCESS" >/dev/null 2>&1; then
    emit process OK "$PROCESS running"
  else
    emit process WARN "$PROCESS not-found"
  fi
}

check_service() {
  if ! command -v systemctl >/dev/null 2>&1; then
    emit service UNKNOWN "systemctl unavailable"
  elif systemctl is-active --quiet "$SERVICE"; then
    emit service OK "$SERVICE active"
  else
    emit service WARN "$SERVICE inactive"
  fi
}

check_port() {
  if ! command -v ss >/dev/null 2>&1; then
    emit port UNKNOWN "ss unavailable"
  elif ss -lntH | awk -v p=":$PORT" '$4 ~ p "$" {found=1} END {exit !found}'; then
    emit port OK "tcp/$PORT listening"
  else
    emit port WARN "tcp/$PORT not-listening"
  fi
}

printf 'item\tstatus\tvalue\n'
check_host
check_cpu
check_memory
check_disk
check_process
check_service
check_port
EOF

chmod +x inspect.sh
./inspect.sh

预期输出的结构如下。主机名、内核、负载、百分比以及服务状态取决于实际服务器,因此使用占位值表示。

text
item	status	value
host	OK	<HOST> kernel=<VERSION>
cpu_load	INFO	load1=<LOAD>
memory	<STATUS>	used=<PERCENT>%
disk_root	<STATUS>	used=<PERCENT>%
process	<STATUS>	sshd <STATE>
service	<STATUS>	sshd <STATE>
port	<STATUS>	tcp/22 <STATE>

状态与指标不要混为一谈

CPU 负载在示例中只作为 INFO 指标输出,因为负载是否异常与 CPU 核数、业务类型和持续时间有关,直接写死一个全局阈值容易误报。内存与磁盘则使用明确百分比阈值,因此可以直接给出 OK 或 WARN。

当某个检查依赖的工具不存在时,脚本返回 UNKNOWN,而不是假装检查通过。例如没有 systemctl 的容器环境无法完成 systemd 服务检查,此时 UNKNOWN 比 OK 更准确。

设计检查项时控制职责边界

一个检查函数最好只回答一个问题。磁盘检查不要顺便删除日志,服务检查也不要发现异常后立即重启服务。巡检阶段负责采集和判断,修复动作应由单独流程执行,这样既方便审计,也能避免一次误判直接改变服务器状态。

后续扩展网络延迟、证书有效期或应用接口时,只要继续遵守 item、status、value 的输出契约,就可以在不改变现有模块的情况下增加检查项,并让同一份结果继续被日志、批量汇总或告警程序处理。

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

设计巡检脚本的检查项目

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