Serverless 定时巡检实战：用 FunctionGraph 替代常驻巡检脚本

一、背景：常驻巡检脚本的烦恼

我们有一批跑在 ECS 上的业务接口，需要每 5 分钟巡检一次：调接口、看返回码，异常时发告警。最早的做法是在一台 ECS 上放一个常驻 Python 脚本加 cron，简单直接，但时间一长问题都冒出来了：脚本挂了没人知道，机器重启后 cron 没起来，日志散落在机器上查起来费劲。最尴尬的一次是巡检脚本自己 OOM 了，业务没问题，告警却炸了锅。

二、为什么换成 FunctionGraph

FunctionGraph 是华为云的 Serverless 函数服务，按调用次数和运行时长计费，不用管服务器。定时巡检这种低频、短时、无状态的任务，天然适合函数：不用维护机器和进程，函数只在触发时运行；定时触发器直接配 cron 表达式，改频率不用改代码；每次执行都有独立日志，进 LTS 就能按时间检索。

三、落地做法

函数本身很简单：读一张巡检配置表（接口地址、期望状态码、超时时间），逐个发请求，把结果写进日志，异常时发通知。核心逻辑大概是这样：

import requests

def handler(event, context):
    for target in TARGETS:
        try:
            r = requests.get(target["url"], timeout=5)
            ok = r.status_code == target["expect"]
        except Exception as e:
            ok = False
            log_error(target, e)
        if not ok:
            send_alert(target)

定时触发器配成每 5 分钟一次，函数超时设 60 秒，内存 256MB。告警走 SMN 短信加邮件。

四、踩过的三个坑

第一个坑是冷启动。函数闲置一段时间后首次调用会慢几百毫秒，巡检本身不敏感，但如果把超时设得太紧，冷启动那次就会误报。做法是给请求超时留足余量，函数超时比单次请求超时大一个量级。第二个坑是并发。上一次执行还没跑完时下一次又来了，两个实例同时巡检会发重复告警。解决办法是把函数并发数限制为 1。第三个坑是权限。函数要访问内网接口和调用 SMN，缺了对应权限会直接报错。做法是给函数绑一个最小权限的委托，只放行巡检目标和 SMN。

五、效果与成本

换成函数之后，巡检脚本的运维工作基本消失了：不用再管进程死活。费用上，5 分钟一次、每次运行几秒，一个月下来调用次数不到一万次，费用可以忽略。巡检项的增减变成了改配置表的事，新接口上线十分钟就能接进巡检。

六、落地检查清单

• 定时触发器的 cron 是否和预期一致，先用 1 分钟间隔跑十分钟验证；
• 函数超时与单次请求超时是否留出余量；
• 告警通道是否真实打通过一次，别等到真出事才发现短信没发出去。

小结

不是所有任务都适合 Serverless，但定时巡检这种低频短时的活，交给函数是最省心的。把“跑起来”交给平台，把精力留给巡检规则本身。