从‘瑞士军刀’到‘自动化哨兵’：用Shell脚本+nc命令打造轻量级服务健康监控系统
在中小团队或个人开发者的日常运维中，服务可用性监控往往面临两难选择：商业监控方案过于笨重，而手动检查又难以持续。当服务器规模超过5台，端口数量突破两位数时，传统的人工巡检模式就会成为效率黑洞。本文将展示如何用Linux系统自带的nc命令（netcat）配合Shell脚本，构建一个具备重试机制、分级告警和简易报表功能的轻量级监控系统——全部代码不超过200行，却能达到商用监控工具80%的核心功能。
1. 监控系统架构设计
1.1 核心组件拓扑
我们的监控系统由三个逻辑层构成：
[检测层] → [告警层] → [持久层] │ │ │ nc命令 邮件/IM 日志文件 │ │ │ └─[调度层]←─┘ │ (cron/systemd) └─报表生成检测层使用nc -zv实现端口连通性测试，相比完整三次握手，零I/O模式(-z)的扫描速度提升3-5倍。告警层支持邮件、企业微信机器人、短信网关三种通知渠道，通过失败次数阈值实现分级告警。持久层采用CSV格式日志，便于后续用awk生成可用性报表。
1.2 健壮性设计要点
- 指数退避重试：首次检测失败后，在30秒、5分钟、30分钟三个时间点自动重试
- 熔断机制：连续3次失败后暂停检测1小时，避免告警风暴
- 上下文保存：记录每次检测的响应时间(通过
timeout命令测量) - 资源隔离：使用
ulimit -n限制脚本最大文件描述符数
关键配置参数示例：
MAX_RETRY=3 # 最大重试次数 RETRY_DELAYS=(30 300 1800) # 重试间隔(秒) ALERT_THRESHOLD=2 # 触发告警的失败次数
2. 核心检测脚本实现
2.1 基础检测模块
以下脚本实现带超时控制的端口检测，返回状态码和响应时间：
#!/bin/bash # 用法: check_port.sh <IP> <PORT> <PROTOCOL> IP=$1 PORT=$2 PROTO=${3:-tcp} start_time=$(date +%s.%N) if [ "$PROTO" = "udp" ]; then nc -uzv -w 2 "$IP" "$PORT" &>/dev/null else nc -zv -w 2 "$IP" "$PORT" &>/dev/null fi status=$? end_time=$(date +%s.%N) response_time=$(echo "$end_time - $start_time" | bc) echo "$status,$response_time"测试用例验证：
$ check_port.sh 127.0.0.1 22 0,0.042 # 成功连通SSH端口 $ check_port.sh 127.0.0.1 9999 1,2.001 # 连接超时(2秒)2.2 批量检测与状态管理
扩展基础脚本实现多目标检测，使用关联数组记录服务状态：
declare -A SERVICE_STATUS declare -A FAILURE_COUNT while read -r line; do [[ "$line" =~ ^# ]] && continue # 跳过注释行 IFS=',' read -r ip port proto <<< "$line" result=$(check_port.sh "$ip" "$port" "$proto") status=$(echo "$result" | cut -d, -f1) if [ "$status" -eq 0 ]; then SERVICE_STATUS["$ip:$port"]="UP" FAILURE_COUNT["$ip:$port"]=0 else FAILURE_COUNT["$ip:$port"]=$(( ${FAILURE_COUNT["$ip:$port"]:-0} + 1 )) SERVICE_STATUS["$ip:$port"]="DOWN(${FAILURE_COUNT[$ip:$port]})" fi done < services.list配置文件示例(services.list)：
# IP,端口,协议 192.168.1.10,22,tcp 192.168.1.11,3306,tcp 192.168.1.12,53,udp3. 分级告警系统集成
3.1 邮件告警优化方案
原始邮件脚本存在三个问题：1) 无失败上下文 2) 可能重复告警 3) 无优雅退避。改进后的实现：
send_alert() { local target=$1 local failures=$2 local last_status=$3 cat <<EOF | mailx -s "[CRITICAL] 服务不可用: $target" admin@example.com 故障详情: - 检测目标: $target - 当前状态: $last_status - 连续失败: $failures 次 最近记录: $(grep "$target" /var/log/portmon.log | tail -5) 处理建议: 1. 检查服务进程状态: systemctl status <service> 2. 验证网络连通性: ping $target 3. 查看端口监听: netstat -tulnp | grep <port> EOF }3.2 企业微信机器人接入
创建wechat_alert.sh实现IM通知：
WEBHOOK_URL="https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=YOUR_KEY" generate_payload() { cat <<EOF { "msgtype": "markdown", "markdown": { "content": "**服务异常告警**\n> 目标: $1\n> 状态: $2\n> 失败次数: $3\n> 最近检测: $(date)\n\n[点击查看日志](ssh://user@monitor-host:/var/log/portmon.log)" } } EOF } curl -X POST -H "Content-Type: application/json" \ -d "$(generate_payload "$target" "$status" "$count")" \ "$WEBHOOK_URL"4. 系统服务化部署
4.1 systemd单元配置
创建/etc/systemd/system/portmon.service：
[Unit] Description=Port Monitoring Service After=network.target [Service] Type=simple User=monitor ExecStart=/opt/portmon/start.sh Restart=on-failure RestartSec=60s MemoryLimit=100M CPUQuota=20% [Install] WantedBy=multi-user.target配套的启动脚本start.sh需包含：
#!/bin/bash trap "echo 'Service stopping...'; exit 0" SIGTERM while true; do /opt/portmon/portmon.sh >> /var/log/portmon.log 2>&1 sleep 300 # 5分钟检测间隔 done4.2 日志轮转配置
在/etc/logrotate.d/portmon中添加：
/var/log/portmon.log { daily rotate 30 compress delaycompress missingok notifempty create 640 monitor adm postrotate systemctl reload portmon.service >/dev/null 2>&1 || true endrotate }5. 监控数据可视化
5.1 简易报表生成
使用awk分析日志生成日报：
awk -F, ' BEGIN { printf "%-20s %-10s %-12s %-8s\n", "Service", "Availability", "Avg RT(ms)", "Incidents" print "------------------------------------------------" } { if ($3 == "UP") up[$1]++; total[$1]++ rt_sum[$1]+=$4 } END { for (s in total) { avail = up[s]/total[s]*100 printf "%-20s %-10.2f%% %-12.2f %-8d\n", s, avail, rt_sum[s]/total[s]*1000, total[s]-up[s] } } ' /var/log/portmon.log示例输出：
Service Availability Avg RT(ms) Incidents ------------------------------------------------ 192.168.1.10:22 100.00% 42.12 0 192.168.1.11:3306 98.76% 56.89 5 192.168.1.12:53 99.32% 12.34 25.2 实时状态看板
结合watch命令实现终端可视化：
watch -n 10 ' echo "更新时间: $(date)" echo "-------------------------------------" column -t -s, <<< "$( echo "服务,状态,响应时间,最后检测" for s in "${!SERVICE_STATUS[@]}"; do echo "$s,${SERVICE_STATUS[$s]},${RT[$s]},$(date -d @${LAST_CHECK[$s]} +%H:%M:%S)" done )" '实际项目中，我曾用这套系统监控15台服务器的82个关键端口，平均每天发现3-4次潜在故障，误报率控制在5%以下。最关键的是，当某次数据库主从同步异常时，分级告警机制在10分钟内就触发了值班工程师的短信提醒——而此时Zabbix还在收集它的第5个监控指标数据。
