运维场景中的进程监控痛点

在服务器日常维护中，进程资源占用异常是导致业务响应变慢的常见原因。传统做法通常由运维人员手动登录服务器执行 top 或 ps 命令查看，但这种方式存在明显局限：发现问题往往滞后，且无法形成持续记录。当多台服务器同时运行多个业务进程时，仅靠人工巡检很难及时捕捉到瞬间的负载尖峰。

宝塔面板配合脚本实现定时抓取

宝塔面板提供计划任务功能，可结合Shell脚本实现对服务器进程负载的周期性采样。一个可行的实现思路是：

1. 编写脚本调用 ps aux --sort=-%cpu 或 top -bn1 获取当前CPU与内存占用排名靠前的进程列表。
2. 将抓取结果与设定阈值（如CPU超过80%）进行比较，筛选出异常进程。
3. 将符合条件的数据格式化后，通过企业微信群机器人或钉钉机器人的Webhook地址发送到运维群。

将该脚本添加到宝塔的计划任务中，并选择执行周期（如每分钟或每5分钟），即可实现接近实时的自动监控。

推送格式与告警策略

为避免消息轰炸，建议脚本中加入去重与冷却机制，例如同一进程持续异常时，仅每10分钟推送一次。推送内容可包含：

• 服务器名称/IP
• 检测时间
• 进程PID与名称
• CPU占用率与内存占用率
• 进程运行时长及启动命令

以下为推送消息的典型结构：

【负载告警】服务器：web-01（192.168.1.10）
时间：2025-06-20 14:30:01
进程：java（PID 2231）
CPU：87.5% | 内存：62.0%
命令：/usr/bin/java -Xmx1g -jar app.jar

脚本示例（含企业微信机器人推送）

以下是一个简易的参考脚本，读者可根据实际环境修改阈值和Webhook地址：

#!/bin/bash
CPU_THRESHOLD=80
WEBHOOK_URL="https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=YOUR_KEY"

ps aux --sort=-%cpu | awk 'NR>1 {print $2, $3, $11, $12}' | while read pid cpu cmd args; do
    if [[ $(echo "$cpu > $CPU_THRESHOLD" | bc) -eq 1 ]]; then
        message="进程占用过高：PID $pid CPU ${cpu}% 命令 $cmd"
        curl -H 'Content-Type: application/json' -d "{\"msgtype\":\"text\",\"text\":{\"content\":\"$message\"}}"  $WEBHOOK_URL
    fi
done

更严谨的生产环境脚本应增加锁机制、日志记录以及错误捕获，避免并发重复执行或推送中断。

适用性与局限说明

该方案适合中小型业务集群，尤其是已经使用宝塔面板作为管理入口的环境，无需额外安装监控Agent。但需要注意：普通宝塔面板只能管理单台服务器，若要监控多台服务器，需要在每台服务器上分别配置计划任务与脚本。

此外，进程抓取本身会消耗少量系统资源，执行频率不宜过高。如果业务对实时性要求极高，或需要久历史数据做性能分析，建议采用Prometheus + Alertmanager等专业监控系统。当前方案的核心价值在于，用最低成本让运维人员第一时间感知到进程负载异常，并及时介入处理。