专栏首页张戈的专栏Shell+Curl网站健康状态检查脚本,抓出中国博客联盟失联站点

Shell+Curl网站健康状态检查脚本,抓出中国博客联盟失联站点

一开始搭建中国博客联盟,既有博友提醒我,做网址大全这类网站维护很麻烦,需要大量的精力去 Debug 一些已夭折的网站,更是拿松哥的博客大全举例。当然,我也是深以为然。前些时间,看到梦轩丽人的 boke123 网址大全的维护记录,好像是纯手工检查,张戈实在是佩服的五体投地,太有毅力了。

现在博客联盟也收录的博客也已破 200 了,全部来自自主提交,不管你是草博还是名博,张戈不会强买强卖。由于大部分都是建站不过半年的新站,半路放弃、提前太监的博客估计还是有的,于是我决定还是把站点维护这个工作做起来。

上午用 PHP 做了一个放到了vps试了下,发现检测速度一般,要等上半天(我写的 php 太蹩脚,就不献丑了)。

随后,我在 VPS 上写了一个多线程的网站状态检测脚本,直接从数据库 load 站点地址,然后用 curl 去检测返回码,发现速度非常好,基本 1 分钟内就能出结果

以下是脚本代码:

#!/bin/bash
#Author:ZhangGe
#Date:2014-08-21
#Desc:Check the site of ZGboke Alliance.
#取出网站数据
data=`/usr/bin/mysql  -uroot -p123456 -e "use zgboke;select web_url from dir_websites where web_status='3';" -N -B | awk '{print $1}'`
if [ -z "$data" ];then
        echo "Faild to connect database!"
        exit 1
fi
test -f result.log && rm -f result.log
function delay {
        sleep 3
}
tmp_fifofile=/tmp/$$.fifo
mkfifo  $tmp_fifofile
exec 6<>$tmp_fifofile
rm  $tmp_fifofile
#定义并发线程数,需根据vps配置进行调整。
thread=100
for  ((i=0 ;i<$thread;i++ ))
do
        echo
done>&6
#开始多线程循环检测
for url in $data
do
        read -u6
        {
        #curl抓取网站http状态码
        code=`curl -o /dev/null --retry 3 --retry-max-time 8 -s -w %{http_code} $url`
        echo "$code ---> $url">>result.log
        #判断子线程是否执行成功,并输出结果
        delay &&  {
                echo  "$code ---> $url"
        }  ||  {
                echo  "Check thread error!"
        }
        echo  >& 6
}&
done
#等待所有线程执行完毕
wait
exec 6>&-
#找出非200返回码的站点
echo List of exception website:
cat result.log | grep -v 200
exit 0

Ps:关于 shell 多线程脚本,后续文章会有一个详细说明,本文篇幅有限,就不多说了。

以下是中国博客联盟第一次成员站点存活检测的结果:

①、 非 200 返回码的异常站点:

②、脚本抓取的无法访问站点:

人工访问筛选结果:

wangyingxue.net(王英学博客):无法访问,经确认处于备案中  √

www.tao0102.com(长江博客):可以访问  √

blog.hack7d.com(Mcdull 技术博客):无法访问  ×

www.1992621.com(教师日记):可以访问  √

www.3miaotu.com(三秒兔):无法访问   ×

xiaoxiaomayi.com(小小蚂蚁博客):可以访问 √

www.awrui.com(李文栋博客):可以访问  √

Ps:脚本检测机制为:8s 内未连通的判定为异常,并重试 3 次,最后输出结果,若三次均异常则为 000。从图中和人工筛选可以看出,存在一些误杀,这个和 8s 的设定有一定关系。可以考虑设置为更长时间,得到更准确的结果,当然最终还是要结合人工确认的,所以也没多大关系。

后续,中国博客联盟会制订一个检查周期,最短每星期检查一次,最长一个月检查一次,争取让每个展示的站点都能正常访问。当然,我也会将每次检查的结果公布在中国博客联盟的站长资讯专栏,方便所有成员查看。

由于目前中国博客联盟部署在京东云擎,无法远程操控数据库,所以只好暂时用半自动的模式。等以后有时间搬到了 VPS 上后,将会将脚本改成全自动状态,当有网站联系多次检测为失联状态时,将会暂时将其设置为隐藏状态。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • SEO养博客神器:同步文章(或摘要)到新浪博客的WordPress插件

    了解 SEO 的站长都会另外用心做几个博客,起到 SEO 辅助作用。通常说的养博客主要是养 BSP 博客。比如新浪博客,网易博客,百度空间,网易博客,新浪博客,...

    张戈
  • Linux系统下MongoDB的简单安装与基本操作

    Mongo DB ,是目前在 IT 行业非常流行的一种非关系型数据库(NoSql),其灵活的数据存储方式,备受当前 IT 从业人员的青睐。Mongo DB 很好...

    张戈
  • 身份切换脚本,免登入切换权限的利器

    分享一个我曾经写过的功能代码:工具身份切换脚本,主要用于脚本执行期间其他身份(如 administrator 等)的切换,从而获取到所需权限。 使用说明: 1....

    张戈
  • shell学习三参数传递 原

    echo "Shell 传递参数实例" echo "执行的文件名:$0" echo "第一个参数为:$1" echo "第二个参数为:$2" echo ...

    用户2603479
  • spring杂碎

    Spring就是一个大工厂,可以将所有对象创建和依赖关系维护,交给Spring管理

    陈灬大灬海
  • VulnHub通关日记-DC_8-Walkthrough

    这个挑战有点复杂,既是实际挑战,又是关于在Linux上安装和配置的两因素身份验证是否可以阻止Linux服务器被利用的“概念证明”。

    Gcow安全团队
  • Windows无法连接到打印机,请检查打印机名并重试 - 配置Windows 共享打印机出错;

    错误原因:我之前重新配置了打印机服务器,配置打印机到另外一台性能高的机器上;之前连接打印机的机器重新连接新打印机时,连接不上;配置过程中,更换了一次服务器 ip...

    xuyaowen
  • Golang常见的坑笔记

    Format 的时候 时间必须是 2006-01-02 15:04:05 ,奇葩时间。

    solate
  • 简单实用:十分钟解决多渠道打包难题

    多渠道打包一般是由人工进行的,意义在于:App上架应用市场后用来统计不同渠道的下载量、来源等信息。

    走在河边的小鹿
  • 苹果要出双卡双待iPhone,曾经“偏执”的苹果怎么了?

    镁客网

扫码关注云+社区

领取腾讯云代金券