行业新闻

行业新闻

该怎样排除混合云服务器故障

发布时间:2019-01-10 点击数:983

服务器出现故障是难免的,云服务器也不例外,然而云服务器出现故障不一定都是本身的问题,也会有其他方面的影响,下面我们就来看看该怎样排除混合云服务器故障?

怎么排除云服务器故障

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?
是否有日志可以查看?
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
二、有谁在?
1.$w
2.$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。
三、之前发生了什么?
1.$history
查看一下之前服务器上执行过的命令。看一下总是没错的,加上前面看的谁登录过的信息,应该有点用。另外作为admin要注意,不要利用自己的权限去侵犯别人的隐私哦。
到这里先提醒一下,等会你可能会需要更新HISTTIMEFORMAT环境变量来显示这些命令被执行的时间。对要不然光看到一堆不知道啥时候执行的命令,同样会令人抓狂的。
四、现在在运行的进程是啥?
1.$pstree-a
2.$psaux
这都是查看现有进程的。psaux的结果比较杂乱,pstree-a的结果比较简单明了,可以看到正在运行的进程及相关用户。
五、监听的网络服务
1.$netstat-ntlp
2.$netstat-nulp
3.$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。
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psaux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
1.$free-m
2.$uptime
3.$top
4.$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
1.$lspci
2.$dmidecode
3.$ethtool
有很多服务器还是裸机状态,可以看一下:
找到RAID卡、CPU、空余的内存插槽。根据这些情况可以大致了解硬件问题的来源和性能改进的办法。
网卡是否设置好?是否正运行在半双工状态?速度是10MBps?有没有TX/RX报错?
八、IO性能
1.$iostat-kx2
2.$vmstat210
3.$mpstat210
4.$dstat--top-io--top-bio
这些命令对于调试后端性能非常有用。
检查磁盘使用量:服务器硬盘是否已满?
是否开启了swap交换模式(si/so)?
CPU被谁占用:系统进程?用户进程?虚拟机?
dstat是我的最爱。用它可以看到谁在进行IO:是不是MySQL吃掉了所有的系统资源?还是你的PHP进程?
九、挂载点和文件系统
1.$mount
2.$cat/etc/fstab
3.$vgs
4.$pvs
5.$lvs
6.$df-h
7.$lsof+D//*bewarenottokillyourbox*/
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
1.$sysctl-a|grep…
2.$cat/proc/interrupts
3.$cat/proc/net/ip_conntrack/*maytakesometimeonbusyservers*/
4.$netstat
5.$ss-s
你的中断请求是否是均衡地分配给CPU处理,还是会有某个CPU的核因为大量的网络中断请求或者RAID请求而过载了?
SWAP交换的设置是什么?对于工作站来说swappinness设为60就很好,不过对于服务器就太糟了:你最好永远不要让服务器做SWAP交换,不然对磁盘的读写会锁死SWAP进程。
conntrack_max是否设的足够大,能应付你服务器的流量?
在不同状态下(TIME_WAIT,…)TCP连接时间的设置是怎样的?
如果要显示所有存在的连接,netstat会比较慢,你可以先用ss看一下总体情况。
你还可以看一下LinuxTCPtuning了解网络性能调优的一些要点。
十一、系统日志和内核消息
1.$dmesg
2.$less/var/log/messages
3.$less/var/log/secure
4.$less/var/log/auth
查看错误和警告消息,比如看看是不是很多关于连接数过多导致?
看看是否有硬件错误或文件系统错误?
分析是否能将这些错误事件和前面发现的疑点进行时间上的比对。如果你有多台机器,看起来很不方便,可以事先把日志存储在系统笔记的云日志服务器上,支持全文模糊查找,
十二、定时任务
1.$ls/etc/cron*+cat
2.$foruserin$(cat/etc/passwd|cut-f1-d:);docrontab-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、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。

以上这些可以很好的排除云服务器故障,当然在全网数据我们会协助用户解决服务器方面的问题,技术团队会提供7x24小时服务,一旦有问题我们都能第一时间发现并协助用户快速处理,全网数据主要提供深圳服务器托管,深圳服务器租用,深圳主机托管,机柜租用等,欢迎咨询客服了解更多详情。



用户至上,用心服务

全网数据以"用户至上,用心服务每一位用户"为宗旨,您可以把您的应用放心的交给我们,全网数据为您提供完美解决方案和数据中心服务。

免费咨询