给云服务器做一次轻量体检:我的 Shell 巡检脚本实践

举报
yd_292341179 发表于 2026/11/17 10:16:06 2026/11/17
【摘要】 把每天手动巡检云服务器的命令固定成一个 Shell 脚本:定时执行、输出报告、超阈值标注,记录脚本的设计思路与踩坑过程。

一、为什么要给服务器做巡检

我手里管着几台云服务器,上面跑着几个小服务和定时任务。以前巡检全靠“想起来就登录看一眼”:uptime 瞄一下负载,df -h 瞄一下磁盘,systemctl status 瞄一下服务。办法原始,忙起来还会漏掉,问题往往是变成故障之后才被发现。

于是我决定把“看一眼”固定下来:写一个 Shell 脚本,每天定时执行,输出一份报告,有异常就标出来。这篇文章记录的就是这个小脚本的设计和踩坑过程。

二、巡检要看哪几项

我把巡检内容分成四类,都是平时手动检查时真正会看的东西:

  1. 资源水位:CPU 负载、内存使用、磁盘使用率。磁盘是最容易被忽视的一项,日志、备份、临时文件都会悄悄长大。
  2. 关键服务状态:几个核心服务是不是在运行,端口是不是在监听。
  3. 系统日志里的错误:最近一天系统日志里有没有反复出现的 error、failed。
  4. 安全痕迹:失败登录尝试有没有突然增多。

这四类基本覆盖了日常判断;巡检的目的是早发现、早处理,不是做性能调优。

三、脚本长什么样

脚本只有一个 Bash 文件,分成几个小函数,每个函数负责一项检查,最后汇总成一份带时间戳的报告,超过阈值就标注出来。

#!/bin/bash
# server-check.sh
set -u
REPORT="/var/log/server-check/report-$(date +%F).log"
mkdir -p "$(dirname "$REPORT")"

log() { echo "[$(date '+%F %T')] $*" | tee -a "$REPORT"; }

check_disk() {
  df -h --output=target,pcent | tail -n +2 | while read -r mount used; do
    pct=${used%\%}
    if [ "$pct" -ge 80 ]; then log "[注意] 磁盘 $mount 使用率 $used";
    else log "[正常] 磁盘 $mount 使用率 $used"; fi
  done
}

check_mem() {
  free -m | awk 'NR==2{printf "[信息] 内存:总计 %sMB,已用 %sMB,可用 %sMB\n", $2, $3, $7}'
}

check_service() {
  for svc in nginx sshd cron; do
    if systemctl is-active --quiet "$svc"; then log "[正常] 服务 $svc 运行中";
    else log "[注意] 服务 $svc 未运行"; fi
  done
}

check_disk
check_mem
check_service

几点说明:

  • set -u 让未定义变量直接报错,避免脚本在变量名拼错时悄悄跑偏。
  • 磁盘阈值 80% 是我自己定的经验值,目的是留出处理时间;每台机器的合理值不一样,先看自己的磁盘增长速度再定。
  • free 要看 available 那一列,而不是只看 used:Linux 会把空闲内存拿去做缓存,used 高不一定代表内存真的紧张。

四、让它每天自动跑

脚本写好后,剩下的就是定时执行。我用 cron 每天早上 8 点跑一次:

0 8 * * * /usr/local/bin/server-check.sh

报告按日期命名,存在 /var/log/server-check/ 下面,也要用 logrotate 做轮转、保留最近 14 天,不然巡检报告自己也会把磁盘写满。

每天早上花一分钟扫一眼报告即可:全是“[正常]”就直接关掉,出现“[注意]”再去处理。

五、踩过的几个坑

1. df 只看了根分区。 一开始我只检查了 /,后来发现数据盘挂在别的目录,真正满的是数据盘。现在脚本会遍历所有挂载点。

2. 服务“在运行”不等于“能用”。 systemctl is-active 只能说明进程在,更稳妥的是再加一层检查,比如用 ss -ltn 看端口在不在监听,或者 curl 一下健康检查地址。

3. 内存只看 used 会吓自己一跳。 刚开始看到 used 很高,以为内存不够,后来才明白 cached 内存是随时可以回收的,看 available 才准。

4. 告警太敏感等于没有告警。 最初我把磁盘阈值设得很低,报告天天标“[注意]”,看多了就麻木了。后来把阈值调到真正需要处理的水平,报告才重新有了提醒的意义。

六、这样做值不值

对我来说是值的:写脚本花的时间不多,换来每天一分钟的巡检,和一个确定的习惯——问题在变成故障之前,大概率已经出现在报告里了。

当然,它代替不了监控告警系统:磁盘满了不会自己发消息,服务挂了也不会自动重启。这只是一层轻量的个人日常检查,等规模再大一些,再接专业的监控和告警。

如果你也管着一两台服务器,不妨从这样一个小脚本开始:先把每天手动敲的命令固定下来,跑上两周,再根据报告里出现过的问题调整检查项和阈值。“每天看一眼”这个习惯,越早建立越好。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。