Shell脚本如何配置容器监控告警

wen 实用脚本 2026-07-16 1

Shell脚本如何配置容器监控告警：从零搭建自动化运维体系

目录导读

为什么需要Shell脚本实现容器监控告警？
监控告警的核心组件与工作原理
准备工作：环境依赖与工具选型
实战：编写监控CPU、内存、磁盘的Shell脚本
告警触发：集成邮件、钉钉与Slack通知
自动化部署：将脚本融入Crontab与Docker
常见问题FAQ
总结与最佳实践

为什么需要Shell脚本实现容器监控告警？

在微服务与容器化部署盛行的今天,Docker容器如同“轻量级虚拟机”般快速启动与销毁，当容器数量激增（例如Kubernetes集群中上百个Pod），手动检查每个容器的资源使用率变得不切实际。Shell脚本以其轻量、无依赖、跨平台的优势，成为快速搭建监控告警的首选工具，相比Prometheus+Grafana等重型监控方案，Shell脚本仅需几行代码即可实现核心告警逻辑，尤其适合中小规模团队或边缘计算场景。

Shell脚本如何配置容器监控告警

问：为什么不直接用现成的监控工具？
答：现有工具（如Prometheus）学习曲线陡峭，且需额外部署存储与告警组件，Shell脚本可零成本植入现有运维脚本，对现有架构侵入性最小。

监控告警的核心组件与工作原理

一个完整的容器监控告警系统需包含以下要素：

数据采集：通过docker stats、docker inspect或读取/sys/fs/cgroup获取容器CPU、内存、网络I/O等指标。
阈值判断：将采集数据与预设阈值（如CPU>80%、内存>90%）进行比较。
告警分发：触发告警时，通过邮件、HTTP请求（钉钉机器人）、Slack Webhook等渠道通知运维人员。
日志记录：将历史监控数据保存至文件或数据库，便于事后分析。

核心原理：利用docker stats --no-stream命令获取容器实时快照，通过awk、sed等文本处理工具提取关键数值，再结合简单的条件判断实现告警。

准备工作：环境依赖与工具选型

环境要求：

宿主机已安装Docker（版本≥19.03）
Shell解释器：Bash（推荐4.0+）
可选工具：jq（JSON解析）、curl（发送HTTP请求）、mail（邮件发送）

安装依赖（以Ubuntu/CentOS为例）：

# Ubuntu
apt-get update && apt-get install -y jq curl mailutils
# CentOS
yum install -y jq curl mailx

关键命令验证：

docker stats --no-stream --format "{{.Name}} {{.CPUPerc}} {{.MemPerc}}" | head -5

输出示例：my_container 12.45% 34.56%

实战：编写监控CPU、内存、磁盘的Shell脚本

以下是一个完整的监控脚本（container_monitor.sh），涵盖CPU、内存、磁盘及容器状态检测：

#!/bin/bash
# ========== 配置参数 ==========
THRESHOLD_CPU=80           # CPU百分比阈值
THRESHOLD_MEM=90           # 内存百分比阈值
THRESHOLD_DISK=85          # 磁盘使用率阈值
ALERT_INTERVAL=300         # 告警间隔（秒），避免重复通知
LOG_FILE="/var/log/container_monitor.log"
# ========== 告警函数 ==========
send_alert() {
    local message="$1"
    local subject="[ALERT] 容器监控告警"
    # 示例：发送邮件（需配置mailutils）
    echo "$message" | mail -s "$subject" admin@example.com
    # 示例：发送钉钉机器人（替换WEBHOOK_URL）
    # curl -s -X POST "https://oapi.dingtalk.com/robot/send?access_token=YOUR_TOKEN" \
    #     -H "Content-Type: application/json" \
    #     -d "{\"msgtype\":\"text\",\"text\":{\"content\":\"$message\"}}"
}
# ========== 采集并检查CPU/内存 ==========
check_container_resources() {
    docker stats --no-stream --format "{{.Name}}|{{.CPUPerc}}|{{.MemPerc}}" | while IFS='|' read -r name cpu mem; do
        # 去除百分号并转换为数值
        cpu_val=${cpu%\%}
        mem_val=${mem%\%}
        # CPU告警
        if (( $(echo "$cpu_val > $THRESHOLD_CPU" | bc -l) )); then
            send_alert "容器 $name CPU使用率: $cpu%（阈值: ${THRESHOLD_CPU}%）"
            echo "$(date) [WARN] $name CPU: $cpu%" >> $LOG_FILE
        fi
        # 内存告警
        if (( $(echo "$mem_val > $THRESHOLD_MEM" | bc -l) )); then
            send_alert "容器 $name 内存使用率: $mem%（阈值: ${THRESHOLD_MEM}%）"
            echo "$(date) [WARN] $name MEM: $mem%" >> $LOG_FILE
        fi
    done
}
# ========== 检查容器磁盘（进入容器内检查） ==========
check_container_disk() {
    docker ps -q | while read cid; do
        # 使用docker exec执行df命令
        disk_usage=$(docker exec "$cid" df -h / | grep -v Filesystem | awk '{print $5}' | sed 's/%//')
        if [ -n "$disk_usage" ] && [ "$disk_usage" -gt "$THRESHOLD_DISK" ]; then
            container_name=$(docker inspect --format '{{.Name}}' "$cid" | cut -d'/' -f2)
            send_alert "容器 $container_name 磁盘使用率: ${disk_usage}%（阈值: ${THRESHOLD_DISK}%）"
            echo "$(date) [WARN] $container_name DISK: ${disk_usage}%" >> $LOG_FILE
        fi
    done
}
# ========== 检查容器运行状态 ==========
check_container_status() {
    # 检测退出状态的容器
    exited_containers=$(docker ps -a --filter "status=exited" --format "{{.Names}}")
    if [ -n "$exited_containers" ]; then
        send_alert "以下容器已退出: $exited_containers"
        echo "$(date) [FAIL] 退出容器: $exited_containers" >> $LOG_FILE
    fi
}
# ========== 主流程 ==========
main() {
    echo "========== 监控开始 $(date) ==========" >> $LOG_FILE
    check_container_resources
    check_container_disk
    check_container_status
}
main

脚本要点说明：

使用docker stats --no-stream避免持续阻塞
bc -l支持浮点数比较（需安装bc工具）
磁盘检查需容器内包含df命令（如Alpine镜像需安装coreutils）
告警函数仅发送一次,实际生产需加入last_alert_time缓存避免刷屏

告警触发：集成邮件、钉钉与Slack通知

邮件告警配置（需宿主机安装mail或ssmtp）：

# Ubuntu安装并配置ssmtp
apt-get install ssmtp
# 编辑 /etc/ssmtp/ssmtp.conf
mailhub=smtp.gmail.com:587
AuthUser=your_email@gmail.com
AuthPass=your_app_password
UseSTARTTLS=YES

钉钉群机器人（推荐）：

在钉钉群中添加“自定义机器人”
获取Webhook URL（格式：https://oapi.dingtalk.com/robot/send?access_token=XXX）

脚本中使用curl发送JSON：

curl -s -X POST "https://oapi.dingtalk.com/robot/send?access_token=YOUR_TOKEN" \
 -H "Content-Type: application/json" \
 -d "{\"msgtype\":\"text\",\"text\":{\"content\":\"$message\"}}"

Slack Webhook：

在Slack App中创建Incoming Webhook

使用curl发送：

curl -s -X POST "https://hooks.slack.com/services/T000000/B000000/XXXXXXXX" \
 -H "Content-Type: application/json" \
 -d "{\"text\":\"$message\"}"

自动化部署：将脚本融入Crontab与Docker

添加定时任务（每5分钟执行一次）：

crontab -e
*/5 * * * * /usr/local/bin/container_monitor.sh

将脚本封装为Docker镜像（适合容器化部署监控任务本身）：

FROM alpine:latest
RUN apk add --no-cache docker-cli bash bc curl
COPY container_monitor.sh /monitor.sh
RUN chmod +x /monitor.sh
CMD ["bash", "/monitor.sh"]

注意：需挂载宿主机Docker socket：

docker run -d --name mon-agent \
    -v /var/run/docker.sock:/var/run/docker.sock \
    your_monitor_image

常见问题FAQ

Q1：脚本执行报错“docker: command not found”
A：确保宿主机已安装Docker，且当前用户属于docker组（或使用sudo执行）。

Q2：docker stats显示NaN表示什么？
A：通常表示容器刚启动或已停止，可加入grep -v NaN过滤，或检查容器状态。

Q3：邮件发送失败如何处理？
A：检查SMTP配置和网络连通性，使用mail -v开启调试模式，或改用钉钉/Slack替代。

Q4：如何自定义监控指标（如网络流量、进程数）？
A：使用docker inspect获取NetworkSettings字段，或进入容器执行ps aux统计进程数量。

Q5：告警太频繁如何优化？
A：实现“告警冷却期”，记录每个容器的上次告警时间，仅当超过ALERT_INTERVAL时才再次发送。

总结与最佳实践

Shell脚本配置容器监控告警的精髓在于“轻量、灵活、可定制”，通过本文的实战代码，你已能：

核心能力：采集CPU/内存/磁盘/容器状态
告警通道：邮件、钉钉、Slack三选一
自动化：Crontab或Docker容器化定时执行

进阶建议：

增加指标维度：结合/sys/fs/cgroup获取更精确的CPU配额（如cpu.cfs_period_us）
可视化：将日志输出到/var/log/配合ELK或Loki进行可视化分析
多机器扩展：通过SSH远程执行脚本，或结合Ansible批量部署
故障自愈：在告警后触发docker restart nginx_container等自动恢复命令

警告：生产环境建议将阈值参数、告警渠道通过环境变量注入，避免硬编码，同时需监控脚本自身运行状态，防止脚本挂掉导致告警失灵。

请记得定期审查日志,优化阈值，Shell脚本虽小，却能在容器化运维中发挥“螺丝刀”般的精准效用。