服务器托管故障如何解决

　　服务器托管故障如何解决

　　服务器是网站运行的重要设备，是24小时全天运行的，因此在运行过程中会出现各种千奇百怪的故障，除非你是很高的运维高手，否则是很难一下子找到问题原因所在的。那是不是出现故障就没法解决了?当然不是，以服务器托管为例，在服务器托管时出现故障时应做到以下几点：

　　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。在故障解决之前你需要弄清楚：

　　故障是什么时候发现的?故障的表现是什么?无响应?报错?故障是否可重现?故障有没有出现的规律?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)?以及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…)?

　　二、有谁在线?哪些用户访问过?

　　# 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、故障出现之前发生了什么?

　　# 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、现在服务器在运行的进程是什么

　　# 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

　　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。不过小编绝不会用 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、查看服务器硬件

　　# 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?

　　七、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?

　　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、内核、中断和网络

　　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，能应付你托管服务器的流量?

　　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、系统日志和内核消息

　　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?

　　十二、定时任务

　　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、挂载点和文件系统

　　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?

　　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。

　　为了不断满足大中型企业信息化需求和互联网事业的日益发展，以及各种互联网商业活动的需求，互联网基础业务服务商腾佑科技特别推出了满足中小型企业信息化需求服务器托管、服务器租用、虚拟主机、vps主机以及云服务器。不仅节省了信息化发展成本，而且也能满足其发展需求。除此之外，腾佑科技为基于网站建设的企业提供域名注册和智能建站的业务。并以一流的设备、一流的技术团队以及一流的售后服务获得了用户的一致好评。