14 10 月 2026

服务器不出事的时候,没人想得起它;出事的时候,才发现三个月没看过日志、磁盘早就满了、证书上周就过期了。

巡检是成本最低的保障。这篇给一份完整的巡检清单 + 可直接跑的自动化脚本,把「出事才发现」变成「出事前预警」。

需要云服务器可以看看财富云计算:一键开服面板,NAT 型无独立公网 IP,价格比独立 IP 机型省一半以上,主流游戏快速部署。

一、巡检清单:每天 5 分钟看这些

必看项(每天)

项命令正常标准
磁盘使用率df -h /< 80%
内存可用free -havailable > 20%
CPU 负载uptimeload < 核数
服务状态systemctl --failed无 failed
备份是否成功看备份日志今天有备份记录
带宽/流量iftop 抽查无异常峰值

每周看

项命令/位置关注点
安全日志lastb、fail2ban 状态暴力破解尝试
错误日志journalctl -p err --since "7 days ago"反复出现的错误
端口变化ss -tulnp 对比基线陌生监听
账号变化/etc/passwd 对比陌生账号
证书到期openssl x509 -enddate> 30 天
备份恢复演练抽一次解压验证备份可用

每月看

项关注点
系统更新apt update && apt list --upgradable,排期更新
大文件清理/var/log、/tmp、旧内核
用户/权限审计sudo 列表、应用账号权限
成本回顾带宽/流量/存储用量,该降配降配

二、自动化巡检脚本

把上面的清单写成一个脚本,每天定时跑,异常推送告警。

#!/bin/bash
#==================================================
# 服务器日常巡检脚本
# 输出巡检报告,异常项推送告警
# 用法: ./inspect.sh [--quiet 只输出异常]
#==================================================

WEBHOOK="https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=你的key"
REPORT="/tmp/inspect-$(date +%Y%m%d).txt"
WARN=""

log() { echo "$1" >> "$REPORT"; }
warn() { WARN="$WARN\n$1"; log "⚠️ $1"; }
alert() {
  [ -n "$WARN" ] && curl -s "$WEBHOOK" -H 'Content-Type: application/json' -d "{
    \"msgtype\": \"text\",
    \"text\": {\"content\": \"【巡检告警】$(hostname)$(echo -e $WARN)\"}
  }"
}

echo "======== $(hostname) 巡检报告 $(date '+%F %T') ========" > "$REPORT"

# ===== 1. 磁盘 =====
log "--- 磁盘使用率 ---"
df -h | grep -vE "tmpfs|overlay" | awk 'NR>1 {print $6, $5}' | while read fs pct; do
  p=${pct%\%}
  if [ "$p" -ge 90 ]; then warn "磁盘 $fs 使用率 ${p}%(危险)"; 
  elif [ "$p" -ge 80 ]; then warn "磁盘 $fs 使用率 ${p}%(关注)"; fi
done
df -h / >> "$REPORT" 2>&1

# ===== 2. 内存 =====
log "--- 内存 ---"
free -h >> "$REPORT"
AVAIL=$(free -m | awk 'NR==2 {print $7}')
TOTAL=$(free -m | awk 'NR==2 {print $2}')
PCT=$((AVAIL * 100 / TOTAL))
[ "$PCT" -lt 20 ] && warn "内存可用仅 ${PCT}%(${AVAIL}M/${TOTAL}M)"

SWAP_USED=$(free -m | awk 'NR==3 {print $3}')
[ "$SWAP_USED" -gt 512 ] && warn "Swap 已用 ${SWAP_USED}M,内存可能不足"

# ===== 3. 负载 =====
log "--- 负载 ---"
LOAD=$(uptime | awk -F'load average:' '{print $2}')
CORES=$(nproc)
log "负载:$LOAD (核数 $CORES)"
L1=$(echo "$LOAD" | awk -F, '{print $1}' | tr -d ' ')
awk "BEGIN{exit !($L1 > $CORES)}" && warn "1 分钟负载 $L1 超过核数 $CORES"

# ===== 4. 失败的服务 =====
log "--- 服务状态 ---"
FAILED=$(systemctl --failed --no-legend | wc -l)
if [ "$FAILED" -gt 0 ]; then
  warn "有 $FAILED 个服务处于 failed 状态"
  systemctl --failed --no-legend >> "$REPORT"
fi

# ===== 5. 端口基线对比 =====
log "--- 监听端口 ---"
CUR=$(ss -tuln | awk 'NR>1 {print $1, $5}' | sort)
echo "$CUR" >> "$REPORT"
BASE="/opt/scripts/port-baseline.txt"
if [ -f "$BASE" ]; then
  NEW=$(comm -13 <(sort "$BASE") <(echo "$CUR"))
  [ -n "$NEW" ] && warn "发现新监听端口:\n$NEW"
else
  echo "$CUR" > "$BASE"; log "端口基线已建立"
fi

# ===== 6. 备份检查 =====
log "--- 备份检查 ---"
BK="/backup/mysql"
if [ -d "$BK" ]; then
  LATEST=$(ls -1t "$BK"/*.sql.gz 2>/dev/null | head -1)
  if [ -n "$LATEST" ]; then
    AGE=$(( ($(date +%s) - $(stat -c %Y "$LATEST")) / 3600 ))
    [ "$AGE" -gt 26 ] && warn "最新备份已 ${AGE} 小时前,备份可能没在跑"
    log "最新备份: $LATEST (${AGE} 小时前)"
  else
    warn "备份目录为空!"
  fi
fi

# ===== 7. 证书到期 =====
log "--- SSL 证书 ---"
for cert in /etc/letsencrypt/live/*/fullchain.pem; do
  [ -f "$cert" ] || continue
  END=$(openssl x64 -in "$cert" -noout -enddate 2>/dev/null || openssl x509 -in "$cert" -noout -enddate 2>/dev/null | cut -d= -f2)
  DAYS=$(( ($(date -d "$END" +%s) - $(date +%s)) / 86400 ))
  [ "$DAYS" -lt 14 ] && warn "证书 $cert ${DAYS} 天后过期"
done

# ===== 8. 安全: 暴力破解尝试 =====
log "--- SSH 登录失败 ---"
FAILS=$(grep -c "Failed password" /var/log/secure /var/log/auth.log 2>/dev/null | awk -F: '{s+=$2} END {print s}')
[ "${FAILS:-0}" -gt 100 ] && warn "SSH 失败登录 ${FAILS} 次,检查 fail2ban"

# ===== 9. 游戏服进程抽查 =====
log "--- 游戏服进程 ---"
for svc in palworld ark terraria; do
  if systemctl list-unit-files | grep -q "$svc.service"; then
    if ! systemctl is-active --quiet "$svc"; then
      warn "游戏服 $svc 未运行!"
    fi
  fi
done

# ===== 输出 =====
log ""
log "======== 巡检结束 ========"
[ -n "$WARN" ] && alert

cat "$REPORT"

挂定时任务

chmod +x /opt/scripts/inspect.sh

# 每天早上 9 点巡检,有异常才推送
crontab -e
0 9 * * * /opt/scripts/inspect.sh --quiet >/dev/null 2>&1

三、告警渠道选择

渠道延迟成本适合
企业微信/钉钉机器人秒级免费团队协作,推荐
邮件分钟级免费非紧急、日报
短信/电话秒级几分钱/条致命告警(磁盘满、服务挂)
Server酱/Telegram秒级免费个人

告警分级建议:

  • P1 电话:服务全挂、磁盘 95%+
  • P2 企业微信:备份失败、服务重启、异常登录
  • P3 日报:汇总巡检报告,早上看

别所有告警都推送——告警太多等于没有告警。分级 + 只推异常。

四、游戏服巡检专项

游戏服除了常规项,还要看:

# 1. 服务端进程存活(被 OOM 杀了最常见)
systemctl is-active palworld

# 2. 端口在监听
ss -ulnp | grep 8211

# 3. 存档最近更新时间(判断服务端是否真的在跑)
ls -la /opt/games/palworld/server/Pal/Saved/SaveGames/

# 4. 内存趋势(泄漏)
ps -o rss= -p $(pgrep -f PalServer) 

# 5. SteamCMD 更新是否失败(看日志)
tail -20 /opt/games/palworld/server/Steam/logs/

# 6. 在线人数(从查询端口或 RCON)

把这些加进巡检脚本的「游戏服进程抽查」部分。

五、巡检报告的可视化

纯文本报告看久了累,两个轻量方案:

# 方案1: 报告转 HTML(邮件发)
# 用 bash + 简单模板生成,或用 markdown 转

# 方案2: 历史数据存起来,用 Netdata/Grafana 看趋势
# 把 df/free/load 指标定时采集,存成文件
echo "$(date +%s) $(df / | awk 'NR==2 {print $5}') $(free -m | awk 'NR==2 {print $3}')" >> /var/log/metrics.log

趋势比快照重要:磁盘从 60% 涨到 85% 用了两周,比某天突然 90% 更有预警价值。

六、常见问题

Q:crontab 里的脚本不执行?
环境变量问题。脚本用绝对路径、开头 export PATH=...、检查 /var/log/cron 或 journalctl -u cron。

Q:告警太频繁,烦了?
调高阈值(磁盘 80% 再报)、加防抖(连续两次异常才报)、分级推送。别把「关注级」和「危险级」混在一起。

Q:巡检发现端口变化但不知道是谁?
ss -tulnp 看进程名和 PID,ls -l /proc/PID/exe 看可执行文件路径。陌生进程按应急流程处理。

Q:备份检查怎么知道备份成功?
看两件事:文件存在 + 时间戳是新的。更严的做法:备份脚本跑完写个状态文件,巡检读状态。

Q:脚本能同时管多台吗?
单机巡检脚本每台跑一个;想汇总多台,用 Ansible 批量跑(见Ansible 批量运维),或者部署 Prometheus 统一采集。

小结

巡检的核心是「自动化 + 分级告警」:每天脚本自动跑一遍清单,异常按级别推送,正常只进日报。配合每周的人工项(恢复演练、权限审计),服务器的可用性就有基本盘了。这套东西一两个小时搭好,之后每天省下来的心和避开的坑,远超投入。

更多运维内容见财富云计算知识库:crontab、监控体系、备份策略、Ansible 全系列。需要云服务器可以看看财富云计算:一键开服面板,NAT 型无独立公网 IP,价格比独立 IP 机型省一半以上。

延伸阅读
  1. 高防误区与避坑清单:25 个坑+下单前必问 14 问+到货验货流程
  2. DNS 攻击防护专题:劫持、隧道、投毒、放大四类攻击与 DNSSEC
  3. 电商大促防攻击预案:T-14 到当天的分级响应与降级开关
  4. 源站真实 IP 隐藏完全指南:六大暴露面排查+NAT 型终极方案
  5. 日志分析找攻击源:Nginx 日志三维度分析法与证据固定
  6. 攻击应急响应手册:六阶段响应流程,从确认到复盘的照做清单
  7. iptables 抗 DDoS 配置模板:状态过滤+SYN 防护+防扫描+游戏服版
  8. OpenResty Lua 自研 WAF:动态限流+攻击特征检测+Redis 黑名单
更多阅读
  1. 上一篇:Ansible 批量运维入门:管十台像管一台
  2. 下一篇:WordPress 搭建与性能优化完整指南:从安装到提速
发表评论 8

    1. 僵尸进程与 CPU 异常排查实战:load 飙高找不到元凶时看这篇 - 			财富云计算 - 维基百科的头像
      僵尸进程与 CPU 异常排查实战:load 飙高找不到元凶时看这篇 - 财富云计算 - 维基百科  

      [...]uptime # load做成 cron 每日邮件报告,模板见服务器日常巡检清单与自动化。监控告警体系见Prometheus 监控体系。排查口诀:先 uptime 看 load,再 top 找 CPU,ps 看状态位,iostat 看磁盘,dmesg 看内核,crontab 查根。按顺序来,没有查不到的问题。进程异常大多有迹可循:僵尸找爹、[...]

    2. Linux 入侵检测工具实战:rkhunter、AIDE、ClamAV 每周自动扫 - 			财富云计算 - 维基百科的头像
      Linux 入侵检测工具实战:rkhunter、AIDE、ClamAV 每周自动扫 - 财富云计算 - 维基百科  

      [...]mail -s "安全周报-$(hostname)-$(date +%F)" admin@example.com < $LOG挂 crontab 每周一凌晨跑,周一早上喝着咖啡看报告。更完整的巡检体系见服务器日常巡检清单与自动化。七、报告出来后的处理优先级发现动作系统二进制被改重装该包(apt install --reinstall),查入侵入口陌生 SUID 文件立刻定[...]

    3. 磁盘空间排查与清理实战:删了文件空间不释放怎么办 - 			财富云计算 - 维基百科的头像
      磁盘空间排查与清理实战:删了文件空间不释放怎么办 - 财富云计算 - 维基百科  

      [...]0 9 * df -h | awk '$5+0 &gt; 80 {print $0}' | mail -s "磁盘告警-$(hostname)" admin@example.com或上监控系统见Prometheus 监控体系,配磁盘使用率曲线,涨势看得见。巡检模板见服务器日常巡检清单与自动化。五、应急:磁盘 100% 时先救火满盘时很多命令都报错,按这个顺序腾空间:# [...]

    4. 内存泄漏排查实战:从确认泄漏到定位代码到工程化兜底 - 			财富云计算 - 维基百科的头像
      内存泄漏排查实战:从确认泄漏到定位代码到工程化兜底 - 财富云计算 - 维基百科  

      [...]└─ 已经 OOM → dmesg 确认 → Swap 急救 → 重启 → 再走上面流程七、预防清单[ ] 关键服务配 MemoryMax 或 mem_limit,泄漏可控[ ] Swap 必配(小内存机器的保险丝)[ ] 关键进程(DB)调低 oom_score_adj,别被冤杀[ ] 内存监控告警:85% 持续 10 分钟[ ] 每周看一次 RSS 趋势曲线[ ] 新服务上线前跑一轮 valg[...]

    5. 文件描述符与 inode 耗尽处理:Too many open files 根治 - 			财富云计算 - 维基百科的头像
      文件描述符与 inode 耗尽处理:Too many open files 根治 - 财富云计算 - 维基百科  

      [...]0 9 * df -h / | awk 'NR==2 && $5+0&gt;80 {print &quot;磁盘空间:&quot;$0}'; df -i / | awk 'NR==2 && $5+0&gt;80 {print &quot;inode:&quot;$0}' | mail -s "资源告警" admin@example.com[...]

    6. Steam游戏开服端口速查表:AppID、端口协议、配置需求一表查完(含Windows/Linux双系统索引) - 			财富云计算 - 维基百科的头像
      Steam游戏开服端口速查表:AppID、端口协议、配置需求一表查完(含Windows/Linux双系统索引) - 财富云计算 - 维基百科  

      [...]netsh advfirewall firewall add rule name="GameRange" dir=in action=allow protocol=UDP localport=26901-26903完整的 Windows 环境准备(远程桌面连接、运行库安装、SteamCMD 用法、开机自启、8 个常见坑)见:《Windows 云服务器开服通用前置教程》→ htt[...]

    7. 云服务器成本优化完全手册:从选型到续费,把钱花在刀刃上 - 			财富云计算 - 维基百科的头像
      云服务器成本优化完全手册:从选型到续费,把钱花在刀刃上 - 财富云计算 - 维基百科  

      [...]ps aux --sort=-%mem | head更系统的清单见服务器巡检清单。七、续费与迁移:把选择权握在手里云厂商的第一年折扣是获客价,续费涨价是行业惯例。应对策略:1. 续费前三个月开始比价云厂商年年有拉新活动,老用户续费价比新用户购机价高是常态。到期前三个月:同配置横向比 3–5 家(含中小商家)问清续费价,写进采购决策年付前先月付试用一个月,尤其是没听过的新商家——跑路风险见下2. 保[...]

    8. 游戏服攻击防护实战:DDoS、连接耗尽、RCON 爆破的识别与防御 - 			财富云计算 - 维基百科的头像
      游戏服攻击防护实战:DDoS、连接耗尽、RCON 爆破的识别与防御 - 财富云计算 - 维基百科  

      [...]iptables -A INPUT -p udp --dport 27016 -j DROP被刷列表掉线时玩家体感是"服务器时有时无",配合状态监控页能区分"服挂了"和"被刷了"。六、被打了的应急响应流程真被打的时候,按这个顺序:确认不是自己炸了:看带宽(iftop)、看日志、看服务进程。天塌下来先别背错锅。止损:SSH 进去 → 防火墙临时只放行白名单 IP 和必要端口 → 观察是否恢复取证:s[...]