服务器巡检自动化：脚本与告警的分工

发布时间:2026-04-14 06:13

## 场景 巡检这件事有两种极端：全靠人工，每天登机器看一圈，耗时且容易走过场，看多了注意力涣散，真异常反而漏掉，人力成本还随机器数线性上涨；全靠告警，没告警就当没事，阈值之间的缓慢劣化无人察觉，磁盘一年涨了三成，没有一条告警响过。合理形态是三层分工：脚本负责采集与判断，告警负责异常触达，人负责处置与判断之外的部分。把例行公事交给机器，把决策留给人。 ## 步骤清单 第一步，划清人机边界。机器做的：指标采集、阈值判断、趋势比对、固定格式的巡检报告生成。人做的：异常处置、周期性趋势评审、巡检项本身的调整。第二步，写巡检脚本，覆盖进程存活、磁盘水位、证书有效期、备份产物核验、关键端口可达五类基础项，输出结构化结果。第三步，接通知通道，巡检异常按级别分路：紧急项即时告警，普通项汇总进日报。第四步，跑一个双轨期，人工巡检与脚本并行两周，比对两边结论，脚本漏报或误报的项修正后，才撤掉人工例行。 ## 验证 自动化巡检的可信度看两个指标：漏报率，双轨期里人工发现而脚本没报的问题数；误报率，脚本报了但实际正常的次数。两项都归零或收敛到可接受范围，人机交接才算完成，此后人工巡检退出日常，只在重大变更后做专项复核。 ## 注意事项 巡检项随架构变化维护，新上组件当周纳入清单，别让盲区随时间累积，季度盘点一次巡检项与实际架构的差异。脚本本身的运行状态也要被监控，巡检停摆无人知是最隐蔽的失效，最后一道检查留给检查者。顺云控制台的监控告警承担平台侧采集，自定义脚本补业务侧细项，日报汇总两边结果，人的时间只花在处置与复盘上。