机房巡检自动化方案，降低人工运维工作量

机房巡检自动化方案的核心思路，是用脚本和任务编排工具替代人工逐台登录检查，把CPU、内存、磁盘、服务状态等重复检查项交给定时任务执行。
本文面向零基础运维，带你从零搭建一套可用的自动化巡检流程，完成后你能通过一个命令或定时任务拿到所有服务器的健康报告，大幅减少人工巡检时间。

准备条件：先理清巡检目标和环境

动手前先明确要巡检哪些指标。
常见的机房巡检项包括：

• 服务器连通性（ping或SSH端口）
• CPU使用率、内存使用率
• 磁盘分区使用率
• 关键服务状态（如Nginx、MySQL）
• 系统负载和运行时间

环境方面，建议准备一台管理机（可以是本地电脑或一台跳板机），并确保管理机能通过SSH免密登录所有被巡检服务器。
如果还没配置免密，在管理机执行：

ssh-keygen -t rsa
ssh-copy-id root@192.168.1.10

将192.168.1.10替换为你的服务器IP，逐台执行。
验证免密是否成功：

ssh root@192.168.1.10 "hostname"

能直接返回主机名即表示配置成功。

用Ansible批量执行巡检命令

Ansible适合批量管理多台服务器，不需要在每台机器安装客户端。
在管理机安装：

yum install -y ansible   # CentOS/RHEL
apt install -y ansible   # Ubuntu/Debian

创建主机清单文件/etc/ansible/hosts，写入被巡检服务器：

[servers]
192.168.1.10
192.168.1.11
192.168.1.12

测试连通性：

ansible servers -m ping

返回pong说明正常。
接着用一条命令采集磁盘使用率：

ansible servers -m shell -a "df -h | grep -v tmpfs"

你可以把常用巡检命令写成Ansible playbook，例如inspect.yml：

- hosts: servers
  tasks:
    - name: 检查磁盘使用率
      shell: df -h | grep -v tmpfs
      register: disk_result
    - name: 输出磁盘结果
      debug:
        var: disk_result.stdout_lines

执行ansible-playbook inspect.yml即可看到所有服务器的磁盘信息。

编写Shell巡检脚本并设置定时任务

如果服务器数量不多，用Shell脚本更轻量。
创建/opt/inspect.sh：

#!/bin/bash
LOGFILE="/var/log/inspect_$(date +%F).log"
echo "===== 巡检时间: $(date) =====" >> $LOGFILE
echo "--- 磁盘使用率 ---" >> $LOGFILE
df -h | grep -v tmpfs >> $LOGFILE
echo "--- 内存使用率 ---" >> $LOGFILE
free -m >> $LOGFILE
echo "--- 服务状态 ---" >> $LOGFILE
systemctl is-active nginx >> $LOGFILE 2>&1
systemctl is-active mysqld >> $LOGFILE 2>&1

赋予执行权限：

chmod +x /opt/inspect.sh

手动运行一次确认无报错：

/opt/inspect.sh
cat /var/log/inspect_$(date +%F).log

然后添加定时任务，每天上午9点执行：

crontab -e

写入：

0 9 * * * /opt/inspect.sh

保存后可用crontab -l查看是否生效。

避坑指南：这些细节容易翻车

• SSH免密失败：检查~/.ssh/authorized_keys权限是否为600，.ssh目录是否为700。
• Ansible inventory路径错误：默认路径是/etc/ansible/hosts，也可用-i指定自定义路径。
• 脚本换行符问题：在Windows编辑的脚本可能含\r，用dos2unix转换后再上传。
• 定时任务不执行：确认crond服务已启动，并检查脚本内命令是否使用绝对路径。
• 日志文件过大：建议在脚本中加入清理逻辑，例如保留最近7天日志。

效果验证：确认自动化巡检真正生效

验证分三步。
第一步，手动执行脚本或playbook，确认能输出完整巡检结果。
第二步，等待定时任务触发时间过后，检查日志文件是否生成：

ls -lh /var/log/inspect_*.log

第三步，模拟一个异常场景，比如把某台服务器磁盘写满，观察巡检日志是否能记录到高使用率。
如果日志中能看到对应告警信息，说明巡检项配置正确。

对于更复杂的场景，可以考虑把巡检结果推送到邮件或企业微信机器人，但这属于进阶用法，建议先把基础巡检跑通再扩展。

常见疑问

巡检脚本需要每台服务器都放一份吗？

不需要。
用Ansible时脚本只放在管理机；
用Shell脚本且想本地执行时，才需要分发到各服务器，可通过scp或Ansible的copy模块批量推送。

Ansible和Shell脚本选哪个？

服务器数量少于5台且检查项简单，Shell脚本足够；
数量多、需要统一编排和输出格式时，Ansible更合适。
两者也可以结合使用。

巡检频率设多少合适？

一般每天一次即可，核心业务服务器可增加到每6小时一次。
频率过高会增加管理机负载，建议根据实际运维需求调整。

按照以上步骤执行后，你应能获得一份自动生成的机房巡检日志，人工只需查看异常项，日常巡检工作量会明显下降。
后续可根据业务需要，逐步把更多检查项加入脚本或playbook。