自动化脚本防止虚拟机磁盘爆满的监控策略

自动化脚本防止虚拟机磁盘爆满的监控策略

为什么需要磁盘监控

作为运维工程师，我经历过太多次凌晨被磁盘告警吵醒的噩梦。特别是在虚拟化环境中，磁盘空间不足不仅会影响业务系统运行，还可能导致数据丢失。通过自动化监控脚本，我们可以提前发现问题并自动清理，让运维工作更加从容。

监控脚本设计思路

我的监控策略主要包含三个核心环节：定期检查磁盘使用率、设置合理的阈值告警、自动执行清理操作。这样既能及时发现问题，又能避免频繁的人工干预。

实战：编写磁盘监控脚本

下面是我在实际生产环境中使用的监控脚本，支持多种Linux发行版：

#!/bin/bash
# 磁盘监控与自动清理脚本

THRESHOLD=85  # 磁盘使用率阈值
LOG_FILE="/var/log/disk_monitor.log"
CLEANUP_DIRS=("/tmp" "/var/tmp" "/var/log")  # 需要清理的目录

# 记录日志函数
log_message() {
    echo "$(date '+%Y-%m-%d %H:%M:%S') - $1" >> $LOG_FILE
}

# 检查磁盘使用率
check_disk_usage() {
    local usage=$(df / | awk 'NR==2 {print $5}' | sed 's/%//')
    echo $usage
}

# 自动清理函数
perform_cleanup() {
    log_message "开始执行清理操作"
    
    # 清理临时文件
    for dir in "${CLEANUP_DIRS[@]}"; do
        if [ -d "$dir" ]; then
            find "$dir" -type f -mtime +7 -delete 2>/dev/null
            log_message "已清理目录: $dir"
        fi
    done
    
    # 清理Docker无用镜像（如果使用Docker）
    if command -v docker &> /dev/null; then
        docker system prune -f >> $LOG_FILE 2>&1
        log_message "已清理Docker无用资源"
    fi
}

# 主监控循环
main() {
    while true; do
        usage=$(check_disk_usage)
        
        if [ $usage -ge $THRESHOLD ]; then
            log_message "警告：磁盘使用率 ${usage}% 超过阈值 ${THRESHOLD}%"
            perform_cleanup
            
            # 清理后再次检查
            new_usage=$(check_disk_usage)
            if [ $new_usage -ge $THRESHOLD ]; then
                log_message "清理后磁盘使用率仍为 ${new_usage}%，需要人工干预"
                # 这里可以添加邮件或短信告警
            else
                log_message "清理成功，磁盘使用率降至 ${new_usage}%"
            fi
        fi
        
        sleep 300  # 每5分钟检查一次
    done
}

# 启动监控
main

配置定时任务与告警

为了让脚本持续运行，我们需要将其设置为系统服务或定时任务。我推荐使用systemd服务的方式：

# 创建systemd服务文件
sudo tee /etc/systemd/system/disk-monitor.service > /dev/null <<EOF
[Unit]
Description=Disk Usage Monitor
After=network.target

[Service]
Type=simple
ExecStart=/opt/scripts/disk_monitor.sh
Restart=always
User=root

[Install]
WantedBy=multi-user.target
EOF

# 启用并启动服务
sudo systemctl daemon-reload
sudo systemctl enable disk-monitor
sudo systemctl start disk-monitor

踩坑经验与优化建议

在实施过程中，我总结了几点重要经验：

1. 阈值设置要合理：不要设置得太低（避免频繁告警）或太高（失去预警意义），85%-90%是比较合适的范围

2. 清理策略要谨慎：确保清理的文件确实可以删除，避免误删重要数据

3. 日志记录要完整：详细的日志有助于问题排查和后续优化

4. 多磁盘监控：如果系统有多个挂载点，需要分别监控

监控效果验证

部署完成后，可以通过以下命令验证脚本运行状态：

# 检查服务状态
systemctl status disk-monitor

# 查看监控日志
tail -f /var/log/disk_monitor.log

# 手动触发磁盘使用检查
df -h

通过这套自动化监控方案，我们成功将磁盘相关的运维事件减少了80%以上。希望这个实战经验对你有帮助，记得根据实际环境调整脚本参数！