说实话，刚开始学 Shell 的时候，我和你们一样，觉得这玩意儿不就是 ls、cd、grep 那一套吗？直到有一天，生产环境的磁盘被日志打满了，而我的手机正好没电，没法连进去手动删，那种绝望感我至今记得。从那以后，我才真正意识到：Shell 不只是命令的堆砌，它是运维人员的“救命稻草”，也是系统自动化的“神经末梢”。

今天这篇长文，我想放下那些教科书式的定义，像老朋友聊天一样，带你从头到尾把 Shell 运维脚本这条路走通。我们会聊基础、聊实战、聊坑、聊优化，甚至聊怎么让老板觉得你很有价值。准备好了吗？咱们开始。

第一章：别急着写脚本，先把“地基”打牢

很多人写 Shell 脚本出问题，不是因为逻辑错了，而是因为基础语法理解偏差。别嫌我啰嗦，这些细节决定了你的脚本是“能跑”还是“健壮”。

1.1 Shebang 不是摆设

#!/bin/bash

这一行必须写在第一行。它告诉操作系统：“请用 /bin/bash 来解释执行这个脚本”。如果你写成 #!/bin/sh，在某些 Linux 发行版（如 Ubuntu）中，sh 可能指向 dash，而 dash 不支持 Bash 的一些高级特性（比如数组、[[ ]] 等），这会导致脚本报错，而且错误信息非常晦涩。

建议：除非你明确需要兼容 POSIX 标准，否则一律用 #!/bin/bash。

1.2 变量赋值：空格是“毒药”

# 正确
name="zhangsan"
age=25

# 错误！这会报错：age=25: command not found
name = "zhangsan"

在 Shell 中，= 两边不能有空格。这是新手最常踩的坑。赋值时，如果值包含空格，必须用引号括起来。

1.3 条件判断：`[` 和 `[[ ]]` 的区别

# 旧式写法，容易出错
if [ "$name" == "admin" ]; then
    echo "Hello admin"
fi

# 新式写法，更安全，支持正则
if [[ "$name" == "admin" ]]; then
    echo "Hello admin"
fi

[ ] 是 POSIX 标准，功能有限，需要小心转义。
[[ ]] 是 Bash 扩展，更强大，支持逻辑运算符 &&、||，支持正则匹配，推荐在 Bash 脚本中使用。

1.4 引号的秘密

双引号 "：允许变量替换，但不允许命令替换（除非用 $()）。
单引号 '：完全字面量，什么也不解释。
反引号 ` ` 或 $()：命令替换。

echo "Today is $(date)"   # 推荐：可读性好，可嵌套
echo "Today is `date`"    # 不推荐：反引号在视觉上容易混淆

第二章：从“手工侠”到“自动化战士”——日志清理实战

回到我开头说的那件事：磁盘满了。如果当时我有个自动化脚本，情况会完全不同。

2.1 需求分析

我们要清理的是 Nginx 访问日志，保留最近 7 天的日志，其他的删除。同时，要确保脚本不会误删其他目录。

2.2 基础版脚本（充满坑）

#!/bin/bash
cd /var/log/nginx
rm -f *.log.*

这个脚本有重大隐患：

rm -f *.log.* 会删除所有带 * 的日志，包括可能正在写入的日志。
没有日志记录，你不知道谁删了什么。
没有备份机制，误删无法恢复。

2.3 进阶版：安全清理脚本

#!/bin/bash

# 配置项
LOG_DIR="/var/log/nginx"
RETENTION_DAYS=7
LOG_FILE="/var/log/cleanup.log"

# 记录开始时间
echo "[$(date '+%Y-%m-%d %H:%M:%S')] 开始清理 $LOG_DIR" >> "$LOG_FILE"

# 检查目录是否存在
if [ ! -d "$LOG_DIR" ]; then
    echo "[$(date '+%Y-%m-%d %H:%M:%S')] 错误：目录 $LOG_DIR 不存在" >> "$LOG_FILE"
    exit 1
fi

# 查找并删除超过保留期的日志
# 使用 find 命令，-mtime +7 表示修改时间在 7 天以前
find "$LOG_DIR" -name "*.log.*" -type f -mtime +${RETENTION_DAYS} | while read -r file; do
    # 备份前重命名（可选，用于防止误删）
    backup_file="${LOG_DIR}/$(basename "$file").bak.$(date +%s)"
    mv "$file" "$backup_file"
    
    # 删除备份
    rm -f "$backup_file"
    
    echo "[$(date '+%Y-%m-%d %H:%M:%S')] 已删除: $file" >> "$LOG_FILE"
done

# 检查磁盘空间
df -h "$LOG_DIR" >> "$LOG_FILE"
echo "[$(date '+%Y-%m-%d %H:%M:%S')] 清理完成" >> "$LOG_FILE"

关键点解析：

find ... | while read -r：管道传递给 while 循环，-r 防止反斜杠转义。
date +%s：时间戳，确保备份文件名唯一。
>> "$LOG_FILE"：所有操作都有日志记录，方便审计。

2.4 常见坑点：通配符与空目录

如果 /var/log/nginx 下没有匹配的文件，find 不会返回任何东西，脚本正常结束。但如果你用 ls *.log.*，在没有匹配文件时会报错。所以永远优先使用 find，而不是 ls 配合通配符。

第三章：备份的艺术——不只是复制粘贴

备份是运维的底线。没有备份的系统，就像没有保险的汽车。

3.1 全量备份 vs 增量备份

全量备份：每次都复制所有数据。简单，但耗空间、耗时间。
增量备份：只复制自上次备份以来变化的数据。复杂，但高效。

对于小规模的日志和配置文件，全量备份足够了，因为逻辑简单，不容易出错。

3.2 脚本：自动备份 Nginx 配置和日志

#!/bin/bash

# 配置项
BACKUP_DIR="/data/backup/nginx"
SOURCE_DIR="/etc/nginx"
LOG_SOURCE_DIR="/var/log/nginx"
RETENTION_DAYS=30
DATE=$(date +%Y%m%d_%H%M%S)
BACKUP_FILE="${BACKUP_DIR}/nginx_config_${DATE}.tar.gz"
LOG_BACKUP_FILE="${BACKUP_DIR}/nginx_logs_${DATE}.tar.gz"

# 创建备份目录（如果不存在）
mkdir -p "$BACKUP_DIR"

# 备份配置文件
tar -czf "$BACKUP_FILE" -C /etc nginx
echo "[$(date '+%Y-%m-%d %H:%M:%S')] 配置文件备份完成: $BACKUP_FILE"

# 备份最近 7 天的日志
tar -czf "$LOG_BACKUP_FILE" -C /var/log nginx/access.log.* $(find /var/log/nginx -name "*.log.*" -mtime -7 -exec basename {} \;)
echo "[$(date '+%Y-%m-%d %H:%M:%S')] 日志备份完成: $LOG_BACKUP_FILE"

# 删除旧备份
find "$BACKUP_DIR" -name "*.tar.gz" -type f -mtime +${RETENTION_DAYS} -delete
echo "[$(date '+%Y-%m-%d %H:%M:%S')] 旧备份清理完成"

注意：备份日志时，我们只备份最近 7 天的，避免压缩文件过大。

3.3 备份验证：备份了不等于能恢复

很多运维人员只备份，不验证。这是大忌。

# 在脚本末尾添加验证步骤
if tar -tzf "$BACKUP_FILE" > /dev/null 2>&1; then
    echo "[$(date '+%Y-%m-%d %H:%M:%S')] 备份文件验证通过"
else
    echo "[$(date '+%Y-%m-%d %H:%M:%S')] 警告：备份文件损坏，请检查"
    # 发送告警
    send_alert "Nginx config backup failed!"
fi

第四章：监控报警——让问题在爆发前被发现

监控不是事后诸葛亮，而是事前预警。

4.1 监控磁盘空间

#!/bin/bash

THRESHOLD=90  # 磁盘使用率超过 90% 时报警
ALERT_EMAIL="admin@example.com"

# 获取根分区使用率
USAGE=$(df -h / | awk 'NR==2 {print $5}' | sed 's/%//')

if [ "$USAGE" -gt "$THRESHOLD" ]; then
    echo "警告：根分区使用率 ${USAGE}%，已超过 ${THRESHOLD}%" | mail -s "磁盘空间告警" "$ALERT_EMAIL"
fi

4.2 监控进程存活

#!/bin/bash

PROCESS_NAME="nginx"

if ! pgrep -x "$PROCESS_NAME" > /dev/null; then
    # 进程不存在，尝试重启
    systemctl restart "$PROCESS_NAME"
    echo "[$(date '+%Y-%m-%d %H:%M:%S')] $PROCESS_NAME 进程未运行，已尝试重启" >> /var/log/process_monitor.log
    # 发送告警
    mail -s "$PROCESS_NAME 进程异常" "$ALERT_EMAIL"
fi

4.3 监控 CPU 和内存

#!/bin/bash

# 获取 CPU 使用率（前 5 秒的采样）
CPU_USAGE=$(top -bn1 | grep "Cpu(s)" | awk '{print $2}' | cut -d'%' -f1)
# 更稳定的方式：使用 /proc/stat
CPU_USAGE=$(awk '/^cpu / {usage=($2+$3+$4)*100/($2+$3+$4+$5+$6+$7+$8); printf "%.1f", usage}' /proc/stat)

THRESHOLD=80
if (( $(echo "$CPU_USAGE > $THRESHOLD" | bc -l) )); then
    echo "警告：CPU 使用率 ${CPU_USAGE}%" | mail -s "CPU 告警" "$ALERT_EMAIL"
fi

坑点：top 命令的输出格式在不同系统上可能不同，建议优先使用 /proc/stat 或 mpstat。

4.4 集中告警：封装一个通用报警函数

send_alert() {
    local message="$1"
    local subject="运维告警: $message"
    
    # 发送到邮件
    echo "$message" | mail -s "$subject" "$ALERT_EMAIL"
    
    # 发送到钉钉/企业微信（这里以 curl 为例）
    curl -X POST "https://oapi.dingtalk.com/robot/send?access_token=YOUR_TOKEN" \
         -H 'Content-Type: application/json' \
         -d '{"msgtype": "text", "text": {"content": "'$subject': $message"}}'
    
    echo "[$(date '+%Y-%m-%d %H:%M:%S')] 告警已发送: $message" >> /var/log/alert.log
}

这样，你只需要调用 send_alert "磁盘空间不足"，就能同时发送邮件和钉钉通知，大大简化了代码。

第五章：常见坑点与优化技巧

写脚本容易，写好脚本难。以下是一些我在实战中踩过的坑和总结的技巧。

5.1 坑点一：未处理的变量展开

# 危险：如果 $file 包含空格，脚本会出错
rm $file

# 安全：始终用双引号括起来
rm "$file"

5.2 坑点二：忽略错误码

# 错误：即使 mkdir 失败，脚本也会继续执行
mkdir /data/backup
tar -czf backup.tar.gz /data

# 正确：使用 set -e 或在关键命令后检查返回值
set -e
mkdir /data/backup || exit 1
tar -czf backup.tar.gz /data

set -e 会让脚本在任何一个命令失败时立即退出，避免错误累积。

5.3 坑点三：硬编码路径

不要把所有路径都写在脚本里。把它们提取到配置文件中。

config.sh

LOG_DIR="/var/log/nginx"
BACKUP_DIR="/data/backup"
RETENTION_DAYS=7

cleanup.sh

#!/bin/bash
source config.sh
# 使用 $LOG_DIR 等变量

这样，换一台服务器只需要改配置文件，不用改脚本。

5.4 优化技巧一：使用 `set -o pipefail`

set -o pipefail

默认情况下，管道命令的错误码只取最后一个命令的。设置 pipefail 后，如果管道中任何一个命令失败，整个管道的退出码就是非零的。

# 示例：grep 找不到匹配项时返回 1，默认会被忽略
echo "hello" | grep "world"
echo $?  # 输出 1，但如果没有 pipefail，前面的命令错误可能被忽略

set -o pipefail
echo "hello" | grep "world"
echo $?  # 输出 1，正确反映错误

5.5 优化技巧二：日志分级

不要只写一行日志。使用不同的日志级别，方便后续排查。

log_info() {
    echo "[$(date '+%Y-%m-%d %H:%M:%S')] [INFO] $1" >> "$LOG_FILE"
}

log_error() {
    echo "[$(date '+%Y-%m-%d %H:%M:%S')] [ERROR] $1" >> "$LOG_FILE"
}

log_warn() {
    echo "[$(date '+%Y-%m-%d %H:%M:%S')] [WARN] $1" >> "$LOG_FILE"
}

5.6 优化技巧三：使用 `trap` 清理临时文件

TMPFILE=$(mktemp)
trap "rm -f $TMPFILE" EXIT

# 在脚本中使用 $TMPFILE
# 即使脚本异常退出，临时文件也会被自动删除

5.7 优化技巧四：脚本签名与帮助信息

一个好的运维脚本，应该像工具一样易用。添加帮助信息，让用户知道怎么用。

show_help() {
    echo "Usage: $0 [OPTIONS]"
    echo "Options:"
    echo "  -h, --help    Show this help message"
    echo "  -d, --days    Retention days (default: 7)"
    echo "  -v, --verbose Verbose output"
}

# 解析参数
while [[ $# -gt 0 ]]; do
    case $1 in
        -h|--help) show_help; exit 0 ;;
        -d|--days) RETENTION_DAYS=$2; shift 2 ;;
        -v|--verbose) VERBOSE=true; shift ;;
        *) echo "Unknown option: $1"; show_help; exit 1 ;;
    esac
done

第六章：一个完整的实战案例——自动化运维脚本框架

让我们把前面学到的东西整合起来，写一个完整的、生产可用的运维脚本框架。

脚本名称: ops_tool.sh

”`bash #!/bin/bash

=============================================================================

脚本名称: ops_tool.sh

功能: 统一的运维操作工具，包含日志清理、备份、监控等功能

作者: 你的昵称

版本: 1.0.0

用法: ./ops_tool.sh [options]

=============================================================================

set -euo pipefail

— 全局配置 —

SCRIPT_NAME=$(basename "$0”) VERSION=“1.0.0” LOG_FILE=“/var/log/ops_tool.log” CONFIG_FILE=“/etc/ops_tool.conf”

— 函数定义 —

日志记录

log() {

local level=$1
local message=$2
echo "[$(date '+%Y-%m-%d %H:%M:%S')] [$level] $message" | tee -a "$LOG_FILE"

}

log_info() { log “INFO” “$1"; } log_error() { log "ERROR" "$1”; } log_warn() { log “WARN” “$1”; }

发送告警

send_alert() {

local message="$1"
log_warn "发送告警: $message"
# 这里调用之前定义的 send_alert 函数
# 为了演示，我们只打印
echo "ALERT: $message"

}

加载配置

load_config() {

if [ -f "$CONFIG_FILE" ]; then
    source "$CONFIG_FILE"
    log_info "配置文件加载成功: $CONFIG_FILE"
else
    log_warn "配置文件不存在，使用默认值"
fi

}

显示帮助

show_help() {

cat << EOF

$SCRIPT_NAME v$VERSION

Usage: $SCRIPT_NAME [options]

Commands: clean 清理日志 backup 备份配置和日志 monitor 执行监控检查 help 显示此帮助信息

Options: -h, –help Show this help message -c, –config 指定

第一章：别急着写脚本，先把“地基”打牢

1.1 Shebang 不是摆设

1.2 变量赋值：空格是“毒药”

1.3 条件判断：[ 和 [[ ]] 的区别

1.4 引号的秘密

第二章：从“手工侠”到“自动化战士”——日志清理实战

2.1 需求分析

2.2 基础版脚本（充满坑）

2.3 进阶版：安全清理脚本

2.4 常见坑点：通配符与空目录

第三章：备份的艺术——不只是复制粘贴

3.1 全量备份 vs 增量备份

3.2 脚本：自动备份 Nginx 配置和日志

3.3 备份验证：备份了不等于能恢复

第四章：监控报警——让问题在爆发前被发现

4.1 监控磁盘空间

4.2 监控进程存活

4.3 监控 CPU 和内存

4.4 集中告警：封装一个通用报警函数

第五章：常见坑点与优化技巧

5.1 坑点一：未处理的变量展开

5.2 坑点二：忽略错误码

5.3 坑点三：硬编码路径

5.4 优化技巧一：使用 set -o pipefail

5.5 优化技巧二：日志分级

5.6 优化技巧三：使用 trap 清理临时文件

5.7 优化技巧四：脚本签名与帮助信息

第六章：一个完整的实战案例——自动化运维脚本框架

=============================================================================

脚本名称: ops_tool.sh

功能: 统一的运维操作工具，包含日志清理、备份、监控等功能

作者: 你的昵称

版本: 1.0.0

用法: ./ops_tool.sh [options]

=============================================================================

— 全局配置 —

— 函数定义 —

日志记录

发送告警

加载配置

显示帮助

相关阅读

从零开始：爬格编程实战案例解析，教你轻松掌握网络爬虫技巧

学习爬格编程，这些实战案例帮你轻松上手！

掌握Golang精髓，实战案例分析交流，助你轻松应对开发难题

掌握Golang精髓：实战案例分享与交流之道

Shell编程：实战案例教你轻松解决服务器运维难题

从小白到高手：爬格编程实战技巧与经典案例分析

Golang实战经验分享：从入门到案例解析，学习高效编程技巧

Shell编程入门：轻松解决实际工作场景中的50个经典问题

掌握爬格编程，轻松破解实战难题：跟学经典案例，解锁编程新技能

Golang实战经验分享：案例解析与交流技巧，助你高效编程

1.3 条件判断：`[` 和 `[[ ]]` 的区别

5.4 优化技巧一：使用 `set -o pipefail`

5.6 优化技巧三：使用 `trap` 清理临时文件