编写服务器硬件健康检查脚本的核心做法是调用系统底层接口(如 `ipmitool` 或读取 `/sys/class/thermal`)获取传感器数据,并通过条件判断逻辑将原始数值转化为可读的健康状态。具体实现时,需先确定目标平台支持的监控命令,设置温度、电压等关键指标的阈值,脚本运行后会输出包含当前值与状态的详细报告。若遇到权限不足或传感器缺失的情况,脚本应捕获异常并给出明确提示,确保在自动化运维环境中能稳定执行。

如何获取CPU和内存的实时负载数据
获取CPU和内存实时负载通常依赖Linux内核提供的`/proc/stat`文件或使用`psutil`库。通过解析`/proc/stat`中`cpu`开头的行,可以计算用户态、系统态和空闲时间的比例,从而得出CPU使用率;内存信息则直接从`/proc/meminfo`中提取总内存、可用内存及缓存大小。这种方法无需安装额外软件,适用于所有标准Linux发行版,结果直接反映系统当前的资源压力。

import os
import time
def get_cpu_load():
with open('/proc/stat', 'r') as f:
lines = f.readlines()
cpu_line = [l for l in lines if l.startswith('cpu ')][0]
values = list(map(int, cpu_line.split()[1:]))
total = sum(values)
idle = values[3]
return (total - idle) / total * 100
def get_memory_info():
mem_info = {}
with open('/proc/meminfo', 'r') as f:
for line in f:
parts = line.split()
if parts[0] in ['MemTotal:', 'MemFree:', 'Buffers:', 'Cached:']:
key = parts[0].rstrip(':')
mem_info[key] = int(parts[1]) * 1024
return mem_info
if __name__ == '__main__':
print(f"CPU Load: {get_cpu_load():.2f}%")
mem = get_memory_info()
print(f"Memory Total: {mem['MemTotal']} bytes")
print(f"Memory Free: {mem['MemFree']} bytes")
如何检查磁盘I/O和SMART状态
检查磁盘I/O可以使用`iostat`命令或读取`/proc/diskstats`,而硬盘健康状态则需借助`smartctl`工具读取SMART属性。对于I/O,重点监控读写延迟和队列深度,以识别瓶颈;对于SMART,主要关注重分配扇区计数、寻道错误率和整体健康评估。这些指标能提前发现物理介质的潜在故障,避免数据丢失。

import subprocess
def check_disk_io(device='/dev/sda'):
try:
result = subprocess.run(['iostat', '-dx', device, '1', '1'],
capture_output=True, text=True)
return result.stdout
except Exception as e:
return f"Error reading IO stats: {e}"
def check_smart_health(disk='/dev/sda'):
try:
result = subprocess.run(['smartctl', '-H', disk],
capture_output=True, text=True)
# 简单解析健康状态
if 'PASSED' in result.stdout:
return "SMART Health Status: PASSED"
else:
return "SMART Health Status: FAILED or WARNING"
except FileNotFoundError:
return "smartctl not found. Install smartmontools."
except Exception as e:
return f"Error checking SMART: {e}"
if __name__ == '__main__':
print("Disk I/O Stats:")
print(check_disk_io())
print("\nSMART Health:")
print(check_smart_health())
当温度传感器返回异常值时如何处理
当温度传感器返回异常值(如负数、极大值或固定死值)时,脚本应进行范围校验和趋势分析。正常CPU温度通常在30-85摄氏度之间,若读取到低于0或高于100的值,极可能是传感器故障或驱动问题。此时不应直接报警,而是记录日志并标记该传感器为“不可信”,同时尝试重启传感器服务或切换备用监控源,确保告警系统的准确性。










