Shell 脚本基础与服务器健康检查实践

Shell 脚本是 Linux 运维自动化中最基础、最常用的工具之一。服务器巡检、日志分析、定时备份、服务重启、部署发布、磁盘清理等重复性操作，都可以通过 Shell 脚本固化为可重复执行的流程。

在运维场景中，Shell 脚本的价值不在于语法复杂，而在于把人工操作变成：

1
可重复执行
2
可记录结果
3
可定时运行
4
可扩展告警
5
可用于排障

本文以一个网站健康检查脚本为例，归纳 Shell 脚本的基础语法和常见运维用法。

Shell 脚本的基本结构#

一个最简单的 Shell 脚本通常以解释器声明开头：

1
#!/bin/bash

这行称为 shebang，表示该脚本使用 bash 解释执行。

脚本文件通常以 .sh 作为后缀，例如：

1
health-check.sh
2
backup-site.sh
3
nginx-log-summary.sh

创建脚本后，需要赋予执行权限：

1
chmod +x health-check.sh

然后可以直接执行：

1
./health-check.sh

如果没有执行权限，也可以通过 bash 调用：

1
bash health-check.sh

变量#

Shell 中可以使用变量保存路径、网址、状态码等信息。

1
URL="https://tiancheng-blog.com"
2
LOG_FILE="$HOME/health-check.log"

变量赋值时，等号两边不能有空格。

正确写法：

1
URL="https://tiancheng-blog.com"

错误写法：

1
URL = "https://tiancheng-blog.com"

使用变量时，需要在变量名前加 $：

1
echo "$URL"

为了避免变量中包含空格或特殊字符导致解析错误，实际脚本中建议始终给变量加双引号：

1
echo "$LOG_FILE"

命令替换#

Shell 可以把一条命令的输出保存到变量中。

1
TIME=$(date "+%Y-%m-%d %H:%M:%S")

其中：

1
$(...)

表示先执行括号内的命令，再把输出结果作为变量值。

例如：

1
STATUS_CODE=$(curl -o /dev/null -s -w "%{http_code}" "$URL")

这行命令会访问指定 URL，并把 HTTP 状态码保存到 STATUS_CODE 变量中。

if 判断#

Shell 中可以使用 if 对条件进行判断。

1
if [ "$STATUS_CODE" = "200" ]; then
2
  echo "网站正常"
3
else
4
  echo "网站异常"
5
fi

需要注意：

[ 和 ] 两边必须有空格；
字符串比较常用 =；
fi 表示 if 语句结束。

多个条件可以使用 && 连接：

1
if [ "$STATUS_CODE" = "200" ] && [ "$NGINX_STATUS" = "active" ]; then
2
  echo "网站和 Nginx 都正常"
3
fi

&& 表示“并且”，只有两个条件都成立时，整体条件才成立。

字符串判断与数字判断#

Shell 中常见判断可以分为字符串判断和数字判断。

字符串判断常用于比较状态码、服务状态、参数内容：

1
if [ "$NGINX_STATUS" = "active" ]; then
2
  echo "Nginx 正常"
3
fi

常见字符串判断：

写法	含义
`=`	字符串相等
`!=`	字符串不相等
`-z "$VAR"`	字符串为空
`-n "$VAR"`	字符串不为空

示例：

1
if [ -z "$URL" ]; then
2
  echo "URL 不能为空"
3
  exit 1
4
fi

数字判断常用于比较磁盘使用率、内存使用率、请求数量等：

1
if [ "$DISK_USAGE" -gt 80 ]; then
2
  echo "磁盘使用率过高"
3
fi

常见数字比较符号：

写法	含义
`-lt`	小于
`-le`	小于等于
`-gt`	大于
`-ge`	大于等于
`-eq`	等于
`-ne`	不等于

需要注意，字符串比较和数字比较不要混用。例如：

1
[ "$STATUS_CODE" = "200" ]

适合比较 HTTP 状态码字符串。

1
[ "$DISK_USAGE" -gt 80 ]

适合比较磁盘使用率数字。

脚本参数#

Shell 脚本可以从命令行接收参数。

例如执行脚本时传入一个 URL：

1
./health-check.sh https://tiancheng-blog.com

脚本中可以通过 $1 读取第一个参数：

1
URL="$1"

常见参数变量：

写法	含义
`$0`	当前脚本名称
`$1`	第一个参数
`$2`	第二个参数
`$#`	参数个数
`$@`	所有参数

示例：

1
#!/bin/bash
2

3
URL="$1"
4

5
if [ -z "$URL" ]; then
6
  echo "Usage: $0 <url>"
7
  exit 1
8
fi
9

10
STATUS_CODE=$(curl -o /dev/null -s -w "%{http_code}" "$URL")
11
echo "$URL status=$STATUS_CODE"

这样脚本就不再把检查目标写死，而是可以检查不同网站。

函数#

当脚本逻辑变多时，可以使用函数把不同检查项拆开。

函数格式：

1
function_name() {
2
  command
3
}

示例：

1
check_site() {
2
  STATUS_CODE=$(curl -o /dev/null -s -w "%{http_code}" "$URL")
3

4
  if [ "$STATUS_CODE" = "200" ]; then
5
    echo "网站正常"
6
    return 0
7
  else
8
    echo "网站异常：$STATUS_CODE"
9
    return 1
10
  fi
11
}
12

13
check_site

这里的 check_site 是函数名，最后一行 check_site 表示调用函数。

函数可以让脚本结构更清楚。例如：

1
check_site
2
check_nginx
3
check_disk
4
check_memory
5
write_summary

每个函数只负责一个检查项，后续修改时不容易影响其他部分。

退出码、return 与 exit#

Linux 命令执行结束后，都会产生一个退出码。

通常：

1
0 表示成功
2
非 0 表示失败

查看上一条命令的退出码：

1
echo $?

脚本中常用 exit 表示整个脚本的结束状态：

1
exit 0

表示脚本正常结束。

1
exit 1

表示脚本异常结束。

函数中常用 return 返回函数执行结果：

1
check_nginx() {
2
  NGINX_STATUS=$(systemctl is-active nginx)
3

4
  if [ "$NGINX_STATUS" = "active" ]; then
5
    return 0
6
  else
7
    return 1
8
  fi
9
}

return 和 exit 的区别：

写法	作用范围
`return`	结束当前函数
`exit`	结束整个脚本

在健康检查脚本中，退出码很重要。因为 cron、GitHub Actions、监控系统都可以根据退出码判断脚本是否执行成功。

for 循环#

for 循环适合遍历一组固定对象。

例如检查多个网站：

1
for URL in https://tiancheng-blog.com https://example.com; do
2
  STATUS_CODE=$(curl -o /dev/null -s -w "%{http_code}" "$URL")
3
  echo "$URL status=$STATUS_CODE"
4
done

基本结构：

1
for ITEM in list; do
2
  command
3
done

也可以遍历多个服务：

1
for SERVICE in nginx ssh cron; do
2
  STATUS=$(systemctl is-active "$SERVICE")
3
  echo "$SERVICE: $STATUS"
4
done

while 循环#

while 循环适合在条件成立时反复执行。

示例：

1
COUNT=1
2

3
while [ "$COUNT" -le 5 ]; do
4
  echo "第 $COUNT 次检查"
5
  COUNT=$((COUNT + 1))
6
done

其中：

1
$((COUNT + 1))

表示进行数学计算。

while 也常用于逐行读取文件：

1
while read -r LINE; do
2
  echo "$LINE"
3
done < access.log

这种写法可以逐行处理日志文件。

HTTP 状态码检查#

网站是否可用，最直接的检查方式是访问网站并读取 HTTP 状态码。

1
STATUS_CODE=$(curl \
2
  --connect-timeout 5 \
3
  --max-time 10 \
4
  -o /dev/null \
5
  -s \
6
  -w "%{http_code}" \
7
  "$URL")

参数说明：

参数	作用
`--connect-timeout 5`	连接最多等待 5 秒
`--max-time 10`	整个请求最多执行 10 秒
`-o /dev/null`	不保存网页内容
`-s`	静默模式，不输出进度
`-w "%{http_code}"`	只输出 HTTP 状态码

常见状态码：

状态码	含义
`200`	请求成功
`301` / `302`	重定向
`403`	禁止访问
`404`	页面不存在
`500`	服务端错误
`502`	网关错误
`000`	没有拿到 HTTP 响应，常见于 DNS 失败、连接失败、超时

Nginx 服务状态检查#

如果网站无法访问，除了页面本身的问题，也可能是 Nginx 服务异常。

可以使用：

1
systemctl is-active nginx

如果 Nginx 正常运行，输出通常是：

1
active

脚本中可以写成：

1
NGINX_STATUS=$(systemctl is-active nginx)

然后判断：

1
if [ "$NGINX_STATUS" = "active" ]; then
2
  echo "Nginx 正常"
3
else
4
  echo "Nginx 异常"
5
fi

磁盘空间检查#

服务器磁盘空间不足是常见故障原因。磁盘满了可能导致：

日志无法写入；
数据库无法正常工作；
部署失败；
服务启动异常；
临时文件无法创建。

检查根目录 / 的磁盘使用率：

1
df /

示例输出：

1
Filesystem     1K-blocks    Used Available Use% Mounted on
2
/dev/vda1       41151808 8150000  33001808  20% /

取出使用率：

1
DISK_USAGE=$(df / | awk 'NR==2 {print $5}' | tr -d '%')

拆解：

片段	作用
`df /`	查看根目录所在磁盘
`awk 'NR==2 {print $5}'`	取第二行第五列，即 `Use%`
`tr -d '%'`	删除百分号，保留数字

数字比较使用：

1
[ "$DISK_USAGE" -lt 80 ]

其中 -lt 表示小于。

常见数字比较符号：

写法	含义
`-lt`	小于
`-le`	小于等于
`-gt`	大于
`-ge`	大于等于
`-eq`	等于
`-ne`	不等于

内存使用率检查#

查看内存：

1
free -m

示例输出：

1
               total        used        free      shared  buff/cache   available
2
Mem:            1968         500         300          20        1168        1300
3
Swap:              0           0           0

计算内存使用率：

1
MEM_USAGE=$(free | awk '/Mem:/ {printf("%.0f", $3/$2 * 100)}')

含义：

片段	作用
`/Mem:/`	找到包含 `Mem:` 的行
`$2`	总内存
`$3`	已使用内存
`$3/$2 * 100`	计算使用率
`printf("%.0f", ...)`	输出整数，不带小数

需要注意，Linux 会把部分空闲内存用于缓存，因此在更严谨的监控中，也可以结合 available 字段判断内存压力。入门阶段使用 used / total 计算即可理解基本逻辑。

日志记录#

运维脚本应当记录执行结果。否则脚本即使定时运行，也很难追踪历史状态。

可以使用：

1
echo "内容" >> "$LOG_FILE"

其中：

符号	作用
`>`	覆盖写入
`>>`	追加写入

巡检日志通常使用追加写入，避免覆盖历史记录。

如果希望把错误输出也写入日志，可以使用：

1
command >> "$LOG_FILE" 2>&1

其中：

写法	含义
`1`	标准输出
`2`	标准错误
`2>&1`	把错误输出合并到标准输出

例如：

1
systemctl status nginx >> "$LOG_FILE" 2>&1

表示无论命令输出正常信息还是错误信息，都追加写入同一个日志文件。

建议区分普通日志和错误日志：

1
LOG_FILE="$HOME/health-check.log"
2
ERROR_LOG_FILE="$HOME/health-check-error.log"

普通日志记录所有检查结果，错误日志只记录异常，便于排查。

完整健康检查脚本#

1
#!/bin/bash
2

3
URL="https://tiancheng-blog.com"
4
LOG_FILE="$HOME/health-check.log"
5
ERROR_LOG_FILE="$HOME/health-check-error.log"
6

7
TIME=$(date "+%Y-%m-%d %H:%M:%S")
8

9
STATUS_CODE=$(curl \
10
  --connect-timeout 5 \
11
  --max-time 10 \
12
  -o /dev/null \
13
  -s \
14
  -w "%{http_code}" \
15
  "$URL")
16

17
NGINX_STATUS=$(systemctl is-active nginx)
18
DISK_USAGE=$(df / | awk 'NR==2 {print $5}' | tr -d '%')
19
MEM_USAGE=$(free | awk '/Mem:/ {printf("%.0f", $3/$2 * 100)}')
20

21
if [ "$STATUS_CODE" = "200" ] && [ "$NGINX_STATUS" = "active" ] && [ "$DISK_USAGE" -lt 80 ] && [ "$MEM_USAGE" -lt 80 ]; then
22
  echo "[$TIME] OK: $URL status=$STATUS_CODE nginx=$NGINX_STATUS disk=${DISK_USAGE}% mem=${MEM_USAGE}%" >> "$LOG_FILE"
23
  echo "网站、Nginx、磁盘、内存都正常"
24
else
25
  echo "[$TIME] ERROR: $URL status=$STATUS_CODE nginx=$NGINX_STATUS disk=${DISK_USAGE}% mem=${MEM_USAGE}%" >> "$LOG_FILE"
26
  echo "[$TIME] ERROR: $URL status=$STATUS_CODE nginx=$NGINX_STATUS disk=${DISK_USAGE}% mem=${MEM_USAGE}%" >> "$ERROR_LOG_FILE"
27
  echo "发现异常：status=$STATUS_CODE nginx=$NGINX_STATUS disk=${DISK_USAGE}% mem=${MEM_USAGE}%"
28
fi

该脚本完成了四类检查：

检查项	判断标准
网站状态	HTTP 状态码为 `200`
Nginx 服务	`systemctl is-active nginx` 输出 `active`
磁盘空间	根目录使用率小于 `80%`
内存使用	内存使用率小于 `80%`

如果希望让外部工具识别脚本结果，可以在最后加入退出码：

1
if [ "$STATUS_CODE" = "200" ] && [ "$NGINX_STATUS" = "active" ] && [ "$DISK_USAGE" -lt 80 ] && [ "$MEM_USAGE" -lt 80 ]; then
2
  exit 0
3
else
4
  exit 1
5
fi

这样脚本不只是写日志，还能把成功或失败状态返回给调用方。

crontab 定时执行#

手动运行脚本只能检查一次。要实现自动巡检，可以使用 crontab。

编辑当前用户的定时任务：

1
crontab -e

添加：

1
*/5 * * * * /home/ubuntu/health-check.sh

表示每 5 分钟执行一次脚本。

crontab 的时间格式：

1
分钟 小时 日期 月份 星期 命令

常见示例：

表达式	含义
`/5 * * *`	每 5 分钟执行一次
`0 * * * *`	每小时整点执行一次
`0 2 * * *`	每天凌晨 2 点执行一次
`0 2 * * 0`	每周日凌晨 2 点执行一次
`30 23 * * *`	每天 23:30 执行一次

查看当前定时任务：

1
crontab -l

查看巡检日志：

1
tail -f /home/ubuntu/health-check.log

如果每 5 分钟出现一条新记录，说明定时任务已经正常运行。

在 crontab 中建议把输出重定向到日志文件：

1
*/5 * * * * /home/ubuntu/health-check.sh >> /home/ubuntu/health-check.log 2>&1

这样即使脚本在定时执行时出现错误，也能在日志中找到记录。

脚本调试#

脚本执行结果不符合预期时，可以使用调试方式运行。

显示每一步实际执行的命令：

1
bash -x health-check.sh

也可以在脚本开头加入：

1
set -x

表示开启调试输出。

如果希望脚本在某条命令失败时立即停止，可以使用：

1
set -e

常见调试方式：

写法	作用
`bash -x script.sh`	临时查看脚本执行过程
`set -x`	在脚本中开启命令追踪
`set +x`	关闭命令追踪
`set -e`	命令失败时立即退出脚本

调试时可以先使用 bash -x，确认变量值和命令执行顺序是否符合预期。

常见巡检指标#

服务器健康检查通常可以分为应用可用性、系统资源、服务状态和外部依赖四类。

类型	常见指标	常用命令或工具
应用可用性	HTTP 状态码、响应时间、页面关键字	`curl`
服务状态	Nginx、数据库、后台服务是否运行	`systemctl`
端口监听	Web、SSH、数据库端口是否开放	`ss`、`lsof`
磁盘空间	根目录、日志目录、数据目录使用率	`df`、`du`
内存状态	内存使用率、可用内存、Swap 使用情况	`free`
CPU 状态	CPU 使用率、负载、异常进程	`top`、`uptime`、`ps`
证书状态	HTTPS 证书剩余有效期	`openssl`
容器状态	Docker 容器是否运行、是否频繁重启	`docker ps`、`docker logs`
数据库连接	数据库是否可连接、查询是否正常	`mysql`、`psql`
日志异常	4xx、5xx、关键错误信息	`grep`、`awk`、`journalctl`

巡检脚本的设计重点不是一次性检查所有指标，而是根据服务的重要性逐步增加检查项。对于个人站点或小型服务，HTTP 状态码、服务状态、磁盘空间和内存使用率通常已经能覆盖大部分基础故障。

异常处理方式#

巡检发现异常后，常见处理方式包括：

写入错误日志；
在终端输出明确错误信息；
发送邮件、企业微信、Telegram 等通知；
自动执行安全的恢复动作；
将异常记录交给监控系统；
结合日志分析工具进一步定位原因。

需要注意，自动恢复动作应当谨慎使用。比如重启服务、删除文件、清理日志等操作都可能影响线上环境。更稳妥的做法是先记录异常并通知人工确认，再逐步引入自动恢复。

小结#

一个基础运维巡检脚本通常包含以下部分：

1
定义检查目标
2
获取当前时间
3
执行检查命令
4
保存检查结果
5
判断是否异常
6
写入日志
7
定时执行
8
持续改进

音乐

音乐