嗨，我来帮你梳理清楚这个systemd服务的配置方案！你要的是一个能自动自我修复、持续运行的服务，同时要避免它变成“僵尸服务”——也就是不断重启却没人知晓的情况，所以需要在短时间内达到指定失败次数时触发错误上报，对吧？下面就一步步来实现这个需求。

一、主服务配置（my_infinite.service） #

先把你的主服务配置调整完善，关键参数我会逐一说明：

# /etc/systemd/system/my_infinite.service
[Unit]
Description=自修复常驻服务，持续运行并在达到失败阈值时触发错误上报
After=network.target
# 当服务达到启动限制失败时，触发错误处理服务
OnFailure=failure-handler@%N.service
# 失败次数统计的时间窗口：20秒
StartLimitIntervalSec=20s
# 这个时间窗口内允许的最大失败次数：2次
StartLimitBurst=2

[Service]
# 这里用你的模拟命令，实际替换成你的业务进程即可
ExecStart=/bin/zsh -c "echo 'started' && sleep 2 && echo 'finished' && exit 1"
# 无论进程因何种原因退出（除了被systemd主动停止），都自动重启
Restart=always
# 重启间隔时间：5秒
RestartSec=5s
# 重要：让systemd把这个服务当成常驻进程管理，避免误判
Type=simple
# 可选：设置服务运行的用户，提升安全性
# User=your-service-user

关键参数解释： #

• StartLimitIntervalSec + StartLimitBurst：这俩是黄金组合，用来定义“20秒内失败2次”的触发条件，当达到这个阈值时，systemd会停止自动重启，并触发OnFailure指定的处理服务。
• Restart=always：确保服务意外退出后自动重启，实现自修复能力。
• OnFailure=failure-handler@%N.service：%N是systemd的内置变量，代表当前服务的名称，这样错误处理服务可以动态识别是哪个服务触发的告警。

二、错误处理服务配置（failure-handler@.service） #

接下来是错误处理服务，它需要完成两个核心动作：1）重置主服务的启动失败计数器；2）调用自定义的错误上报逻辑（比如发告警通知、写入专门日志等）。创建这个模板服务：

# /etc/systemd/system/failure-handler@.service
[Unit]
Description=处理%s服务的失败告警
# 确保主服务已经处于失败状态再执行
BindsTo=%i.service
After=%i.service

[Service]
Type=oneshot
# 执行命令：先重置失败计数器，再执行你的自定义上报逻辑
ExecStart=/bin/bash -c "
  # 重置主服务的启动限制计数器，这样后续如果恢复正常还能继续重启
  systemctl reset-failed %i.service;
  # 这里替换成你的错误上报命令，比如调用API、发邮件、写告警日志等
  echo '服务%i在20秒内失败了2次，已触发告警' >> /var/log/service-alerts.log;
  # 例子：如果有自定义脚本，就改成 /path/to/your-alert-script.sh %i
"
# 只执行一次，执行完就退出
RemainAfterExit=no

关键逻辑说明： #

• systemctl reset-failed %i.service：这一步非常重要，重置主服务的失败计数器后，后续如果服务恢复正常，systemd还能继续自动重启它，不会一直卡在“达到失败阈值”的状态。
• 自定义上报逻辑：你可以替换成任何你需要的操作，比如调用企业微信/钉钉的告警API、发送邮件给运维团队，或者写入专门的告警日志文件。

三、配置生效步骤 #

完成配置后，执行以下命令让systemd加载新配置并启动服务：

1. 重新加载systemd配置：

systemctl daemon-reload

2. 启动主服务并设置开机自启：

systemctl enable --now my_infinite.service

3. 查看服务状态，验证是否正常工作：

systemctl status my_infinite.service

4. 查看告警日志（如果用了上面的日志示例）：

tail -f /var/log/service-alerts.log

四、验证效果 #

按照你的模拟命令，服务会每2秒退出一次，5秒后重启：

• 第一次失败：systemd会在5秒后自动重启服务
• 第二次失败（20秒内）：达到StartLimitBurst=2的阈值，systemd停止自动重启，触发failure-handler@my_infinite.service
• 错误处理服务执行：重置计数器，同时写入告警日志
• 之后如果服务再次启动（比如手动启动或者后续有触发），计数器已经重置，会重新开始统计

这样就完美实现了“自修复+达到失败阈值上报错误”的需求，既保证服务能尽量持续运行，又不会在不断失败时没人知晓。

备注：内容来源于stack exchange，提问作者antonio