嗨，朋友！既然你点开了这个话题，说明你可能刚被服务器告警惊醒，或者正对着满屏的乱码日志发呆。别慌，咱们今天不聊那些枯燥的语法书，而是直接钻进运维现场，看看那些真正在Linux机房里“流血流汗”的Shell脚本是怎么写的。

我会把自己想象成一个刚从生产环境“爬出来”的老兵，带你看看那些坑，也看看怎么填坑。如果你是个刚入门的小朋友，或者只是个想把重复劳动甩给脚本的“懒人”程序员，这篇文章就是为你准备的。我们要聊的不仅是代码，更是一种“让机器干活，让人喝茶”的思维方式。

一、为什么我们还需要Shell？

在Kubernetes、Ansible、Terraform满天飞的时代，很多人问：“都2026年了，还在写Shell脚本？是不是太土了？”

我的回答是：只要Linux还活着，Shell就永远不会死。

为什么？因为有些活儿，只有Shell能最快、最轻、最直接地搞定。

想象一下这个场景：

你的Redis集群突然内存爆满，告警响了。
你需要立刻清理过期Key，然后重启某个节点，并检查主从同步状态。
Ansible playbook写好了，但要部署、测试、调试……耗时至少10分钟。
而你只需要一个脚本，30秒内直接登录那台机器，执行清理，重启，验证。

这就是Shell的魅力：它没有依赖，没有容器，没有复杂的配置，它就是Linux本身。

但Shell也是一把双刃剑。它简单，所以容易写出“垃圾代码”；它强大，所以一个小小的语法错误就能让生产环境宕机。今天，我们就来看看怎么写出像人话一样好读、像钟表一样精准的Shell脚本。

二、基础不牢，地动山摇：那些90%的人都会踩的坑

在写复杂脚本之前，我们先聊聊那些让你怀疑人生的基础问题。很多脚本出Bug，不是因为逻辑错，而是因为对Shell的行为理解错了。

1. 引号的秘密：双引号 vs 单引号

这是一个经典问题。很多人分不清什么时候该用单引号，什么时候该用双引号。

规则很简单：

单引号：里面的一切都是字面意思，变量不会展开，转义字符也无效。
双引号：变量会展开，$() 命令替换会执行，转义字符\ 依然有效（除了$、`、\、"）。

实战案例：日志处理

假设你要写一个脚本，把当天的日志按日期归档，并记录操作人。

#!/bin/bash

# 错误示范：变量未加双引号，如果变量为空或包含空格，会出问题
DATE=$(date +%Y%m%d)
USER=$(whoami)
echo $USER created $DATE.log > /tmp/log_action.txt

# 正确示范：始终用双引号包裹变量
DATE=$(date +%Y%m%d)
USER=$(whoami)
echo "$USER created $DATE.log" > /tmp/log_action.txt

为什么？因为如果USER的值是John Doe（带空格），不加引号的话，echo会把Doe当成第二个参数，导致输出变成John Doe created 20260715.log，而重定向>只会把第一个单词John写进去，剩下的直接丢失！这可不是闹着玩的。

给小朋友的比喻： 想象单引号是一个“保密箱”，里面说什么就是什么，谁也听不见；双引号是一个“广播喇叭”，里面的变量会被大声读出来。如果你想隐藏信息，用单引号；如果你想展示信息，用双引号。

2. `set -e`：让脚本在出错时立即停止

很多新手写脚本，遇到命令失败也不管，继续往下执行。这会导致错误累积，最后产生一堆无效数据，甚至灾难性后果。

最佳实践：在脚本开头加上set -e

#!/bin/bash
set -e  # 任何命令返回非0状态码，脚本立即退出
set -u  # 使用未定义的变量时报错
set -o pipefail  # 管道中任何一个命令失败，整个管道返回失败

echo "Starting backup process..."
backup_db() {
    mysqldump -u root -p${DB_PASS} mydb > /backup/db.sql
}

backup_db
echo "Backup completed."

如果没有set -e，当mysqldump失败（比如密码错误），脚本会继续执行“Backup completed.”，并可能尝试压缩一个不存在的.sql文件，导致后续所有操作都基于错误前提进行。

但是！ set -e也有坑。比如你有一个命令可能失败，但你希望脚本继续运行：

# 错误示范：if语句中的命令失败不会触发set -e退出，但单独写会
if [ -f /tmp/flag ]; then
    rm /tmp/flag
fi

# 正确示范：如果希望命令失败不退出，用 || true
rm /tmp/flag || true
echo "Continuing..."

3. 管道中的陷阱：`pipefail`

在Shell中，cmd1 | cmd2的返回值通常是cmd2的返回值。但如果cmd1失败了，你根本不知道！

# 危险：grep找不到会返回1，但整个管道可能返回0（因为tail成功）
cat /var/log/nginx/error.log | grep "critical" | tail -5

# 正确：启用pipefail
set -o pipefail
cat /var/log/nginx/error.log | grep "critical" | tail -5

有了pipefail，只要管道中任何一个命令失败，整个管道的返回值就是失败。这对于自动化脚本至关重要，因为你需要知道“哪一步出错了”。

三、实战案例1：智能日志轮转与清理脚本

日志管理是运维的日常。Linux有logrotate，但有时候你需要更灵活的自定义逻辑。比如：

只清理大于7天的日志
清理时压缩并保留最近10个压缩包
如果磁盘使用率超过90%，强制清理所有日志

下面是一个完整的、生产可用的日志清理脚本：

#!/bin/bash
# log_cleaner.sh - 智能日志清理脚本
# 作者：Agnes (Sapiens AI)
# 用途：清理指定目录下的旧日志，并在磁盘紧张时强制执行

set -euo pipefail

# ================= 配置区 =================
LOG_DIR="/var/log/myapp"
RETENTION_DAYS=7
COMPRESS_DAYS=3
DISK_THRESHOLD=90
BACKUP_DIR="/backup/log_archives"
LOCK_FILE="/tmp/log_cleaner.lock"

# ================= 函数定义 =================

# 日志输出函数：带时间戳，区分级别
log() {
    local level=$1
    local msg=$2
    echo "[$(date '+%Y-%m-%d %H:%M:%S')] [$level] $msg"
}

# 检查磁盘使用率
check_disk_usage() {
    local usage=$(df -h "$LOG_DIR" | awk 'NR==2 {gsub(/%/,""); print $5}')
    echo "$usage"
}

# 获取锁，防止并发执行
acquire_lock() {
    if [ -f "$LOCK_FILE" ]; then
        local pid=$(cat "$LOCK_FILE")
        if kill -0 "$pid" 2>/dev/null; then
            log "ERROR" "Another instance is running with PID $pid. Exiting."
            exit 1
        else
            log "WARNING" "Stale lock file found. Removing."
            rm -f "$LOCK_FILE"
        fi
    fi
    echo $$ > "$LOCK_FILE"
    log "INFO" "Lock acquired."
}

release_lock() {
    rm -f "$LOCK_FILE"
    log "INFO" "Lock released."
}

# 压缩日志文件
compress_logs() {
    log "INFO" "Compressing logs older than $COMPRESS_DAYS days..."
    find "$LOG_DIR" -name "*.log" -type f -mtime +${COMPRESS_DAYS} -exec gzip {} \;
}

# 删除过期日志
remove_old_logs() {
    log "INFO" "Removing logs older than $RETENTION_DAYS days..."
    find "$LOG_DIR" -type f \( -name "*.log" -o -name "*.log.gz" \) -mtime +${RETENTION_DAYS} -delete
}

# 强制清理：当磁盘使用率超过阈值时
force_clean() {
    local usage=$(check_disk_usage)
    if [ "$usage" -gt "$DISK_THRESHOLD" ]; then
        log "WARNING" "Disk usage is ${usage}%, exceeding threshold ${DISK_THRESHOLD}%. Performing force clean."
        find "$LOG_DIR" -type f -name "*.log" -delete
        find "$LOG_DIR" -type f -name "*.log.gz" -mtime +1 -delete
    else
        log "INFO" "Disk usage is ${usage}%, normal. Skipping force clean."
    fi
}

# 移动压缩日志到备份目录
archive_logs() {
    if [ ! -d "$BACKUP_DIR" ]; then
        mkdir -p "$BACKUP_DIR"
    fi
    log "INFO" "Archiving compressed logs..."
    find "$LOG_DIR" -name "*.log.gz" -mtime +0 -exec mv {} "$BACKUP_DIR" \;
}

# ================= 主流程 =================

main() {
    log "INFO" "=== Log Cleaner Started ==="
    acquire_lock
    
    trap release_lock EXIT  # 脚本退出时自动释放锁
    
    check_disk_usage
    compress_logs
    remove_old_logs
    force_clean
    archive_logs
    
    log "INFO" "=== Log Cleaner Finished ==="
}

main "$@"

代码解析：

配置区：所有可调参数集中在顶部，方便你修改。
set -euo pipefail：安全第一。
log()函数：统一输出格式，方便后期用grep过滤日志级别。
锁机制：防止脚本被多次启动导致混乱。trap EXIT确保即使脚本异常退出，锁也能被释放。
find命令：-mtime +7表示7天前的文件，-exec gzip就地压缩，-delete直接删除。

给小朋友的比喻： 想象你的日志是房间里的玩具。RETENTION_DAYS是你决定玩具多久不玩就扔。DISK_THRESHOLD是房间太挤了（超过90%），你必须立刻清出空间。这个脚本就像一个聪明的机器人，每天自动收拾房间，把不玩的玩具压缩打包（compress），扔掉的玩具存到仓库（archive），如果房间太挤，连最新的玩具也先扔出去。

四、实战案例2：数据库健康检查与自动重启

数据库是应用的心脏。心脏停了，全完。我们需要一个脚本，定期检查数据库状态，如果挂了，自动重启，并通知负责人。

#!/bin/bash
# db_health_check.sh - MySQL健康检查与自动重启
# 注意：生产环境请谨慎使用自动重启，建议先告警再决策

set -euo pipefail

# 配置
DB_HOST="localhost"
DB_USER="admin"
DB_PASS="s3cr3tP@ss"
DB_NAME="production_db"
ALERT_EMAIL="ops-team@company.com"
LOG_FILE="/var/log/db_health_check.log"
MAX_RETRY=3
RETRY_DELAY=10

# 记录日志
log() {
    echo "[$(date '+%Y-%m-%d %H:%M:%S')] $1" | tee -a "$LOG_FILE"
}

# 检查数据库是否可达
check_db() {
    mysql -h "$DB_HOST" -u "$DB_USER" -p"$DB_PASS" -e "SELECT 1" &>/dev/null
}

# 发送告警邮件
send_alert() {
    local subject="ALERT: Database $DB_NAME on $DB_HOST is down!"
    local body="Database health check failed at $(date). Automatic restart will be attempted."
    echo "$body" | mail -s "$subject" "$ALERT_EMAIL"
    log "ALERT" "Email sent to $ALERT_EMAIL"
}

# 重启数据库服务
restart_db() {
    log "INFO" "Attempting to restart MySQL service..."
    systemctl restart mysql
    sleep 5  # 等待服务启动
    
    # 验证重启是否成功
    if check_db; then
        log "INFO" "Database restarted successfully."
        return 0
    else
        log "ERROR" "Database restart failed."
        return 1
    fi
}

# 主循环
main() {
    log "INFO" "=== DB Health Check Started ==="
    
    local attempt=0
    while ! check_db; do
        attempt=$((attempt + 1))
        log "WARNING" "Database check failed (attempt $attempt/$MAX_RETRY)"
        
        if [ "$attempt" -ge "$MAX_RETRY" ]; then
            log "ERROR" "Max retries reached. Sending alert."
            send_alert
            restart_db || log "CRITICAL" "All recovery attempts failed!"
            break
        fi
        
        sleep "$RETRY_DELAY"
    done
    
    if check_db; then
        log "INFO" "Database is healthy."
    fi
    
    log "INFO" "=== DB Health Check Finished ==="
}

main

关键点：

tee -a：日志既输出到屏幕，也追加到文件。
MAX_RETRY和RETRY_DELAY：避免误判。网络抖动可能让数据库暂时不可达，不要立刻报警。
restart_db函数：重启后必须验证是否成功。很多新手只重启，不验证，结果重启了个寂寞，数据库还是挂的。
send_alert：在重启失败前告警，让运维人员有时间介入。自动重启是最后的保险丝，不是首选。

给小朋友的比喻： 这就像你家里有自动浇水系统。每天检查土壤湿度（check_db），如果太干（数据库挂了），先等等看是不是云遮住了太阳（网络抖动，RETRY_DELAY），如果还是太干，就打开水龙头（restart_db），并给你发微信（send_alert）。如果水龙头坏了，你就得亲自去修了。

五、实战案例3：批量服务器状态巡检脚本

当你管理几十上百台服务器时，不可能每台都手动SSH上去看。我们需要一个批量巡检脚本。

假设你有一个服务器列表文件servers.txt，每行一台服务器的IP：

192.168.1.10
192.168.1.11
192.168.1.12

巡检内容：CPU使用率、内存使用率、磁盘使用率、SSH是否可达。

”`bash #!/bin/bash

server_inspect.sh - 批量服务器状态巡检

依赖：sshpass（非交互式登录），sar（系统活动报告）

set -euo pipefail

SERVER_FILE=“servers.txt” RESULT_FILE=“inspectionresult$(date +%Y%m%d_%H%M%S).csv” THRESHOLD_CPU=80 THRESHOLD_MEM=85 THRESHOLD_DISK=90

检查依赖

for cmd in sshpass sar; do

if ! command -v "$cmd" &>/dev/null; then
    echo "Error: $cmd is not installed. Please install it first."
    exit 1
fi

done

log() {

echo "[$(date '+%Y-%m-%d %H:%M:%S')] $1"

}

巡检单台服务器

inspect_server() {

local ip=$1
local ssh_cmd="sshpass -p 'your_password' ssh -o StrictHostKeyChecking=no -o ConnectTimeout=5 root@$ip"

log "INFO" "Inspecting $ip..."

# 检查SSH可达性
if ! $ssh_cmd "echo 'SSH OK'" &>/dev/null; then
    echo "$ip,UNREACHABLE,-,-,-" >> "$RESULT_FILE"
    return
fi

# 获取CPU使用率（取最近5分钟的平均值）
local cpu_idle=$($ssh_cmd "sar -u 1 3 | awk 'NR==4 {print \$NF}'" | tail -1)
local cpu_usage=$(echo "100 - $cpu_idle" | bc)

# 获取内存使用率
local mem_total=$($ssh_cmd "free -m | awk 'NR==2{print \$2}'")
local mem_used=$($ssh_cmd "free -m | awk 'NR==2{print \$3}'")
local mem_usage=$(echo "scale=2; $mem_used * 100 / $mem_total" | bc)

# 获取磁盘使用率（取根分区）
local disk_usage=$($ssh_cmd "df -h / | awk 'NR==2{gsub(/%/,""); print \$5}'")

# 判断是否告警
local alert=""
if (( $(echo "$cpu_usage > $THRESHOLD_CPU" | bc -l) )); then alert="${alert}CPU_HIGH "; fi
if (( $(echo "$mem_usage > $THRESHOLD_MEM" | bc -l) )); then alert="${alert}MEM_HIGH "; fi
if (( disk_usage > THRESHOLD_DISK )); then alert="${alert}DISK_HIGH "; fi

echo "$ip,$cpu_usage,$mem_usage,$disk_usage,$alert" >> "$RESULT_FILE"

if [ -n "$alert" ]; then
    log "WARNING" "Alert for $ip: $alert"
else
    log "INFO" "Server $ip is healthy."
fi

}

主流程

main() {

log "INFO" "=== Batch Inspection Started ==="
echo "IP,CPU_

正文

Shell编程实战案例：自动化运维脚本编写与常见问题解决技巧

一、为什么我们还需要Shell？

二、基础不牢，地动山摇：那些90%的人都会踩的坑

1. 引号的秘密：双引号 vs 单引号

2. `set -e`：让脚本在出错时立即停止

3. 管道中的陷阱：`pipefail`

三、实战案例1：智能日志轮转与清理脚本

四、实战案例2：数据库健康检查与自动重启

五、实战案例3：批量服务器状态巡检脚本

server_inspect.sh - 批量服务器状态巡检

依赖：sshpass（非交互式登录），sar（系统活动报告）

检查依赖

巡检单台服务器

主流程

相关阅读

掌握Shell编程：50个实用实战案例解析与学习指南

学会爬格编程，轻松驾驭数据宝库：实战案例解析，小白也能轻松上手的技巧揭秘

掌握Golang实战技巧，海量案例解析，交流共成长

掌握Shell脚本，轻松解决日常编程难题实战案例分享

从小白到高手：爬格编程实战案例解析与技巧分享

掌握Golang实战技巧，速来参与案例交流分享会

学习爬格编程，实战案例教你轻松入门爬虫技术

掌握Golang编程，实战案例分享，新手到高手之路

掌握Shell编程，轻松应对企业级实战难题

掌握爬格编程，实战案例教你轻松入门网络数据抓取

一、 为什么我们还需要Shell？

二、 基础不牢，地动山摇：那些90%的人都会踩的坑

1. 引号的秘密：双引号 vs 单引号

2. set -e：让脚本在出错时立即停止

3. 管道中的陷阱：pipefail

三、 实战案例1：智能日志轮转与清理脚本

四、 实战案例2：数据库健康检查与自动重启

五、 实战案例3：批量服务器状态巡检脚本

server_inspect.sh - 批量服务器状态巡检

依赖：sshpass（非交互式登录），sar（系统活动报告）

检查依赖

巡检单台服务器

主流程

相关阅读

掌握Shell编程：50个实用实战案例解析与学习指南

学会爬格编程，轻松驾驭数据宝库：实战案例解析，小白也能轻松上手的技巧揭秘

掌握Golang实战技巧，海量案例解析，交流共成长

掌握Shell脚本，轻松解决日常编程难题实战案例分享

从小白到高手：爬格编程实战案例解析与技巧分享

掌握Golang实战技巧，速来参与案例交流分享会

学习爬格编程，实战案例教你轻松入门爬虫技术

掌握Golang编程，实战案例分享，新手到高手之路

掌握Shell编程，轻松应对企业级实战难题

掌握爬格编程，实战案例教你轻松入门网络数据抓取

一、为什么我们还需要Shell？

二、基础不牢，地动山摇：那些90%的人都会踩的坑

2. `set -e`：让脚本在出错时立即停止

3. 管道中的陷阱：`pipefail`

三、实战案例1：智能日志轮转与清理脚本

四、实战案例2：数据库健康检查与自动重启

五、实战案例3：批量服务器状态巡检脚本