解决故障的处理思路 约定不等于承诺〃 2022-01-29 15:53 252阅读 0赞 > 在有那么一瞬间,遇到服务器故障可能会手足无措,完全不知道自己应该干些什么,该如何处理。这里就简单记录一下解决服务器故障的思路,以便今后迅速定位问题。 问题的前因后果 尽可能搞清楚问题的前因后果,不要一下子就扎到服务器前面,你需要先搞明白对这台服务器有多少已知的情况,还有故障的具体情况。不然你很可能就是在无的放矢 必须搞清楚的问题有: * 故障的表现是什么?无响应?报错? * 故障是什么时候发现的? * 故障是否可重现? * 有没有出现的规律(比如每小时出现一次)? * 最后一次对整个平台进行更新的内容是什么(代码、服务器等)? * 故障影响的特定用户群是什么样的(已登录的, 退出的, 某个地域的…)? * 基础架构(物理的、逻辑的)的文档是否能找到? * 是否有监控平台可用? * 是否有日志可以查看? 有谁在? 1 w 2 last 3 who /var/log/wtmp 用这三个命令看看都有谁在线,有哪些用户访问过。 之前发生了什么? 1 history 查看一下之前服务器上执行过的命令。看一下总是没错的,加上前面看的谁登录过的信息,应该有点用。 现在在运行的进程是啥? 1 pstree -a 2 ps aux 这都是查看现有进程的。 ps aux 的结果比较杂乱, pstree -a 的结果比较简单明了,可以看到正在运行的进程及相关用户。 监听的网络服务 1 netstat -auntlp 找到所有正在运行的服务,检查它们是否应该运行。查看各个监听端口。 CPU 和内存 1 free -m 2 uptime 3 top/htop `注意以下问题:` 1. 还有空余的内存吗? 服务器是否正在内存和硬盘之间进行swap? 2. 还有剩余的CPU吗? 服务器是几核的? 是否有某些CPU核负载过多了? 3. 服务器最大的负载来自什么地方? 平均负载是多少? 硬件 1 lspci 2 dmidecode 3 ethtool `有很多服务器可能是硬件故障,具体看一下:` 1. RAID 卡 (是否带BBU备用电池?) 2. CPU、空余的内存插槽? 3. 网卡是否设置好? 是否正运行在半双工状态? 速度是10MBps? 有没有 TX/RX 报错? IO性能 1 iostat -kx 2 2 vmstat 2 10 3 mpstat 2 10 4 dstat --top-io --top-bio `具体关注以下问题:` 1. 是否开启了swap交换模式 (si/so)? 2. CPU被谁占用:系统进程? 用户进程? 虚拟机? 3. 服务器硬盘是否已满? 文件系统 1 mount 2 cat /etc/fstab 3 vgs/pvs/lvs 4 df -h 5 lsof `具体关注以下问题:` 1. 一共挂载了多少文件系统? 2. 有没有某个服务专用的文件系统? \\ 3. 文件系统的挂载选项是什么: noatime? default? 有没有文件系统被重新挂载为只读模式了? 4. 是否有大文件被删除但没有清空? 5. 如果磁盘空间有问题,你是否还有空间来扩展一个分区? 内核、中断和网络 1 sysctl -a | grep ... 2 cat /proc/interrupts 3 cat /proc/net/ip\_conntrack /\* may take some time on busy servers \*/ 4 ss -s `具体关注以下问题:` 1. 内核是否做什么相关优化? 2. 你的中断请求是否是均衡地分配给CPU处理,还是会有某个CPU的核因为大量的网络中断请求或者RAID请求而过载了? 3. 在不同状态下(TIME\_WAIT, …)TCP连接时间的设置是怎样的? 系统日志 1 dmesg 2 less /var/log/messages 3 less /var/log/secure 4 less /var/log/auth `具体关注以下问题:` 1. 查看错误和警告消息,比如看看是不是很多关于连接数过多导致? 2. 看看是否有硬件错误或文件系统错误? 定时任务 1 ls /etc/cron\* + cat 2 for user in $(cat /etc/passwd | cut -f1 -d:); do crontab -l -u $user; done `具体关注以下问题:` 1. 是否有某个定时任务运行过于频繁? 2. 是否有些用户提交了隐藏的定时任务? 3. 在出现故障的时候,是否正好有某个备份任务在执行? 应用系统日志 这个要涉及的就比较多了,不过一般是应用故障我们查看相关的应用日志即可。 例如: Apache & Nginx; 查找访问和错误日志, 直接找 5xx 错误, 再看看是否有 limit\_zone 错误。 MySQL; 在mysql.log找错误消息,看看有没有结构损坏的表, 是否有innodb修复进程在运行,是否有disk/index/query 问题. PHP-FPM; 如果设定了 php-slow 日志, 直接找错误信息 (php, mysql, memcache, …),如果没设定,赶紧设定。 HA-Proxy; 后端的状况如何?健康状况检查是否成功?是前端还是后端的队列大小达到最大值了? 结论 经过一系列的处理之后,应该对如下情况比较清楚了: 1. 在服务器上运行的都是些啥? 2. 这个故障看起来是和 IO/硬件/网络 或者 系统配置 (有问题的代码、系统内核调优, …)相关? 3. 这个故障是否有你熟悉的一些特征?比如对数据库索引使用不当,或者太多的apache后台进程? 原文章:[https://www.chen-hao.com.cn/posts/37696/][https_www.chen-hao.com.cn_posts_37696] [https_www.chen-hao.com.cn_posts_37696]: https://www.chen-hao.com.cn/posts/37696/
还没有评论,来说两句吧...