文档章节

如何快速定位云主机的故障

mac_zhao
 mac_zhao
发布于 2015/06/19 09:27
字数 2353
阅读 57
收藏 0
点赞 0
评论 0
作为一名从事Linux运维行业多年的运维人员,分享一下曾经在运维过程中遇到过的荆手的故障分析,供大家分享,如果你在使用云计算中有什么问题,可以根据以下方式来查找 
遇到服务器故障,问题出现的原因很少可以一下就想到。我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Logstack系统笔记的云日志服务 )最后两个是最方便的信息来源,特别是日志系统,作为运维人员要善于和擅长查看日志,日志往往是你在没有头绪的时候给你最大的帮助,其实很多问题都在日志 系统中暴露出来,比较方便的是使用系统笔记 ,是的,云日志系统往往是你没有头绪最好的帮手,可以访问www.logstack.cn获得免费服务 
 
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 to kill your box */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、 内核、中断和网络 
$ sysctl -a | grep ...$ cat /proc/interrupts$ cat /proc/net/ip_conntrack /* may take some time on busy servers */$ netstat$ ss -s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?SWAP交换的设置是什么?对 于工作站来说swappinness 设为 60 就很好, 不过对于服务器就太糟了:你最好永远不要让服务器做SWAP交换,不然对磁盘的读写会锁死SWAP进程。conntrack_max 是否设的足够大,能应付你服务器的流量?在不同状态下(TIME_WAIT, …)TCP连接时间的设置是怎样的?如果要显示所有存在的连接,netstat 会比较慢, 你可以先用 ss 看一下总体情况。你还可以看一下 Linux TCP tuning 了解网络性能调优的一些要点。 
十一、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。如果你有多台机器,看起来很不方便,可以事先把日志存储在系统笔记的云日志服务器上,支持全文模糊查找, 
十二、定时任务 
$ ls /etc/cron* + cat$ for user in $(cat /etc/passwd | cut -f1 -d:); do crontab -l -u $user; done是否有某个定时任务运行过于频繁?是否有些用户提交了隐藏的定时任务?在出现故障的时候,是否正好有某个备份任务在执行?十三、从云日志中应用系 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。这里查看了下,并没有503的,只有403的错误.所以可以跳过 
 
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! 
好了,总结下,首先查看系统日志,然后再看应用日志,基本的解决思路就这样

© 著作权归作者所有

共有 人打赏支持
mac_zhao
粉丝 40
博文 249
码字总数 304575
作品 0
普陀
程序员
云平台中节点异常如何考虑迁移因素

在云平台中物理节点异常是否立即迁移到其他可用资源节点?还是人为干预? 手动恢复异常节点的云主机...?  自动迁移实现不难,难就难在如何定位故障?物理机异常有N种假设: 网络故障:交...

swq499809608 ⋅ 2015/12/21 ⋅ 0

揭秘腾讯云Supermind智能网络,百万级设备的网络高效运维

网络数据中心正在不断向人工智能(AI)时代演进,在Gartner发布的《2017数据中心网络魔力象限报告》中,将分析和基于意图的网络(Analytics and Intent-Based Networking)是八大市场趋势之一,...

腾讯云社区 ⋅ 2017/11/28 ⋅ 0

揭秘腾讯云Supermind智能网络,百万级设备的网络高效运维

网络数据中心正在不断向人工智能(AI)时代演进,在Gartner发布的《2017数据中心网络魔力象限报告》中,将分析和基于意图的网络(Analytics and Intent-Based Networking)是八大市场趋势之一,...

腾讯云技术社区 ⋅ 2017/11/27 ⋅ 0

观点 | 为什么说云主机比物理机故障率更低?

本文根据高效运维系列微信群的嘉宾分享整理并发布。「高效运维」公众号作为本系列群的官方唯一公众号,原创并独家首发。OneAPM 授权转发。 编辑 徐凯强@和信-北京(内容收集、发布) 作者介绍...

OneAPM蓝海讯通 ⋅ 2015/08/27 ⋅ 0

腾讯云首发智能网关流控,公有云进入网络精细管控时代

腾讯云私有网络率先在业界推出了智能网关流控,为NAT网关、专线网关、对等连接提供IP-网关粒度的“监”与“控”。其精细化网关流量可视化能力,可让运维人员对网关流量一目了然,IP-网关粒度...

腾讯云社区 ⋅ 2017/11/23 ⋅ 0

预防在前、诊断在前 提高IT部门客户满意度——西藏移动通信有限责任公司

· 案例背景 - 系统需要人工监控,维护量巨大,并且无法一一监控到位,同时不能做到持续地实时监控。 - 忙于应对已发生的故障,被动响应式的工作方式,解决故障的效率低。 - Lotus Domino无故...

技术小美 ⋅ 2017/11/16 ⋅ 0

天下数据总结四招让您远离“假云”陷阱

作为经济发展和社会进步推动力量的互联网,在蓬勃发展中带来了大批的信息消费。 近年来,互联网服务商也把目光都集中到虚拟化技术上,同时也让虚拟化技术的稳步成熟,低廉的价格,无处不在的云概念...

冬眠的包子 ⋅ 2016/03/10 ⋅ 0

腾讯云以云为中心推动智能全球网络加速

  【IT168 云计算】数据安全应用逐渐渗透社会发展的各个领域,网络业务量的迅速膨胀给数据传输能力和大吞吐量的交叉能力提出了更高要求。11月22日,腾讯云正式发布Supermind智能网络产品。...

it168网站 ⋅ 2017/11/23 ⋅ 0

还不知道AIOps嘛?阿里这么火的智能运维,你不能不知道!

摘要:业务通过产品技术发挥价值的一个必要条件就是可以在线上稳定持续的运行,这一直是运维人员的终极目标。相信大家在使用天猫、淘宝、支付宝时几乎没有遇到过无法使用的情况,阿里是如何做...

聒小小噪 ⋅ 05/30 ⋅ 0

阿里云Kubernetes Service Mesh实践进行时(6): 故障诊断与检测工具Weave Scope

概述 本系列文章已经通过一个官方示例演示了如何部署应用到上述Istio环境中,并演示了如何设置智能路由、分布式追踪以及Istio 的遥测数据收集、查询及可视化等功能。 阿里云Kubernetes Serv...

osswangxining ⋅ 06/06 ⋅ 0

没有更多内容

加载失败,请刷新页面

加载更多

下一页

mysql5.7系列修改root默认密码

操作系统为centos7 64 1、修改 /etc/my.cnf,在 [mysqld] 小节下添加一行:skip-grant-tables=1 这一行配置让 mysqld 启动时不对密码进行验证 2、重启 mysqld 服务:systemctl restart mysql...

sskill ⋅ 昨天 ⋅ 0

Intellij IDEA神器常用技巧六-Debug详解

在调试代码的时候,你的项目得debug模式启动,也就是点那个绿色的甲虫启动服务器,然后,就可以在代码里面断点调试啦。下面不要在意,这个快捷键具体是啥,因为,这个keymap是可以自己配置的...

Mkeeper ⋅ 昨天 ⋅ 0

zip压缩工具、tar打包、打包并压缩

zip 支持压缩目录 1.在/tmp/目录下创建目录(study_zip)及文件 root@yolks1 study_zip]# !treetree 11└── 2 └── 3 └── test_zip.txt2 directories, 1 file 2.yum...

蛋黄Yolks ⋅ 昨天 ⋅ 0

聊聊HystrixThreadPool

序 本文主要研究一下HystrixThreadPool HystrixThreadPool hystrix-core-1.5.12-sources.jar!/com/netflix/hystrix/HystrixThreadPool.java /** * ThreadPool used to executed {@link Hys......

go4it ⋅ 昨天 ⋅ 0

容器之上传镜像到Docker hub

Docker hub在国内可以访问,首先要创建一个账号,这个后面会用到,我是用126邮箱注册的。 1. docker login List-1 Username不能使用你注册的邮箱,要用使用注册时用的username;要输入密码 ...

汉斯-冯-拉特 ⋅ 昨天 ⋅ 0

SpringBoot简单使用ehcache

1,SpringBoot版本 2.0.3.RELEASE ①,pom.xml <parent><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-parent</artifactId><version>2.0.3.RELE......

暗中观察 ⋅ 昨天 ⋅ 0

监控各项服务

比如有三个服务, 为了减少故障时间,增加监控任务,使用linux的 crontab 实现. 步骤: 1,每个服务写一个ping接口 监控如下内容: 1,HouseServer 是否正常运行,所以需要增加一个ping的接口 ; http...

黄威 ⋅ 昨天 ⋅ 0

Spring源码解析(八)——实例创建(下)

前言 来到实例创建的最后一节,前面已经将一个实例通过不同方式(工厂方法、构造器注入、默认构造器)给创建出来了,下面我们要对创建出来的实例进行一些“加工”处理。 源码解读 回顾下之前...

MarvelCode ⋅ 昨天 ⋅ 0

nodejs __proto__跟prototype

前言 nodejs中完全没有class的这个概念,这点跟PHP,JAVA等面向对象的语言很不一样,没有class跟object的区分,那么nodejs是怎么样实现继承的呢? 对象 对象是由属性跟方法组成的一个东西,就...

Ai5tbb ⋅ 昨天 ⋅ 0

Ubuntu16.04 PHP7.0 不能用MYSQLi方式连接MySQL5.7数据库

Q: Ubuntu16.04 PHP7.0 不能用MYSQLi方式连接MySQL5.7数据库 A: 执行以下2条命令解决: apt-get install php-mysql service apache2 restart php -m 执行后会多以下4个模块: mysqli mysqlnd...

SamXIAO ⋅ 昨天 ⋅ 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