运维工作经验总结：逃离系统故障的十个心得

朴灿烈づ我的快乐病毒、 2022-09-24 14:22 124阅读 0赞

系统故障，对于 DBA或是运维人员来说，都是心中永远的痛。而避免故障的原则却是殊途同归，现列如下，与君共勉。

一、变更要能回滚、先在同样的环境测试过

佛说：每次创伤、都是一次成熟、这便是运维人员的真实写照。从某种意义上讲、运维是一门经验的学科、是一门试错的学科。没有做过的东西、总是会给你不期而遇的痛击，请保护现场，让变更有回头的机会。

二、对破坏性的操作谨慎小心

什么是破坏性的操作？

比如：对 Oracle 而言：truncate table\_name、delete table\_name、drop table\_name，这些语句执行起来轻松简单也惬意极了、但记住！即便数据可被回滚、代价也是非常大！

对 Linux 而言：rm -r 所有当前及其子目录的所有数据都将被删除。经历过这种故障的人、大多会给 rm 上个别名

alias rm='rm -i'

同理、cp 和 mv 也可以有同样的选项：

alias cp='cp -i'
    alias mv='mv -i'

三、设置好命令提示

在操作之前、先理清你所在的是主库、备库？当前目录？哪个 schema？session？时间？

比如：

对 Oracle 来讲：

[plain] view plaincopy
    idle> set sqlprompt 'RAC-node1-primary@10g>>'
    RAC-node1-primary@10g>>

当然、你也可以在 glogin.sql 里面设置。

*  对于 Linux 而言、bash 环境的提醒可设置 PS1 来知道当前目录、登陆用户名和主机信息等；
 *  对 PS1 更多理解、请见：man PS1

四、备份并验证备份的有效性

人非圣贤、岂能无过？是机器总有计划内或计划外崩溃的一天。怎么办？备份！！！备份的学问很大、按照不同的维度可以分：冷备和热备；实时和非实时；物理和逻辑。OLTP 7\*24 在线业务、DB 就需要有实时热备。这样就可以了吗？

如果开发人员的一个不带任何条件的 delete 误删所有数据，此时你除了实时、还需要有非实时的备份、把 DB 从逻辑错误中恢复出来。

备份有了、可以高忱无忧了吗？不行！尚须验证备份的有效性。一个总有那么几次、备份无法保证 100% 恢复，简单的验证就是找个空库恢复出来。

五、对生产环境永保敬畏之心

会计人员在从业之前、都有个职业操守的训练。同理、这也应该是运维人员进入行业首先需要具备的素养。

比如：

*  于 Oracle 而言、你可以跑一个 RDA 巡检 DB 的健康状况；
 *  于 Linux 而言、是否有 password aging、隔离外网等。

六、交接和休假最容易出故障、变更请谨慎

*  接手别人的工作要一而再，再而三的确认变更方案。请教人并不见得就是能力不行的表现；
 *  休假前最好各种可以做好的事情，最好能够准备一份文档，指明在什么情况下怎么做和联系哪些人；
 *  在别人放假的时候接手工作，“能拖则拖”，实在需要执行：必须不厌其烦的跟原运维者确认各个操作细节。

七、搭建报警、及时获取出错信息；搭建性能监控、预测趋势

运维人员赖于生存的工具就是报警和监控。

*  报警可以让你及时知道系统出现了什么异常、以便及时跟进、把故障扼杀于摇篮；
 *  监控可以让你了解系统的历史性能信息、以历为鉴、可以知兴替嘛、早做优化。

报警和优化是衣宽带水的好兄弟、相铺相成、互相促进。

八、自动却换需谨慎

比如：Oracle 存储级的HA方案：Data Guard，主库提交了一笔订单，结果发生了 switchover，这笔订单没有同步到备库，那么卖家损失了一个销售单、对客户、对公司都是损失。

九、仔细一点，偏执一点，检查，检查，再检查

有这么一个人：

① 他在做一个变更的时候，会先提前一两周发送邮件并电话手机通知相关人

② 在测试机上写好脚本，召集大家 review 操作步骤和脚本

③ 测试完成以后拷贝到生产环境

④ 登录对应机器，“打开，关闭，打开，关闭”该脚本

⑤ 跟相关人员再次确认执行的操作，顺序，时间点，可能的影响和回滚是否都准备好了

⑥ 执行前还要退出这个机器，然后再登录进去，“打开，关闭”脚本

⑦ 最后才在后台运行脚本，同时在另外一个窗口登录着，随时ps和查看结果输出

期间姿势端正，呼吸急促而均匀，眼神凝重。操作的人不觉得累，倒是一边学习的人很累。

十、简单即是美

这有点禅的意境、和 GNU/Linux 的思想不谋而合。

我们总是面临各种诱惑：新的系统架构，新的更智能的命令和工具，最新的硬件平台，功能更全的HA软件...你可以在线下安装，测试，怎么做都行。但是如果想要在生产环境下使用起来、请三思！！

*  能够使用系统内置命令的话，就不用考虑其他要专门下载安装的软件了
 *  脚本本身就能完成的功能，就没有必要专门找一个功能丰富的软件来做
 *  Linux本身自带的字符界面比那些复杂的图形界面要简洁方便

......

最后祝大家运维工作一帆风顺，多福多寿，不出故障。

发表评论取消回复

表情：

评论列表（有 0 条评论，124人围观）

还没有评论，来说两句吧...

相关阅读

相关运维故障维护感想

一月中旬，服务器瘫痪了。原因：在我们日常的维护中，总是忽略一些细节，爆出一些警告没有及时解决。解决方案：为了挽回数据，我们联系了网络上面的技术支持。对于专业的技

朴灿烈づ我的快乐病毒、/ 2024年02月18日 18:00/ 0 赞/ 20 阅读

相关 linux运维系统故障排查思路及常见故障处理

　　一 linux系统故障的一般处理思路　　报错信息--->查阅日志文件--->分析定位问题--->解决问题。　　二 linux系统无法启动原因及解决　　系统无法启

男娘i/ 2023年09月24日 11:08/ 0 赞/ 40 阅读

相关 Linux运维排查常见故障

1.shell脚本不执行 \\问题：\\某天研发某同事找我说帮他看看他写的shell脚本，死活不执行，报错。我看了下，脚本很简单，也没有常规性的错误，报“:badinterp

àì夳堔傛蜴生んèń/ 2022年11月06日 12:50/ 0 赞/ 456 阅读

相关 IT运维经验小结

从最基础的windows局域网维护，后来学习active directory，isa,exchange。后来去考CCNA，想从事网络方面的工作，发现CCIE实在是难学，需要太多

- 日理万妓/ 2022年10月28日 15:23/ 0 赞/ 21 阅读

相关运维工作经验总结：逃离系统故障的十个心得

系统故障，对于 DBA或是运维人员来说，都是心中永远的痛。而避免故障的原则却是殊途同归，现列如下，与君共勉。一、变更要能回滚、先在同样的环境测试过佛说：每次创伤、都是一

朴灿烈づ我的快乐病毒、/ 2022年09月24日 14:22/ 0 赞/ 125 阅读

相关运维经验分享：故障处理方法总结

从事运维一年半，遇到过各式各样的问题，数据丢失，网站挂马，误删数据库文件，黑客攻击等各类问题，今天想简单整理一下，分享给各位小伙伴。 [![wKiom1M7hLWg64tvA

你的名字/ 2022年09月24日 14:21/ 0 赞/ 165 阅读

相关【考试系统运维】——认识运维

前提　　其实小编之前也接手过一些系统的运维工作，例如永和豆浆收银系统的运维，可是直到这次接手考试系统的运维工作，出现问题才让小编去思考到底什么是运维？做系统的运维工作，

￡神魔★判官ぃ/ 2022年09月23日 03:45/ 0 赞/ 312 阅读

相关 Linux系统该怎么学？运维老鸟的经验心得。

　时光荏苒，青春行走在时间的河岸，渐行渐远。初夏又至，七月的脚步越来越近。马上又有大波毕业生离校啦。等待着他们的是社会的检验，对如何选择一份职业就显得尤为重要，当

女爷i/ 2022年06月08日 11:44/ 0 赞/ 164 阅读

相关 Linux系统运维前辈给新手经验分享

又到毕业季，很多同学们面临毕业找工作的实际问题，愿意往IT方面发展的同学看到最多的一个职业就是[Linux][]运维工程师。那么这个Linux运维工程师是干啥的呢？如果您想要进

淩亂°似流年/ 2022年06月03日 06:52/ 0 赞/ 162 阅读

相关运维工作

运维工作中遇到问题 1.申请10台服务器，用作新作业部署上线---------涉及业务部署和设备分配 2.咨询自己的名下有多少设备，各设备的用途和资源使用情况----

小灰灰/ 2021年09月02日 10:20/ 0 赞/ 429 阅读