前言：为何巡检是运维的基石

服务器作为企业IT架构的核心，其稳定运行直接关系到业务连续性。日常巡检通过系统化检查硬件、系统、服务及安全状态，能提前发现潜在风险，避免突发故障导致的数据丢失或业务中断。本文梳理一份基础必查项目清单，供运维人员参考执行。

一、硬件健康检查

1. CPU与内存

• CPU温度：检查是否接近或超过厂商阈值（如Intel Xeon通常建议低于85°C），过高可能引发降频或宕机。
• 内存状态：使用dmidecode或BMC查看ECC错误计数，非ECC内存可关注系统日志中的Memory Error。

2. 存储设备

• 硬盘SMART信息：检查Reallocated_Sector_Count、Current_Pending_Sector等关键属性，数值异常需尽快替换。
• RAID状态：查看RAID卡日志，确认阵列健康、无降级或重建失败。

3. 电源与散热

• 电源模块：检查指示灯状态，确认冗余电源均正常工作，无报警。
• 风扇转速：对比基线值，异常低速或高速可能预示风扇故障或积灰。

二、系统资源监控

1. CPU与内存使用率

使用top或htop观察CPU空闲率是否低于20%（预警值），内存使用率是否超过80%。注意SWAP使用量，持续增长可能表明内存不足。

2. 磁盘空间与I/O

• 分区使用率：重点关注/、/var、/data等分区，建议阈值85%，超过90%需紧急处理。
• 磁盘I/O等待时间：iostat中%wa若长期高于30%，需排查是否有慢盘或高IO进程。

3. 网络连通性

• 检查关键网络接口：确认ping网关、外网及关键业务IP无丢包、延迟突变。
• 端口与连接数：使用ss -s或netstat检查TIME_WAIT数量，过多可能影响新连接建立。

4. 系统日志

重点查看/var/log/messages、/var/log/syslog中的Error、Warning、Fatal级别条目，特别是硬件或文件系统相关报错。

三、应用服务状态

1. 关键进程存活

通过systemctl status或ps aux确认数据库、Web服务器、缓存服务等处于运行状态，且未出现频繁重启。

2. 端口监听

使用ss -tlnp检查预期端口（如80、443、3306、6379）是否在监听，并排除意外开放的高危端口。

3. 响应时间与错误率

对面向用户的服务，可通过模拟请求或APM工具获取平均响应时间和错误码比例（如5xx增多）。若偏离基线，需分析慢查询或代码异常。

四、安全与合规检查

1. 登录与权限

• 检查可疑登录：查看/var/log/secure或auth.log中失败的SSH登录尝试次数，暴力破解可能预示攻击。
• 回收闲置账号：检查/etc/passwd中非必要用户，禁用或删除。

2. 异常进程与文件

• 异常进程：使用ps aux查找CPU或内存异常高的进程，确认是否为恶意软件。
• 敏感文件变更：关注/tmp、/var/tmp下有无可疑脚本，以及crontab内容是否异常。

3. 防火墙与补丁

• 规则有效性：确认iptables或firewalld规则未意外放行关键端口。
• 安全更新：定期检查系统及核心软件版本，确保已应用最新安全补丁。

五、巡检频率建议

基础项目建议每日或每周自动化脚本轮询一次，硬件健康与安全日志可每日检查；应用服务响应时间可根据业务重要性每小时或每分钟监控。异常指标应立即触发告警并人工介入。

结语

上述清单覆盖了服务器日常巡检的核心维度。实际执行中应结合企业基础设施、业务特点及SLA要求进行裁剪与扩展。记录巡检历史并持续分析趋势，能有效提升运维主动性与系统可靠性。