服务器例行巡检该看哪些项

巡检这件事，做得好时看不出效果，出事时才知道省下了多少代价。一台生产服务器每天要看的项其实不多，关键是形成固定清单，照单执行，做完留痕。 一、磁盘空间与 inode `df -h` 看各分区使用率，超过 80% 就该安排处理；`df -i` 看 inode 是否吃紧，小文件过多的机器容易栽在这里。日志和临时目录是增长大户，`du -sh /var/log/*` 能快速定位是谁在涨。还有一种隐蔽情况：文件删了空间却不释放，多半是进程仍占着句柄，`lsof | grep deleted` 一查便知，重启对应服务即可回收。 二、系统负载 `uptime` 里的 load average 要和 CPU 核数对照，负载长期接近或超过核数，说明存在瓶颈。再用 `top` 按 P、M 排序，分别确认吃 CPU 和吃内存的进程是不是自己认识的，陌生进程当场查清来历。内存顺带看一眼 `free -h`，available 低于总量的两成就该警惕，提前排查增长来源。 三、备份完成情况 巡检不只看当下，还要确认昨天的备份真的生成了。查看备份目录里最新文件的时间戳，或看备份任务日志的结尾有没有报错，文件大小和前一天相当也是旁证。备份从未做过恢复验证，只能算半个备份，建议每周抽一次做小范围恢复演练，能恢复的备份才是备份。 四、登录记录 `last -20` 看最近的登录来源，`lastb` 看失败的尝试，`w` 看此刻还有谁在线。来源 IP 变得陌生、凌晨出现规律性爆破，都是需要处理的信号，必要时直接在安全组收紧来源，再把失败次数拉出来评估要不要装防爆破工具。 五、证书有效期 网站证书过期是最冤的故障。`openssl x509 -enddate -noout -in server.crt` 一条命令就能看到期时间，巡检表里留一列登记剩余天数，剩 30 天内安排续期，续期后重新核对服务加载的证书路径是否更新。 把这几项写成一个脚本放 cron 里跑，输出汇总到邮箱或工作群，比纯靠记忆可靠。顺云云服务器的用户也可以直接在控制台查看基础监控与告警，脚本巡检补的是监控覆盖不到的业务细节。清单一旦定下来，坚持执行比追求完善更重要。