如何自动化巡检服务器状态

自动化巡检服务器状态可以从巡检内容、采集方式、调度执行、告警通知、可视化几个层面来设计。下面给你一套可落地的方案，从简单到专业逐步演进。

一、明确巡检内容（先想清楚查什么）

常见服务器巡检指标：

基础资源

• CPU 使用率
• 内存使用率
• 磁盘使用率 / Inode
• 网络流量 / 连接数

系统状态

• 系统负载（load average）
• 开机时间 / 重启记录
• 用户登录情况
• 防火墙 / SELinux 状态

服务与进程

• 关键服务是否运行（nginx、mysql、redis 等）
• 进程是否存在 / 是否僵尸
• 端口监听状态

日志与安全

• 系统日志报错
• 认证失败（暴力破解）
• 磁盘 SMART 状态

二、轻量级方案（脚本 + 定时任务）

1. Shell 脚本示例（Linux）

#!/bin/bash
# server_check.sh

HOST=$(hostname)
DATE=$(date '+%Y-%m-%d %H:%M:%S')

CPU=$(top -bn1 | grep "Cpu(s)" | awk '{print $2}')
MEM=$(free | awk '/Mem/{printf "%.1f", $3/$2*100}')
DISK=$(df -h / | awk 'NR==2{print $5}')

echo "$DATE $HOST CPU:$CPU% MEM:$MEM% DISK:$DISK"

2. 定时执行

crontab -e
*/30 * * * * /opt/scripts/server_check.sh >> /var/log/server_check.log

3. 异常告警（简单版）

if [ $(echo "$MEM > 90" | bc) -eq 1 ]; then
  echo "内存使用过高: $MEM%" | mail -s "服务器告警" admin@xx.com
fi

✅ 适合：服务器少（<10台）、无运维平台

三、批量服务器方案（SSH / Ansible）

使用 Ansible 批量巡检

# check.yml
- hosts: all
  tasks:
    - name: 检查磁盘
      shell: df -h /
      register: disk

    - name: 输出结果
      debug:
        msg: "{{ inventory_hostname }}: {{ disk.stdout }}"

执行：

ansible-playbook check.yml

可结合：

• ansible-cron
• 结果写入文件 / 数据库

✅ 适合：10–100 台服务器

四、专业监控方案（推荐）

1. Prometheus + Node Exporter（最主流）

架构：

服务器 → node_exporter → Prometheus → Grafana

优点

• 自动采集
• 历史趋势
• 告警规则
• 可视化

示例告警规则

- alert: 高CPU使用
  expr: 100 - (avg by(instance)(rate(node_cpu_seconds_total{mode="idle"}[5m])) * 100) > 85
  for: 5m

✅ 适合：中大型环境

2. Zabbix（企业常用）

• 自动发现主机
• 模板化监控
• 邮件 / 钉钉 / 微信告警
• 报表导出

✅ 适合：传统企业运维

五、告警与通知渠道

• 邮件
• 钉钉 / 企业微信
• 飞书
• Webhook → 自定义系统

示例（钉钉）：

curl -X POST $DINGTALK_URL \
  -H 'Content-Type: application/json' \
  -d '{"msgtype":"text","text":{"content":"服务器 CPU 告警"}}'

六、巡检结果可视化 / 报表

• Grafana 面板
• 每日巡检日报（脚本生成 PDF / Excel）
• 运维平台集中展示

七、推荐组合（按规模）

如果你愿意，可以告诉我：

• 服务器数量
• 系统类型（Linux / Windows）
• 是否要开源方案
• 告警方式（钉钉 / 微信 / 邮件）

我可以直接帮你写一套可运行的自动化巡检方案。