在服务器上排除问题的头 5 分钟

Posted sanyuanyanjin

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了在服务器上排除问题的头 5 分钟相关的知识,希望对你有一定的参考价值。

遇到服务器故障,问题出现的原因很少可以一下就想到。我们基本上都会从以下步骤入手:


一、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? (比如Munin、Zabbix、 Nagios、 New Relic… 什么都可以)


  • 是否有日志可以查看?. (比如Loggly、Airbrake、 Graylog…)


最后两个是最方便的信息来源,不过别抱太大希望,基本上它们都不会有。只能再继续摸索了。

 

 

二、有谁在?


$ w

$ last


用这两个命令看看都有谁在线,有哪些用户访问过。这不是什么关键步骤,不过最好别在其他用户正干活的时候来调试系统。有道是一山不容二虎嘛。(ne cook in the kitchen is enough.)


三、之前发生了什么?


$ 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。另外作为admin要注意,不要利用自己的权限去侵犯别人的隐私哦。


到这里先提醒一下,等会你可能会需要更新 HISTTIMEFORMAT 环境变量来显示这些命令被执行的时间。对要不然光看到一堆不知道啥时候执行的命令,同样会令人抓狂的。


四、现在在运行的进程是啥?


$ pstree -a

$ 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。


五、监听的网络服务


$ netstat -ntlp

$ netstat -nulp

$ netstat -nxlp


我一般都分开运行这三个命令,不想一下子看到列出一大堆所有的服务。netstat -nalp倒也可以。不过我绝不会用 numeric 选项 (鄙人一点浅薄的看法:IP 地址看起来更方便)。


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。在netstat显示的服务列表中的PID 和 ps aux 进程列表中的是一样的。


如果服务器上有好几个Java或者Erlang什么的进程在同时运行,能够按PID分别找到每个进程就很重要了。


通常我们建议每台服务器上运行的服务少一点,必要时可以增加服务器。如果你看到一台服务器上有三四十个监听端口开着,那还是做个记录,回头有空的时候清理一下,重新组织一下服务器。


六、CPU 和内存


$ free -m

$ uptime

$ top

$ htop


注意以下问题:


  • 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?


  • 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?


  • 服务器最大的负载来自什么地方? 平均负载是多少?

 

七、硬件


$ lspci

$ dmidecode

$ ethtool


有很多服务器还是裸机状态,可以看一下:


  • 找到RAID 卡 (是否带BBU备用电池?)、 CPU、空余的内存插槽。根据这些情况可以大致了解硬件问题的来源和性能改进的办法。


  • 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?

 

八、IO 性能


$ iostat -kx 2

$ vmstat 2 10

$ mpstat 2 10

$ dstat --top-io --top-bio


这些命令对于调试后端性能非常有用。


  • 检查磁盘使用量:服务器硬盘是否已满?


  • 是否开启了swap交换模式 (si/so)?


  • CPU被谁占用:系统进程? 用户进程? 虚拟机?


  • dstat 是我的最爱。用它可以看到谁在进行 IO: 是不是mysql吃掉了所有的系统资源? 还是你的php进程?

 

九、挂载点 和 文件系统


$ mount

$ cat /etc/fstab

$ vgs

$ pvs

$ lvs

$ df -h

$ lsof +D / /* beware not对动态生成的 KML 进行故障排除

Azure 应用服务自动缩放无法缩小

ng build --configuration 生产在 Jenkins 上需要 30 多分钟,但在本地需要 5-6 分钟

如何对无服务器 IAM 权限进行故障排除

在 SSIS 中复制长度超过 5 分钟的音频文件

100Mbps网络下载60G文件需要多久?