服务器巡检脚本集

2026 年 · Shell / Python

背景

手上有几台长期运行的机器，例行检查其实只有三件事：服务还在不在、证书还有几天到期、磁盘还剩多少。这三件事每次手工做一遍要十几分钟，而且容易漏。真正的风险不是做不完，而是做得不规律——三个月没看，才发现备份早就失败了。

设计原则

只读：巡检脚本不允许修改被检机器上的任何状态，避免「检查本身造成故障」。
可重复：同样输入，同样输出；不依赖执行顺序和操作者记忆。
退出码可判：全部正常返回 0，有问题返回非 0，便于挂到定时任务上。
说人话：输出里写清「哪一项、什么值、阈值多少」，而不是只吐一个失败。

结构

inspect/
├── check-services.sh      # systemd 单元是否 active
├── check-cert-expiry.sh   # 证书 notAfter 距今天数
├── disk-usage-report.py   # 各挂载点使用率与增长趋势
└── run-all.sh             # 汇总执行，统一退出码

两个踩过的坑

坑一：只检查「文件在不在」。 一个 0 字节的页面照样会让 HTTP 返回 200。判断服务是否健康，要看实质指标（响应内容长度、数据库行数、连接数），不能只看状态码。

坑二：阈值写死。 磁盘 80% 对日志盘是警告，对数据盘可能已经危险。阈值必须跟挂载点绑定，而不是全局一个数。

现在的用法

run-all.sh 挂在定时任务上每天跑一次，输出写日志；异常时返回非 0。下载页提供了其中两个脚本的原样版本，可以直接改路径使用。