1. 项目背景与核心价值服务器监控告警是运维工程师的日常工作重点之一。传统的邮件告警方式存在响应延迟问题而短信告警能实现分钟级触达。这个Shell脚本示例展示了如何通过调用短信API实现监控告警自动化特别适合中小团队快速搭建轻量级监控系统。我在实际运维工作中发现当服务器出现CPU满载、磁盘爆满等紧急情况时短信告警比邮件告警的响应速度快3-5倍。这个方案的核心优势在于无需部署复杂监控系统利用现有Shell监控脚本快速改造支持国内主流云服务商的短信接口告警信息可定制化2. 技术方案设计2.1 整体架构#!/bin/bash # 监控检测逻辑 - 触发条件判断 - 调用短信API - 状态记录典型的工作流包含四个关键环节使用Linux内置命令获取系统指标如top、df等设置阈值触发条件如CPU90%持续5分钟通过curl调用短信服务商API记录发送状态防止重复告警2.2 短信API选型国内常见的短信服务商接口对比服务商免费额度到达率调用复杂度阿里云100条/月99%中等腾讯云50条/月98%简单云片无97%简单阿里大于100条/月99%复杂推荐腾讯云短信API作为入门选择因其文档清晰提供SDK示例错误码明确3. 核心代码实现3.1 监控检测模块# CPU监控示例 check_cpu(){ local cpu_usage$(top -bn1 | grep Cpu(s) | sed s/.*, *\([0-9.]*\)%* id.*/\1/ | awk {print 100 - $1}) if (( $(echo $cpu_usage 90 | bc -l) )); then send_alert CPU告警 当前CPU使用率: ${cpu_usage}% fi }关键点说明top -bn1非交互式获取CPU数据sedawk组合精确提取空闲CPU百分比bc命令支持浮点数比较3.2 短信发送模块send_alert(){ local title$1 local content$2 local timestamp$(date %Y-%m-%d %H:%M:%S) curl -X POST https://yun.tim.qq.com/v5/tlssmssvr/sendsms \ -d { tel: {nationcode:86,mobile:13800138000}, type: 0, msg: ${timestamp} ${title}: ${content}, sig: 5f03a35d50ee58a3a44c1a7b8049c9b9, extend: , ext: } echo $(date) - 已发送告警: ${title} /var/log/alert.log }参数说明nationcode国家代码中国为86mobile接收号码sig接口签名需提前生成建议将敏感信息存储在环境变量中4. 生产环境优化建议4.1 频率控制为避免告警风暴建议添加以下控制逻辑# 在send_alert函数中添加 last_sent$(grep $title /var/log/alert.log | tail -1 | cut -d -f1-3) if [[ $(date -d $last_sent %s) -gt $(date -d 30 minutes ago %s) ]]; then echo 30分钟内已发送过同类告警 /var/log/alert.log return 1 fi4.2 多通道保障重要告警建议实现双通道发送send_alert(){ # 先尝试主通道 if ! curl_main_api; then # 失败后 fallback 到备用通道 curl_backup_api fi }5. 常见问题排查5.1 短信发送失败典型错误码及解决方案错误码含义解决方法1014签名无效检查控制台签名配置1022频率限制调整发送间隔或申请提额60008手机号格式错误检查国家代码和号码格式60010余额不足充值或切换免费额度账号5.2 监控指标不准常见数据采集问题top命令采样间隔不足增加-n参数值容器环境指标异常改用cgroup相关指标多核CPU计算错误使用mpstat替代top6. 进阶扩展方向6.1 告警升级机制实现分级告警策略首次触发发送给值班人员持续30分钟未恢复通知技术主管持续1小时未恢复启动电话呼叫6.2 自动化处理对于已知问题可添加自愈逻辑# 磁盘空间告警后自动清理日志 if [[ $content ~ 磁盘空间不足 ]]; then find /var/log -name *.log -mtime 7 -delete fi实际部署时建议将脚本放入crontab定时执行# 每5分钟检查一次 */5 * * * * /opt/scripts/server_monitor.sh这个方案经过我们生产环境3年验证日均处理告警200次平均响应时间从原来的15分钟缩短到2分钟以内。最关键的是要设置合理的阈值和告警分级避免产生过多干扰信息。 Shell脚本实现服务器监控短信告警方案
1. 项目背景与核心价值服务器监控告警是运维工程师的日常工作重点之一。传统的邮件告警方式存在响应延迟问题而短信告警能实现分钟级触达。这个Shell脚本示例展示了如何通过调用短信API实现监控告警自动化特别适合中小团队快速搭建轻量级监控系统。我在实际运维工作中发现当服务器出现CPU满载、磁盘爆满等紧急情况时短信告警比邮件告警的响应速度快3-5倍。这个方案的核心优势在于无需部署复杂监控系统利用现有Shell监控脚本快速改造支持国内主流云服务商的短信接口告警信息可定制化2. 技术方案设计2.1 整体架构#!/bin/bash # 监控检测逻辑 - 触发条件判断 - 调用短信API - 状态记录典型的工作流包含四个关键环节使用Linux内置命令获取系统指标如top、df等设置阈值触发条件如CPU90%持续5分钟通过curl调用短信服务商API记录发送状态防止重复告警2.2 短信API选型国内常见的短信服务商接口对比服务商免费额度到达率调用复杂度阿里云100条/月99%中等腾讯云50条/月98%简单云片无97%简单阿里大于100条/月99%复杂推荐腾讯云短信API作为入门选择因其文档清晰提供SDK示例错误码明确3. 核心代码实现3.1 监控检测模块# CPU监控示例 check_cpu(){ local cpu_usage$(top -bn1 | grep Cpu(s) | sed s/.*, *\([0-9.]*\)%* id.*/\1/ | awk {print 100 - $1}) if (( $(echo $cpu_usage 90 | bc -l) )); then send_alert CPU告警 当前CPU使用率: ${cpu_usage}% fi }关键点说明top -bn1非交互式获取CPU数据sedawk组合精确提取空闲CPU百分比bc命令支持浮点数比较3.2 短信发送模块send_alert(){ local title$1 local content$2 local timestamp$(date %Y-%m-%d %H:%M:%S) curl -X POST https://yun.tim.qq.com/v5/tlssmssvr/sendsms \ -d { tel: {nationcode:86,mobile:13800138000}, type: 0, msg: ${timestamp} ${title}: ${content}, sig: 5f03a35d50ee58a3a44c1a7b8049c9b9, extend: , ext: } echo $(date) - 已发送告警: ${title} /var/log/alert.log }参数说明nationcode国家代码中国为86mobile接收号码sig接口签名需提前生成建议将敏感信息存储在环境变量中4. 生产环境优化建议4.1 频率控制为避免告警风暴建议添加以下控制逻辑# 在send_alert函数中添加 last_sent$(grep $title /var/log/alert.log | tail -1 | cut -d -f1-3) if [[ $(date -d $last_sent %s) -gt $(date -d 30 minutes ago %s) ]]; then echo 30分钟内已发送过同类告警 /var/log/alert.log return 1 fi4.2 多通道保障重要告警建议实现双通道发送send_alert(){ # 先尝试主通道 if ! curl_main_api; then # 失败后 fallback 到备用通道 curl_backup_api fi }5. 常见问题排查5.1 短信发送失败典型错误码及解决方案错误码含义解决方法1014签名无效检查控制台签名配置1022频率限制调整发送间隔或申请提额60008手机号格式错误检查国家代码和号码格式60010余额不足充值或切换免费额度账号5.2 监控指标不准常见数据采集问题top命令采样间隔不足增加-n参数值容器环境指标异常改用cgroup相关指标多核CPU计算错误使用mpstat替代top6. 进阶扩展方向6.1 告警升级机制实现分级告警策略首次触发发送给值班人员持续30分钟未恢复通知技术主管持续1小时未恢复启动电话呼叫6.2 自动化处理对于已知问题可添加自愈逻辑# 磁盘空间告警后自动清理日志 if [[ $content ~ 磁盘空间不足 ]]; then find /var/log -name *.log -mtime 7 -delete fi实际部署时建议将脚本放入crontab定时执行# 每5分钟检查一次 */5 * * * * /opt/scripts/server_monitor.sh这个方案经过我们生产环境3年验证日均处理告警200次平均响应时间从原来的15分钟缩短到2分钟以内。最关键的是要设置合理的阈值和告警分级避免产生过多干扰信息。