站点半夜挂了没人知道?我用 60 行 Python 把宕机和证书到期都管了

import requests

def check_http(url, timeout=5):
    try:
        r = requests.get(url, timeout=timeout,
                         headers={"User-Agent": "maoge-monitor/1.0"})
        if r.status_code != 200:
            return False, f"状态码 {r.status_code}"
        if r.elapsed.total_seconds() > 5:
            return False, f"响应慢 {r.elapsed.total_seconds():.1f}s"
        return True, "ok"
    except requests.exceptions.Timeout:
        return False, "请求超时"
    except Exception as e:
        return False, f"异常 {type(e).__name__}"

import ssl, socket
from datetime import datetime

def check_cert(host, port=443):
    ctx = ssl.create_default_context()
    with socket.create_connection((host, port), timeout=8) as sock:
        # server_hostname 必须传，不然多站点的机器给你返回错证书
        with ctx.wrap_socket(sock, server_hostname=host) as ssock:
            cert = ssock.getpeercert()
    expire = datetime.strptime(cert["notAfter"], "%b %d %H:%M:%S %Y %Z")
    days = (expire - datetime.utcnow()).days
    return days

import time

def check_with_retry(url, times=3, gap=20):
    last = ""
    for i in range(times):
        ok, msg = check_http(url)
        if ok:
            return True, "ok"
        last = msg
        if i < times - 1:
            time.sleep(gap)
    return False, last

加上这段之后，误报直接归零。监控脚本最大的敌人不是漏报，是狼来了喊多了你就不看了。
坑三：cron 里跑不起来，手动跑好好的
写完在终端跑得很顺，塞进 cron 之后一条告警都没有。查了半天，是两个经典问题叠在一起：

cron 的 PATH 极其贫瘠，python3 找不到；

脚本里用了相对路径写状态文件，cron 的工作目录是 $HOME，文件写到别的地方去了。


修法就是全部写死绝对路径，顺手把输出重定向到日志：
# crontab -e
*/5 * * * * /usr/bin/python3 /opt/monitor/site_check.py >> /var/log/site_check.log 2>&1
0 9 * * * /usr/bin/python3 /opt/monitor/site_check.py --cert-only >> /var/log/site_check.log 2>&1

HTTP 检测 5 分钟一次，证书检测每天早上 9 点跑一次就够了——证书不会在一小时内突然过期。

告警去重：别让它一直刷
站挂了如果不处理，5 分钟一条消息，一小时 12 条，手机直接废掉。所以要记状态：只在「状态发生变化」时才推送。
import json, os

STATE = "/opt/monitor/state.json"

def load_state():
    if os.path.exists(STATE):
        with open(STATE) as f:
            return json.load(f)
    return {}

def save_state(s):
    with open(STATE, "w") as f:
        json.dump(s, f)

# 主逻辑里
state = load_state()
prev = state.get(url, "up")
now = "up" if ok else "down"
if now != prev:
    send_alert(f"[{now.upper()}] {url} {msg}")   # 挂了报一次，恢复了也报一次
state[url] = now
save_state(state)

send_alert 我接的是企业微信机器人 webhook，一个 POST 就完事，比配 SMTP 省心得多。想用 Telegram、Bark、钉钉都一样，换个 URL 的活儿。
跑了一周的结果

抓到 1 次真实宕机：PHP-FPM 因为内存吃满被 OOM Killer 干掉，站返回 502，我在两分钟内收到消息，重启完事

提前 14 天收到证书到期提醒，顺手把 certbot 那个 webroot 路径配错的问题彻底修了

误报 0 次



几点经验

监控这事的价值不在「看到数据」，而在「出事时有人告诉你」。前者是仪表盘，后者才是监控。


不要一上来就搞全家桶。一个 Python 文件 + cron 能覆盖 90% 的个人站需求，等真需要看趋势了再上重家伙。

重试机制比检测逻辑更重要。误报会直接毁掉监控的可信度，一旦你开始习惯性忽略告警，这套东西就等于没有。

状态变化才推送，别做无脑循环通知。

cron 环境和你的 shell 环境是两个世界，凡是路径全写绝对，凡是输出全落日志。

证书这类「慢性问题」最容易被忽视，因为它平时完全没症状，爆的时候直接全站不可用。宁可提前 15 天啰嗦一次。


脚本很糙，但它替我盯着机器，这就够了。哪天它自己挂了怎么办？我在 NAS 上又加了一条 cron，反过来监控这台服务器的心跳文件——这就是另一篇的事了。