服务器看门狗 · 宕机秒知
能做什么
- 每 5 分钟自动探测每台服务器的 ping、TCP 端口（SSH/业务端口）、HTTP 健康端点
- 连续
fail_threshold次失败才告警（默认 2 次）——网络抖动不误报 - 恢复后自动推送「已恢复 + 本次中断时长」
- 告警发送失败不丢：落盘积压，下轮自动补发；超 24h 的陈年告警自动丢弃防轰炸
- 一个 JSON 管多台机器；仅依赖 Python 标准库，装上就能跑
文件
scripts/server-watchdog.py— 主程序（生产验证，零第三方依赖）scripts/watchdog-targets.example.json— 配置模板，复制为watchdog-targets.json后填自己的主机
部署五步
- 填配置：复制
watchdog-targets.example.json为watchdog-targets.json，改targets（主机名/IP/端口/健康检查 URL）和wecom_webhook（企微群机器人 webhook，形如https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxx）。webhook 也可走环境变量WATCHDOG_WEBHOOK，不要把含 webhook key 的配置提交进任何仓库。 - 手动跑一轮验证：
python server-watchdog.py——看日志输出UP/DOWN明细。 - 端到端告警验证：临时把一个不存在的主机加进 targets，连跑 2 轮，确认企微收到告警；再删掉。
- 注册计划任务（每 5 分钟）：
schtasks /Create /TN "Server-Watchdog" /SC MINUTE /MO 5 /TR "\"C:\Path\To\pythonw.exe\" \"C:\Path\To\server-watchdog.py\"" /F
- 复核：
schtasks /Query /TN "Server-Watchdog" /V /FO LIST确认下次运行时间；到点后看logs/watchdog.log。
⚠️ Windows 计划任务三大坑（已踩完，照做可避开）
| 坑 | 现象 | 解法（脚本已内置，任务注册也要注意） |
|---|---|---|
| ① PATH 差异 | 计划任务里找不到 node/python 等命令 | 计划任务的 PATH ≠ 交互 shell；脚本内一律用绝对路径。本脚本不依赖外部 CLI 也能跑（webhook 直连） |
| ② GBK 乱码 | cmd shim 输出 GBK，utf-8 读取线程崩、错误被吞成空 | 脚本对子进程输出按字节捕获 + utf-8/gbk 双解码兜底 |
| ③ 桌面闪窗 | pythonw 拉起的 ping 等控制台子进程照样闪窗 | 执行器必须用 pythonw.exe（不是 python.exe）；脚本内所有 subprocess 已加 CREATE_NO_WINDOW，缺一不可 |
判定逻辑（为什么要这样判）
down= SSH 与 HTTP 健康端点全部失败；ping 仅作参考（ICMP 可能被禁，禁 ping ≠ 宕机）- HTTP 4xx 也算存活（如 404 中间层说明服务在）；5xx/超时才算失败
- 状态翻转才发告警，不会每 5 分钟轰炸
告警通道优先级
- 企微群机器人 webhook（推荐，配置即用）
- 兜底 wecom-cli aibot send（需本机已授权 wecom-cli；授权人 ID 运行时解析，不硬编码）
无 webhook 也能用
wecom_webhook 留空时自动走 wecom-cli 兜底；两个通道都失败时告警落盘 logs/alerts-pending.log，恢复后自动补发。
