運維故障處理思路-全文預覽
【正文】 配置庫等模塊協同工作，具體介紹后續(xù)分析）。對此，我認同應用運維人員不需要掌握應用系統的業(yè)務功能，但我覺得就對應用系統本身來講應用運維人員需要具備以下最基本的能力：（1）知道應用系統這個是干什么的，基本的業(yè)務是什么；（2）知道應用架構部署、上下游系統邏輯關系；（3）知道應用下的服務的作用、端口、服務級的應急處理，日志等數據信息如何找到并簡單定位。我認為要解決這個難點，需要先讓運維人員經常使用這個手冊。（4）輔助工具的使用：有時候，需要借助一些工具或自動化工具輔助分析并應急，這時需要有輔助工具如何使用的方法。（2）服務級：能知道這個服務影響什么業(yè)務，服務涉及的日志、程序、配置文件在哪里，如何檢查服務是否正常，如何重啟服務，如何調整應用級參數等。但實際的故障處理過程中，我們可以發(fā)現其實我們的應急措施往往重復使用幾個常用的步驟，所以我認為應急方案要有重點，如果一個應急方案可以應對平時故障處理80%的場景，那這個應急手冊應該是合格的。4)從監(jiān)控分析上完善完善的監(jiān)控策略不僅需要有實時的數據告警，也要有匯總數據的分析告警,實時數據分析的告警的重要性不用多說，對于匯總分析的數據則能發(fā)現潛在風險，同時也為分析疑難雜癥提供幫忙。全面性的應用監(jiān)控可以讓故障提前預警，并保存了影響應用運行環(huán)境的數據，以縮短故障處理時間。 排查進展，展示信息 召集相關人員 是否有足夠的日志定位故障原因，最常用的方法就是分析應用日志，對運維人員不僅需要知道業(yè)務功能對應哪個服務進程，還要知道這個服務進程對應的哪些應用日志，并具備一些簡單的應用日志異常錯誤的判斷能力。在排查故障原因時應該避免全面性的排查，建議先把問題范圍縮小到一定程序后再開始協調關聯團隊排查。 還有很多……另外，需要補充的是，在故障應急前，在有條件的情況需要保存當前系統場景，比如在殺進程前，可以先抓個CORE文件或數據庫快照文件。 資源不足，可以考慮應急擴容；2）應急恢復運維最基本的指標就是系統可用性，應急恢復的時效性是系統可用
研究報告相關推薦
鄂ICP備17016276號-1