监控进程状态的脚本如何编写

wen 实用脚本 2026-07-12 1

从零搭建高效的系统守护者

📖 目录导读

为什么需要监控进程状态？
进程监控的核心原理
手把手教你编写第一个监控脚本
进阶技巧：自动重启与日志记录
常见问题与解决方案（FAQ）
附录：脚本模板与最佳实践

为什么需要监控进程状态？

在服务器运维或日常开发中,进程意外崩溃、死锁或资源耗尽的情况时有发生，一个没有守护进程的Web服务可能在凌晨突然宕机，导致业务中断数小时。监控进程状态的核心目的是：第一时间发现异常并自动恢复，避免人工介入的延迟。

监控进程状态的脚本如何编写

根据监控实践统计,配置进程监控脚本后，系统可用性可从95%提升至99.9%以上，这意味着每月停机时间从36小时缩短至43分钟。

进程监控的核心原理

要编写有效的监控脚本,先理解操作系统如何管理进程：

1 进程状态的关键指标

运行状态（R）：进程正在执行
睡眠状态（S）：等待资源（如I/O、锁）
僵尸状态（Z）：进程已结束但父进程未回收资源
停止状态（T）：被信号暂停

2 监控本质：检查进程是否存在

脚本通过以下方式判断：

PID文件检查：通过存储进程PID的文件核对
进程名匹配：使用ps或pgrep命令搜索进程列表
端口检测：验证监听端口是否存活（适用于网络服务）

💡 SEO提示：使用时融入关键词“linux进程监控”“shell脚本检测进程”。

手把手教你编写第一个监控脚本

1 基础版一：检测进程是否存在

#!/bin/bash
# 定义要监控的进程名
PROCESS_NAME="nginx"
# 检查进程是否在运行
if ! pgrep -x "$PROCESS_NAME" > /dev/null; then
    echo "$(date) - 进程 $PROCESS_NAME 未运行，开始启动..."
    systemctl start nginx
else
    echo "$(date) - 进程 $PROCESS_NAME 运行正常"
fi

代码解释：

pgrep -x：精确匹配进程名（不加-x会匹配包含该名称的子进程）
> /dev/null：丢弃标准输出，只保留退出状态码
systemctl start：自动重启（适用于systemd管理的服务）

2 基础版二：检查端口是否监听

适用于数据库、Web服务器等网络服务：

#!/bin/bash
PORT=3306  # MySQL默认端口
if netstat -tlnp | grep ":$PORT " > /dev/null; then
    echo "端口 $PORT 正常监听"
else
    echo "端口 $PORT 未监听，启动MySQL..."
    systemctl start mysqld
fi

3 加入资源监控（进阶）

#!/bin/bash
# 检查CPU使用率是否超过85%
CPU_THRESHOLD=85
PROCESS_NAME="java"
USAGE=$(ps -C "$PROCESS_NAME" -o %cpu --no-headers | awk '{sum+=$1} END {print sum}')
if (( $(echo "$USAGE > $CPU_THRESHOLD" | bc -l) )); then
    echo "警告：进程 $PROCESS_NAME CPU使用率达 ${USAGE}%"
    # 可选：发送告警邮件
else
    echo "CPU使用率正常"
fi

进阶技巧：自动重启与日志记录

1 带日志的完整脚本模板

#!/bin/bash
# 配置区
PROCESS_NAME="mysqld"
LOG_FILE="/var/log/process_monitor.log"
MAX_RESTART=3
RESTART_COUNT=0
# 日志函数
log() {
    echo "$(date '+%Y-%m-%d %H:%M:%S') - $1" >> "$LOG_FILE"
}
# 监控循环
while true; do
    if ! pgrep -x "$PROCESS_NAME" > /dev/null; then
        log "进程 $PROCESS_NAME 已停止，尝试重启..."
        systemctl start "$PROCESS_NAME"
        RESTART_COUNT=$((RESTART_COUNT + 1))
        if [ $RESTART_COUNT -ge $MAX_RESTART ]; then
            log "达到最大重启次数，发送紧急通知"
            # 这里可以集成邮件或Slack通知
            break
        fi
    else
        RESTART_COUNT=0  # 重置计数器
    fi
    sleep 10  # 每10秒检查一次
done

2 使用cron实现定时监控（代替死循环）

在/etc/crontab中添加：

*/1 * * * * root /usr/local/bin/check_process.sh

每分钟执行一次监控脚本,避免while循环消耗资源。

常见问题与解决方案（FAQ）

Q1：如何监控非systemd管理的进程（如第三方软件）？

A：使用nohup启动进程时保存PID文件：

nohup ./myapp > /dev/null 2>&1 &
echo $! > /var/run/myapp.pid

监控脚本通过kill -0 $(cat /var/run/myapp.pid)检查进程存活。

Q2：脚本误判怎么办？比如进程名被其他程序占用？

A：采用“三重验证”策略：

检查进程名（ps aux | grep -w myapp）
检查PID文件（kill -0 $PID）
检查端口（netstat -tlnp | grep 8080）

Q3：如何发送告警通知？

A：集成企业微信或邮件：

# 邮件通知
mail -s "进程告警" admin@example.com < alert.txt
# 企业微信机器人
curl -X POST -H "Content-Type: application/json" \
     -d '{"content":"进程 $PROCESS_NAME 异常"}' \
     https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=YOUR_KEY

Q4：脚本本身崩溃怎么办？

A：使用supervisord管理监控脚本本身，实现“监视监控器”的双层守护架构。

附录：脚本最佳实践模板

生产环境推荐模板（Python版）

#!/usr/bin/env python3
import subprocess, time, os
def check_process(name):
    cmd = f"pgrep -x {name}"
    result = subprocess.run(cmd.split(), capture_output=True, text=True)
    return result.returncode == 0
def restart_service(service_name):
    subprocess.run(["systemctl", "restart", service_name])
def log_event(msg):
    with open("/var/log/monitor.log", "a") as f:
        f.write(f"{time.ctime()} - {msg}\n")
if __name__ == "__main__":
    process_name = "nginx"
    while True:
        if not check_process(process_name):
            log_event(f"进程 {process_name} 宕机，启动中...")
            restart_service(process_name)
        time.sleep(30)

关键参数优化建议

检查频率：关键服务每10秒，常规服务每分钟
重生次数限制：建议3次/5分钟内，防止死循环重启
内存泄漏检测：额外监控RSS内存是否持续增长

编写监控脚本的核心在于：明确监控指标（进程、端口、资源）→ 简单可靠的检测逻辑 → 带限制的自动恢复机制，建议从pgrep+systemctl开始实验，逐步加入端口检查和资源告警，最后用cron或supervisord确保脚本本身高可用，通过本文的模板和FAQ，你已具备构建生产级监控系统的能力。