文档章节

该怎么解决运维定位服务故障问题?

ABBYY
 ABBYY
发布于 2017/08/31 10:28
字数 1830
阅读 10
收藏 0
点赞 0
评论 0

       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,这些也是绝大多数智能运维工程师在定位故障时前几分钟的主要排查点:

  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 /

  一共挂载了多少文件系统?

  有没有某个服务专用的文件系统? (比如MySQL?)

  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?

  磁盘空间是否还有剩余?

  是否有大文件被删除但没有清空?

  如果磁盘空间有问题,你是否还有空间来扩展一个分区?

  十、系统日志和内核消息

  $ dmesg

  $ less /var/log/messages

  $ less /var/log/secure

  $ less /var/log/auth

  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?

  看看是否有硬件错误或文件系统错误?

  分析是否能将这些错误事件和前面发现的疑点进行时间上的比对。

  十一、应用系统日志

  这里边可分析的东西就多了, 不过恐怕你作为运维人员是没功夫去仔细研究它的。关注那些明显的问题,比如在一个典型的LAMP(Linux+Apache+Mysql+Perl)应用环境里:

  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。

  Varnish; 在varnishlog 和 varnishstat 里, 检查 hit/miss比. 看看配置信息里是否遗漏了什么规则,使最终用户可以直接攻击你的后端?

  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

  经过这5分钟之后,你应该对如下情况比较清楚了:

  在服务器上运行的都是些啥?

  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。

  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。

  你甚至有可能找到真正的故障源头。就算还没有找到,搞清楚了上面这些情况之后,你现在也具备了深挖下去的条件,继续努力吧!

       了解更多关于IT运营管理方面的内容或者工具,可以关注一下我们ServiceHot 哦~

© 著作权归作者所有

共有 人打赏支持
ABBYY
粉丝 5
博文 347
码字总数 188111
作品 0
南京
OSchina源创会体验随记

这次参加的OSCHINA的源创会内容很多,从分布式巨杉数据库说起,到淘宝的mysql数据库平台维护,到运维的工具开发,再到docker的创新应用,最后到华为的开发板,5个主题,给我感觉是横跨整个I...

woke_xing ⋅ 2015/03/24 ⋅ 0

清华裴丹:AIOps 落地路线图

AIOps概念火热,但如何落地?清华大学裴丹副教授在GOPS上海站的主题演讲中,通过庖丁解牛的方式给出了AIOps落地的技术路线图;同时提出AIOps落地战略路线图,通过AIOps Challenge网站,汇聚社...

憬薇 ⋅ 2017/11/25 ⋅ 0

【devops】智能运维就是由 AI 代替运维人员?

听了有关AI运维之后有很多人感到比较焦虑,我所从事的运维或开发将来会不会被AI给替代掉呢? 现在新技术发展的特别快,各种语言、技术、理念让大家确实感到自顾不暇跟不上趟,但是有一点,在...

English0523 ⋅ 01/11 ⋅ 0

智能运维就是由 AI 代替运维人员?

听了有关AI运维之后有很多人感到比较焦虑,我所从事的运维或开发将来会不会被AI给替代掉呢? 现在新技术发展的特别快,各种语言、技术、理念让大家确实感到自顾不暇跟不上趟,但是有一点,在...

xjsunjie ⋅ 01/10 ⋅ 0

打响IT运维保卫战

在IT运维中会遇到的问题 根据调查,目前在运维过程中,会遇到以下问题: 1、缺乏工单记录,纸质报告难以汇总:工程师大多没有养成记录习惯,每个月汇总报告时,对自己的工作量、所维护系统的...

技术小美 ⋅ 2017/11/24 ⋅ 0

运维未来的发展方向是智能运维(AIops)

近年来运维技术飞速发展,运维团队大多建设好了各种系统:虚拟化、容器化、持续集成等等。但是如何有效的利用这些系统最终实现站点的高可用、高性能和高可扩展?随着智能化技术的发展,为了解...

日志易官方 ⋅ 2017/12/13 ⋅ 0

可视化,让运维由繁化简

互联网的迅猛发展使信息系统建设加快、规模变大,不同的信息系统中设备类型和数量增多,网络结构日益复杂,导致系统故障无法精确定位、系统状态难以实时掌握等问题时有发生,这些都给运维人员...

勤智运维 ⋅ 2017/11/14 ⋅ 0

事前运维,轻松掌控全局

在实际的运维管理工作中,管理人员都会遇到以下令人头疼的问题: 单位的网络设备越来越多,网络情况越来越复杂,该如何管理? 单位网络出现了病毒,该如何定位病毒源位于哪台设备? 单位已经...

赖永锋 ⋅ 2010/11/25 ⋅ 0

自动化运维,让你远离背锅侠

面对复杂的异构环境,如何及时全面地掌握网络、服务器、数据库、存储、安全等各类设备的运行情况? 面对越来越复杂的业务、越来越多样化的用户需求、不断扩展的IT应用,如何保障IT服务灵活便...

勤智运维 ⋅ 2017/09/13 ⋅ 0

北塔软件推出医院行业智慧运维解决方案 拔掉信息主任心上的“四根针”

近些年,关于医生猝死的新闻不断,医生工作到底有多辛苦?近日,一项针对3万名医生的调查报告显示,工作环境压力成为医生的最大“痛点”:受访医生一周平均休息时间只有1.1天。而随着医院信息...

玄学酱 ⋅ 03/06 ⋅ 0

没有更多内容

加载失败,请刷新页面

加载更多

下一页

Sqoop

1.Sqoop: 《=》 SQL to Hadoop 背景 1)场景:数据在RDBMS中,我们如何使用Hive或者Hadoop来进行数据分析呢? 1) RDBMS ==> Hadoop(广义) 2) Hadoop ==> RDBMS 2)原来可以通过MapReduce I...

GordonNemo ⋅ 51分钟前 ⋅ 0

全量构建和增量构建的区别

1.全量构建每次更新时都需要更新整个数据集,增量构建只对需要更新的时间范围进行更新,所以计算量会较小。 2.全量构建查询时不需要合并不同Segment,增量构建查询时需要合并不同Segment的结...

无精疯 ⋅ 今天 ⋅ 0

如何将S/4HANA系统存储的图片文件用Java程序保存到本地

我在S/4HANA的事务码MM02里为Material维护图片文件作为附件: 通过如下简单的ABAP代码即可将图片文件的二进制内容读取出来: REPORT zgos_api.DATA ls_appl_object TYPE gos_s_obj.DA...

JerryWang_SAP ⋅ 今天 ⋅ 0

云计算的选择悖论如何对待?

导读 人们都希望在工作和生活中有所选择。但心理学家的调查研究表明,在多种选项中进行选择并不一定会使人们更快乐,甚至不会产生更好的决策。心理学家Barry Schwartz称之为“选择悖论”。云...

问题终结者 ⋅ 今天 ⋅ 0

637. Average of Levels in Binary Tree - LeetCode

Question 637. Average of Levels in Binary Tree Solution 思路:定义一个map,层数作为key,value保存每层的元素个数和所有元素的和,遍历这个树,把map里面填值,遍历结束后,再遍历这个map,把每...

yysue ⋅ 今天 ⋅ 0

IDEA配置和使用

版本控制 svn IDEA版本控制工具不能使用 VCS-->Enable Version Control Integration File-->Settings-->Plugins 搜索Subversion,勾选SVN和Git插件 删除.idea文件夹重新生成项目 安装SVN客户......

bithup ⋅ 今天 ⋅ 0

PE格式第三讲扩展,VA,RVA,FA的概念

作者:IBinary 出处:http://www.cnblogs.com/iBinary/ 版权所有,欢迎保留原文链接进行转载:) 一丶VA概念 VA (virtual Address) 虚拟地址的意思 ,比如随便打开一个PE,找下它的虚拟地址 这边...

simpower ⋅ 今天 ⋅ 0

180623-SpringBoot之logback配置文件

SpringBoot配置logback 项目的日志配置属于比较常见的case了,之前接触和使用的都是Spring结合xml的方式,引入几个依赖,然后写个 logback.xml 配置文件即可,那么在SpringBoot中可以怎么做?...

小灰灰Blog ⋅ 今天 ⋅ 0

冒泡排序

原理:比较两个相邻的元素,将值大的元素交换至右端。 思路:依次比较相邻的两个数,将小数放在前面,大数放在后面。即在第一趟:首先比较第1个和第2个数,将小数放前,大数放后。然后比较第...

人觉非常君 ⋅ 今天 ⋅ 0

Vagrant setup

安装软件 brew cask install virtualboxbrew cask install vagrant 创建project mkdir -p mst/vmcd mst/vmvagrant init hashicorp/precise64vagrant up hashicorp/precise64是一个box......

遥借东风 ⋅ 今天 ⋅ 0

没有更多内容

加载失败,请刷新页面

加载更多

下一页

返回顶部
顶部