如何写CPU负载监控脚本

wen 实用脚本 2026-07-01 25

如何写CPU负载监控脚本：从入门到企业级实战指南

目录导读

CPU负载监控的核心指标与原理
基础脚本编写：使用系统命令监控负载
脚本进阶：阈值告警与日志记录
企业级方案：集成Prometheus与Grafana
常见问题与优化技巧
问答环节：解决你遇到的典型问题

CPU负载监控的核心指标与原理

CPU负载（Load Average）是衡量系统繁忙程度的关键指标，通常显示为1分钟、5分钟和15分钟的平均值,你需要理解以下核心概念：

如何写CPU负载监控脚本

用户态CPU：执行用户应用程序的时间占比
系统态CPU：操作系统内核执行任务的时间占比
I/O等待：CPU等待磁盘或网络I/O的时间
软中断/硬中断：处理硬件或软件中断的时间

重要规则：单个核心的Load Average如果持续高于0.7，表示系统可能过载；若超过1.0,则需紧急排查。

基础脚本编写：使用系统命令监控负载

最简单的CPU负载监控脚本可以使用top、uptime或/proc/loadavg文件,以下是一个核心示例：

#!/bin/bash
# 获取当前1分钟平均负载
load=$(awk '{print $1}' /proc/loadavg)
# 获取CPU核心数
cores=$(nproc)
# 计算负载百分比（负载/核心数*100）
load_percent=$(echo "scale=2; $load * 100 / $cores" | bc)
echo "$(date) - 当前负载: $load (核心数: $cores, 百分比: $load_percent%)"

关键点解析：

/proc/loadavg是Linux内核实时文件，读取速度远快于top
使用nproc获取核心数，避免单核/多核误判
将负载转换为百分比，更直观判断阈值

运行方式：将脚本保存为cpu_monitor.sh，添加执行权限后通过while true; do ./cpu_monitor.sh; sleep 5; done连续运行。

脚本进阶：阈值告警与日志记录

企业级脚本需要包含告警机制和历史数据持久化,以下是一个增强版：

#!/bin/bash
LOG_FILE="/var/log/cpu_monitor.log"
ALERT_THRESHOLD=80  # 负载百分比告警阈值
ALERT_EMAIL="admin@example.com"
while true; do
  load=$(awk '{print $1}' /proc/loadavg)
  cores=$(nproc)
  load_percent=$(echo "scale=2; $load * 100 / $cores" | bc)
  timestamp=$(date +"%Y-%m-%d %H:%M:%S")
  echo "$timestamp | 负载: $load | 核心数: $cores | 百分比: $load_percent%" >> $LOG_FILE
  if (( $(echo "$load_percent > $ALERT_THRESHOLD" | bc -l) )); then
    echo "警告: CPU负载异常 ($load_percent%) - 时间: $timestamp" | \
      mail -s "CPU负载告警" $ALERT_EMAIL
  fi
  sleep 60  # 每分钟检查一次
done

关键改进：

自动记录到日志文件，便于回溯分析
使用bc进行浮点数比较，避免Shell原生整数运算的缺陷
通过mail命令发送邮件告警（需提前配置sendmail或postfix）

最佳实践：将告警阈值设置为动态自适应值,例如根据最近15分钟平均负载动态调整告警基线。

企业级方案：集成Prometheus与Grafana

对于大规模集群监控，推荐使用Prometheus + node_exporter + Grafana组合：

步骤1：安装node_exporter

wget https://github.com/prometheus/node_exporter/releases/latest/download/node_exporter-*.tar.gz
tar xvf node_exporter-*.tar.gz
./node_exporter --web.listen-address=:9100 &

步骤2：配置Prometheus抓取CPU指标

# prometheus.yml
scrape_configs:
  - job_name: 'node'
    static_configs:
      - targets: ['server_ip:9100']

步骤3：在Grafana中导入仪表盘
使用ID 11074（Node Exporter Full模板），可实时查看CPU每核使用率、上下文切换、平均负载等20+指标。

优势：无需编写脚本即可获得可视化监控，且数据持久化在Prometheus中，支持跨周/月分析。

常见问题与优化技巧

问题1：脚本监控的数值与`top`不一致怎么办？

答：/proc/loadavg读取的是瞬时值，而top是采样周期平均值,建议脚本增加连续采样3次后取中间值的逻辑。

问题2：高负载时脚本自身占用CPU过高？

答：优化方案包括：

减少sleep间隔，从1秒改为5-60秒
使用bc代替awk进行浮点运算（bc更轻量）
避免频繁磁盘写入，可采用内存环状缓冲区（如/dev/shm）

问题3：如何监控特定进程的CPU占用率？

答：使用ps -p PID -o %cpu --no-headers，配合pidstat工具更精准。

问答环节：解决你遇到的典型问题

Q：我的监控脚本总显示100%负载，但系统很流畅，为什么？
A：你可能混淆了“CPU使用率”和“Load Average”，Load Average超过核心数才表示超载，例如4核CPU负载5.0才算过载,请修改脚本中的基准值判断。

Q：有没有开箱即用的CPU监控脚本推荐？
A：推荐使用htop命令行工具（安装sudo apt install htop），它提供实时彩色视图，服务器场景可选用glances，支持Web API输出。

Q：如何监控历史趋势，而不仅仅当前值？
A：使用ts（moreutils包）为每行输出添加时间戳，配合tail -f /var/log/cpu_monitor.log | grep "2025"过滤,或直接存入InfluxDB时序数据库。

Q：我的脚本在Kubernetes容器中无法读取CPU负载？
A：容器内只能看到自己的cgroup限制，需通过cat /sys/fs/cgroup/cpu/cpuacct.usage获取CPU时间，而非物理机的/proc/loadavg。

通过以上从基础命令到企业级系统的完整讲解，你可以根据实际环境选择最适合的CPU负载监控方案，监控的终极目标是预防性维护，而非事后告警——建议将脚本结合Ansible/Puppet等配置管理工具,实现自动化部署与告警动作联动。

如何写CPU负载监控脚本