【Python量化系统工程化 #08】关了 SSH 就停？systemd 让脚本开机自启 + 异常自动拉起

系列定位：让"写一个能稳定跑半年的量化脚本"这件事，从散落的经验贴变成可复制的流水线。

痛点：脚本能跑了，但离开电脑就停

上一篇我们给脚本加上了定时调度。现在它能每天自动执行数据拉取和归档，看起来万事大吉。

但还有一个隐藏风险：运行环境不稳定。

笔记本合盖休眠 → Python 进程被系统挂起
SSH 窗口关闭 → nohup 也保不住某些场景
云服务器重启 → 任务彻底消失，要手动登录重新启动
脚本偶发异常崩溃 → 没人知道它停了，直到发现数据断更

定时调度解决的是"什么时候跑"，后台守护解决的是"跑了之后怎么一直活着"。

本文你将得到什么

为什么 nohup 和 screen 不是生产级方案
用 Python 模拟守护进程：主进程监控 + 子进程崩溃自动重启（跨平台演示）
Linux 生产环境标准方案：systemd unit 配置详解
日志查看与排错：journalctl 常用命令

先做一个跨平台演示：Python 进程守护

在深入 systemd 之前，先用一段纯 Python 代码理解"守护"的本质：

一个进程（daemon）持续监控另一个进程（worker），发现 worker 挂了立刻重新启动。

python 复制代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
进程守护 demo：主进程监控 worker，异常退出时自动重启
"""
import os
import sys
import time
import subprocess
from datetime import datetime

def now():
    return datetime.now().strftime("%H:%M:%S")

def worker():
    """模拟工作进程：执行量化任务，12 秒后模拟异常退出"""
    pid = os.getpid()
    print(f"[{now()}] [worker pid={pid}] 启动，开始执行任务...")
    time.sleep(12)
    print(f"[{now()}] [worker pid={pid}] 模拟异常崩溃！")
    sys.exit(1)

def daemon(duration_sec=35):
    """守护进程：持续监控 worker，发现退出立即重启"""
    print(f"[{now()}] [daemon] 启动，策略：worker 异常退出 -> 立即重启")
    start = time.time()
    worker_proc = None
    restart_count = 0

    while time.time() - start < duration_sec:
        if worker_proc is None or worker_proc.poll() is not None:
            if worker_proc is not None:
                rc = worker_proc.returncode
                print(f"[{now()}] [daemon] 检测到 worker 退出 (rc={rc})，执行第 {restart_count + 1} 次重启...")
            worker_proc = subprocess.Popen([sys.executable, __file__, "--worker"])
            restart_count += 1
            print(f"[{now()}] [daemon] worker 已重启，新 pid={worker_proc.pid}")
        time.sleep(1)

    # 清理
    if worker_proc and worker_proc.poll() is None:
        worker_proc.terminate()
        worker_proc.wait(timeout=3)
    print(f"[{now()}] [daemon] 演示结束。期间 worker 共启动 {restart_count} 次")

if __name__ == "__main__":
    if "--worker" in sys.argv:
        worker()
    else:
        daemon(duration_sec=35)

运行效果：

复制代码

[10:27:07] [daemon] 启动，策略：worker 异常退出 -> 立即重启
[10:27:07] [daemon] worker 已重启，新 pid=26988
[10:27:19] [worker pid=26988] 模拟异常崩溃！
[10:27:20] [daemon] 检测到 worker 退出 (rc=1)，执行第 2 次重启...
[10:27:20] [daemon] worker 已重启，新 pid=32628

核心逻辑只有三行：

subprocess.Popen() 启动 worker
worker_proc.poll() 检查是否还在运行
如果退出了，回到第 1 步重新启动

这就是所有进程守护的本质------包括 systemd。

生产环境方案：systemd（Linux）

上面的 Python 模拟只在"理解原理"时有用。生产环境不需要自己造轮子，Linux 的 systemd 已经提供了完整、健壮的进程管理能力。

1. 创建 systemd unit 文件

/etc/systemd/system/quant-data.service：

ini 复制代码

[Unit]
Description=量化数据采集服务
After=network.target

[Service]
Type=simple
User=quant
WorkingDirectory=/home/quant/app
Environment=MAIRUI_LICENCE=LICENCE-66D8-9F96-0C7F0FBCD073
ExecStart=/home/quant/venv/bin/python /home/quant/app/run.py
Restart=always
RestartSec=5

[Install]
WantedBy=multi-user.target

2. 关键配置项解释

配置项	作用
`Type=simple`	前台运行（Python 脚本无需 daemon 化）
`Restart=always`	无论退出码是什么，都自动重启
`Restart=on-failure`	仅异常退出（非零码）时重启
`RestartSec=5`	崩溃后等待 5 秒再重启，避免刷爆 CPU
`Environment=`	注入环境变量，证书不用写进代码

量化场景推荐 Restart=on-failure。如果脚本正常退出（比如跑完了当日全部任务），不需要强制重启；只有异常崩溃时才重启。

3. 启动与查看状态

bash 复制代码

# 重载配置
sudo systemctl daemon-reload

# 开机自启 + 立即启动
sudo systemctl enable --now quant-data

# 查看运行状态
sudo systemctl status quant-data

# 实时查看日志
sudo journalctl -u quant-data -f

# 查看今日全部日志
sudo journalctl -u quant-data --since today

Windows 用户怎么办？

如果你的开发机是 Windows，有两条路径：

路径 A：继续开发调试

用上面的 Python daemon() 演示方案临时守护
或写一个简单的 .bat 脚本放在"启动文件夹"

路径 B：部署到 Linux 服务器

量化脚本最终还是要 7×24 运行，笔记本不是长久之计
一台最低配云服务器（2核2G）足够跑个人量化任务
部署后用 systemd 管理，配合 cron 做定时调度

推荐：开发在 Windows，部署用 Linux + systemd。

常见坑

坑	现象	解决
`Restart=always` 把正常退出也重启	脚本执行完当日任务后正常退出，systemd 又把它拉起来	改用 `Restart=on-failure`，或在脚本末尾循环等待而不是直接退出
环境变量没传进去	脚本读不到 `MAIRUI_LICENCE`	写在 `[Service]` 的 `Environment=` 里，不要用 `~/.bashrc`
日志找不到	不知道脚本输出了什么	用 `journalctl -u quant-data -f` 实时查看
权限不足	`systemctl start` 失败	检查 `User=` 是否有权限访问工作目录和 Python 环境
虚拟环境路径不对	ImportError	`ExecStart` 写虚拟环境的完整 python 路径，如 `/home/quant/venv/bin/python`

小结

守护的本质：一个进程监控另一个进程，死了就重启
开发调试 ：上面的 Python daemon() 代码足够理解原理
Linux 生产环境 ：systemd 是标准答案，Restart=on-failure + journalctl 排错
Windows：建议最终部署到 Linux 服务器，本地仅做开发

下篇预告：脚本稳定跑了，但日志文件越写越大、出错时大海捞针怎么办？#09 日志轮转与结构化日志，让排错不再头疼。

代码与文档

本文配套代码已开源在 GitHub：https://github.com/MaiRuiApi

安装 SDK：

bash 复制代码

pip install mairui

证书获取：访问麦蕊官网申请免费版或付费版 API 证书。

免责声明：本文仅供技术学习交流，不构成任何投资建议。股市有风险，入市需谨慎。