linux运维系统故障排查思路及常见故障处理

Posted 2020-10-29

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

    系统无法启动的原因很多，常见的有下面几种情况：

    1 文件系统被破坏，常常因断电和非法关机引起文件系统结构不一致。修复方法是用fsck命名强制修复，进入单用户模式或者交互界面，按提示进入修改模式中，卸载对应的问题磁盘，然后用fsck命令修复，无法恢复的数据会存放在lost+found下。umount /dev/sda3    fsck.ext4 -y /dev/sda3  

    2 系统配置/etc/fstab错误或丢失而无法启动。当启动时候出现 starting system logger后停止了，就要想办法恢复/etc/fstab文件，利用linux rescue修复模式登录系统，从而获取挂载点和分区信息，重构/etc/fstab文件。

    3 系统内核文件丢失，内核升级错误，引导程序出错，硬件故障等都会引起无法启动

三 linux网络故障处理思路流程

    1 检查权限是否打开，iptables，selinux 

    2 服务是否正常，用Telnet或netstat检查服务是否正常开启

    3 检查本机网络是否正常，ping自身IP、同网段主机、网关

    4 检查DNS解析是否正常，/etc/hosts和/etc/resolv.conf

    5 检测网卡ip设置，route检查路由是否正确

    6 检查网路硬件，网卡、路由器、集线器、网线、交换机（lsmod、ifconfig、ip）

四 Read-only file system 错误解决

    思路：

        网站程序问题

        磁盘问题

    排查网站程序，看报错信息和服务日志错误，以及系统日志，来定位问题所在 Read-only file system 多数就是磁盘问题，出现上面错误的时候，磁盘对应目录是无法写入的，那么就要进行修复了，文件系统修复命令fsck

    首先查看是否有用户正在使用该磁盘，fuser -m /dev/sda1,如果有就停止对应端口程序

    接着卸载文件系统  umount  /www/data

    然后修复文件系统  fsck -V -a /dev/sda1

    最后恢复挂载  mount /dev/sda1 /www/data

五 Argument list too long 错误解决

    当删除一个目录中的大量文件时，可能会出现这种报错，这是由于linux系统对传递参数的限制，可以用getconf ARG_MAX查看这个数值，

    重新编译内核参数可以永久解决问题，但是编译内核有风险，还是用下面方法保险

    既然不能一下清除大量文件，那么分批删除或者查找或者循环删除就可以了，可以用下面命令清理

    rm [a-n]* -rf

    rm [o-z]* -rf

    find /www/data -type f -print -exec rm -f  {} \;

    

六 inode耗尽故障

    当iNode耗尽后，磁盘虽然有剩余空间，但也会出现 no space left 的报错

    用 df -i 命令可以查看所有分区对应inode的使用情况

    用 ls -i nginx.log   能查看对应文件的inode编号。详细信息用 stat nginx.log 查看

    针对inode耗尽的情况，清理删除那些无用的文件就可以了，尤其是那些碎小的文件

七 删除文件后空间不释放问题

    文件系统的数据分为两个部分：数据部分和指针部分，当有进程正在使用某个文件是，执行删除命令，空间是不会释放的，删除的是数据文件部分，指针部分并未删除，所以空间并不释放。

    用 lsof |grep delete    查看已删除的文件，找到对应文件 执行清空命令  echo " " > /tmp/nginx.log  空间就会得到释放

八 “too many open files”错误

    服务出现报错异常  too many open files 

    用 ulimit -n  查看文件描述符 65535 是最大值

    检查普通用户的值  cat /etc/security/limits.conf |grep www    

    如果普通用户的值不是65535  那么给普通用户添加这个限制

    www soft nofile 65535

    www hard nofile 65535

    如果上面的普通用户的值显示65535  而依旧出现这个错，就要考虑添加limit值的时间是否早于应用最后一次启动的时间，应用时间早的话，直接重启应用就可以了