怎样实现系统环境检测脚本

wen 实用脚本 2026-06-30 26

从零构建高可用自动化诊断工具

在当前复杂多变的IT基础设施中，系统环境检测脚本已成为运维工程师、开发人员及SRE工程师的必备利器，无论是部署前的环境预检、故障排查时的快速诊断，还是CI/CD流水线中的合规校验，一套健壮的检测脚本能够有效降低人为操作失误，提升自动化运维效率，如何从需求分析到代码落地，实现一套既准确又灵活的系统环境检测脚本？本文将为您拆解完整路径,并提供可复用的代码范式。

怎样实现系统环境检测脚本

📖 目录导读

理解核心需求：脚本应检测什么？
硬件资源、操作系统版本、依赖服务、网络连通性
检测脚本的设计原则
模块化、幂等性、可扩展性
关键技术实现：通用检测模块拆解
配置管理、执行引擎、结果输出
实战代码示例：基于Shell的通用检测框架
常见Q&A：优化与排坑技巧
进阶：集成告警与CI/CD流水线

检测脚本的核心检测维度

在编写脚本前，必须明确“检测什么”，综合多套成熟方案,建议覆盖以下四大类：

硬件与内核环境
- CPU核数、内存大小、磁盘使用率、系统负载（uname -a、free -m、df -h）
操作系统与软件版本
- 系统发行版（cat /etc/os-release）、内核版本、必备命令是否安装（command -v）
关键服务与端口状态
- 数据库、Nginx、Redis等进程存活（ps aux | grep）；端口监听（ss -tlnp）
网络连通性与DNS解析
- 外网连通性（ping、curl）、DNS获取A记录、指定端口的TCP连通性（nc -zv）

设计原则小提示：脚本不应破坏环境，应保持只读检测,新增的文件或临时安装包必须清理。

模块化设计原则

为保证脚本的可维护性与复用性,建议遵循以下原则：

配置分离：将检测阈值、主机列表、端口信息抽取至单独配置文件（如YAML或.env）。
函数化封装：每个检测项成为独立函数，通过返回值或状态码判断通过/失败。
结果标准化：输出格式统一，推荐JSON或表格形式,便于后续程序解析。
幂等性：每次运行结果一致,不依赖之前的执行痕迹。

check_memory() {
    local threshold=${1:-80}    # 默认阈值80%
    local usage=$(free | awk '/Mem:/ {printf "%.0f", $3/$2 * 100}')
    if [ "$usage" -gt "$threshold" ]; then
        echo "FAIL: Memory usage ${usage}% > ${threshold}%"
        return 1
    else
        echo "PASS: Memory usage ${usage}%"
        return 0
    fi
}

关键技术实现拆解

一个完整的检测脚本包含三个核心执行阶段：

初始化阶段：加载配置、检查依赖命令是否存在。
执行阶段：依次运行所有检测函数，收集结果（可并行执行利用多核）。
报告阶段：汇总成功/失败/警告信息,输出汇总MD5校验或发送告警。

对于并行检测需求，使用xargs -P或wait &可实现加速；若需跨平台运行（Windows/Linux），则优先选择Python脚本中的platform模块。

实战代码示例：简明Shell检测框架

以下是一个可直接落地的检测框架,支持自定义配置和彩色输出：

#!/bin/bash
# 系统环境检测脚本 v2.0
set -euo pipefail
# 配置区
THRESHOLD_DISK=90
THRESHOLD_MEM=80
REQUIRED_CMD="curl nc awk free"
REQUIRED_SERVICE="sshd mysqld"  # 改用实际服务名
# 初始化：检查关键命令
init_check() {
    for cmd in $REQUIRED_CMD; do
        if ! command -v $cmd &>/dev/null; then
            echo "ERROR: $cmd not found. Abort."
            exit 1
        fi
    done
}
# 检测函数：磁盘
check_disk() {
    local usage=$(df / | awk 'NR==2 {print $5}' | sed 's/%//')
    if [ "$usage" -gt "$THRESHOLD_DISK" ]; then echo "FAIL: Disk / ${usage}%"; return 1; else echo "PASS: Disk / ${usage}%"; fi
}
# 检测函数：CPU负载
check_cpu() {
    local load=$(uptime | awk -F'load average:' '{print $2}' | cut -d, -f1 | sed 's/ //g')
    if (( $(echo "$load > $(nproc)" | bc -l) )); then echo "FAIL: CPU load $load > cores"; else echo "PASS: CPU load $load"; fi
}
# 检测函数：服务端口
check_port() {
    local port=3306
    if nc -zv 127.0.0.1 "$port" &>/dev/null; then echo "PASS: Port $port open"; else echo "FAIL: Port $port not reachable"; fi
}
# 主执行
main() {
    init_check
    echo "========== 环境检测开始 =========="
    check_disk
    check_cpu
    check_port
    echo "========== 检测完成 =========="
}
main "$@"

常见Q&A：优化与排坑技巧

Q1：检测脚本在执行时卡住很久怎么办？
A1： 网络检测（如nc或curl）需设置超时，例如timeout 5 nc -zv host 80，并在脚本中捕获timeout返回码。

Q2：如何将脚本集成到Ansible或SaltStack？
A2： 脚本输出JSON格式结果，在配置管理工具中通过register变量读取（例如Ansible的shell模块并changed_when: false）。

Q3：生产环境中检测脚本可能泄露敏感端口信息吗？
A3： 建议使用日志分级（INFO、WARN、ERROR），禁止输出IP/端口至标准输出；敏感检测项仅在调试模式下打印。

Q4：检测脚本跨平台兼容（Linux与macOS）？
A4： macOS缺乏nc的-z参数，需用/dev/tcp重定向或改用Python的socket模块，推荐用uname -s做平台判断。

进阶：集成告警与CI/CD

与Prometheus集成：脚本输出Key-Value格式暴露为Prometheus文本，配合node_exporter的textfile收集器。
与Jenkins/GitLab CI集成：在流水线中直接调用脚本，根据返回值判定继续或中止构建。
```
stages:
  - env_check
environment_check:
  script: "./sys_check.sh"
  allow_failure: false
```
告警通知：失败项通过mailx、Slack Webhook或钉钉机器人推送,实现无人值守。