【正文】 的CPU嗎? 服務(wù)器是幾核的? 是否有某些CPU核負(fù)載過多了? 六、CPU 和內(nèi)存$ freem$ uptime$ top$ htop 注意以下問題:通常我們建議每臺(tái)服務(wù)器上運(yùn)行的服務(wù)少一點(diǎn)，必要時(shí)可以增加服務(wù)器。在netstat顯示的服務(wù)列表中的PID 和 ps aux 進(jìn)程列表中的是一樣的。找到所有正在運(yùn)行的服務(wù)，檢查它們是否應(yīng)該運(yùn)行。netstatnalp倒也可以。ps aux 的結(jié)果比較雜亂，pstreea 的結(jié)果比較簡單明了，可以看到正在運(yùn)行的進(jìn)程及相關(guān)用戶。對(duì)要不然光看到一堆不知道啥時(shí)候執(zhí)行的命令，同樣會(huì)令人抓狂的。另外作為admin要注意，不要利用自己的權(quán)限去侵犯別人的隱私哦。（ne cook in the kitchen is enough.）三、之前發(fā)生了什么? $ history查看一下之前服務(wù)器上執(zhí)行過的命令。這不是什么關(guān)鍵步驟，不過最好別在其他用戶正干活的時(shí)候來調(diào)試系統(tǒng)。只能再繼續(xù)摸索了。 必須搞清楚的問題有：我們基本上都會(huì)從以下步驟入手：一、盡可能搞清楚問題的前因后果不要一下子就扎到服務(wù)器前面，你需要先搞明白對(duì)這臺(tái)服務(wù)器有多少已知的情況，還有故障的具體情況。要是再趕上修復(fù)時(shí)間緊、奇葩的技術(shù)平臺(tái)、缺少信息和文檔，基本上這過程都會(huì)慘痛到讓我們留下深刻的記憶。當(dāng)出現(xiàn)此類問題時(shí)，應(yīng)該如何處理？本文給大家詳盡的分析了一下，一起來看看。操作的人不覺得累，倒是一邊學(xué)習(xí)的人很累㈩ 簡單即是美這有點(diǎn)禪的意境、和 GNU/Linux 的思想不謀而合我們總是面臨各種誘惑：新的系統(tǒng)架構(gòu)，新的更智能的命令和工具，最新的硬件平臺(tái)，功能更全的HA軟件...等你可以在線下安裝，測(cè)試，怎么搞都行。10g設(shè)置好命令提示當(dāng)然、你也可以在 里面設(shè)置對(duì)于 Linux 而言、bash 環(huán)境的提醒可設(shè)置 PS1 來知道當(dāng)前目錄、登陸用戶名和主機(jī)信息等對(duì) PS1 更多理解、請(qǐng)見：man PS1㈣ 備份并驗(yàn)證備份的有效性人非圣賢、豈能無過？是機(jī)器總有計(jì)劃內(nèi)或計(jì)劃外崩潰的一天怎么辦？備份??！備份的學(xué)問很大、按照不同的維度可以分：冷備和熱備；實(shí)時(shí)和非實(shí)時(shí)；物理和邏輯OLTP 7*24 在線業(yè)務(wù)、DB 就需要有實(shí)時(shí)熱備這樣就可以了嗎？如果開發(fā)人員的一個(gè)不帶任何條件的 delete 誤刪所有數(shù)據(jù)所以、此時(shí)你除了實(shí)時(shí)、還需要有非實(shí)時(shí)的備份、把 DB 從邏輯錯(cuò)誤中恢復(fù)出來備份有了、可以高忱無憂了嗎？不行！尚須驗(yàn)證備份的有效性一個(gè)總有那么幾次、備份無法保證 100% 恢復(fù)簡單的驗(yàn)證就是找個(gè)空庫、恢復(fù)出來㈤ 對(duì)生產(chǎn)環(huán)境永保敬畏之心會(huì)計(jì)人員在從業(yè)之前、都有個(gè)職業(yè)操守的訓(xùn)練同理、這也應(yīng)該是運(yùn)維人員進(jìn)入行業(yè)首先需要具備的素養(yǎng)比如：于 Oracle 而言、你可以跑一個(gè) RDA 巡檢 DB 的健康狀況于 Linux 而言、是否有 password aging、隔離外網(wǎng)等㈥ 交接和休假最容易出故障、變更請(qǐng)謹(jǐn)慎接手別人的工作要一而再，再而三的確認(rèn)變更方案。㈢在操作之前、先理清你所在的是主庫、備庫？當(dāng)前目錄？哪個(gè) schema？session？時(shí)間？比如：對(duì) Oracle 來講：[plain] view plaincopyprint? set sqlprompt 39。alias mv=39。同理、cp 和 mv 也可以有同樣的選項(xiàng)：alias cp=39。第一篇：逃離故障的十條運(yùn)維工作經(jīng)驗(yàn)總結(jié)逃離故障的十條運(yùn)維工作經(jīng)驗(yàn)總結(jié)故障、于 DBA、于 運(yùn)維人員 都是 心中永遠(yuǎn)的痛、而避免故障的原則卻是殊途同歸現(xiàn)列如下、與君共勉㈠佛說：每次創(chuàng)傷、都是一次成熟、這便是運(yùn)維人員的真實(shí)寫照從某種意義上講、運(yùn)維是一門經(jīng)驗(yàn)的學(xué)科、是一門試錯(cuò)的學(xué)科沒有做過的東西、總是會(huì)給你不期而遇的痛擊請(qǐng)保護(hù)現(xiàn)場(chǎng)、讓 變更 有回頭的機(jī)會(huì)㈡ 對(duì)破壞性的操作謹(jǐn)慎小心什么是破壞性的操作哩？比如：對(duì) Oracle 而言：truncate table_name、delete table_name、drop table_name這些語句執(zhí)行起來輕松簡單也愜意極了、但記住！即便數(shù)據(jù)可被回滾、代價(jià)也是非常大！對(duì) Linux 而言：rmr 所有當(dāng)前及其子目錄的所有數(shù)據(jù)都將被變更要能回滾、先在同樣的環(huán)境測(cè)試過刪除經(jīng)歷過這種故障的人、大多會(huì)給 rm 上個(gè)別名alias rm=39。rmi39。cpi39。mvi39。RACnode1primary10g39。請(qǐng)教人并不見得就是能力不行的表現(xiàn)休假前最好各種可以做好的事情，最好能夠準(zhǔn)備一份文檔，指明在什么情況下怎么做和聯(lián)系哪些人在別人放假的時(shí)候接手工作，“能拖則拖”，實(shí)在需要執(zhí)行：必須不厭其煩的跟原運(yùn)維者確認(rèn)各個(gè)操作細(xì)節(jié)㈦ 搭建報(bào)警、及時(shí)獲取出錯(cuò)信息；搭建性能監(jiān)控、預(yù)測(cè)趨勢(shì)運(yùn)維人員賴于生存的工具就是 報(bào)警和監(jiān)控報(bào)警可以讓你及時(shí)知道系統(tǒng)出現(xiàn)了什么異常、以便及時(shí)跟進(jìn)、把故障扼殺于搖籃監(jiān)控可以讓你了解系統(tǒng)的歷史性能信息、以歷為鑒、可以知興替嘛、早做優(yōu)化報(bào)警和優(yōu)化是衣寬帶水的好兄弟、相鋪相成、互相促進(jìn)㈧ 自動(dòng)卻換需謹(jǐn)慎比如、Oracle 存儲(chǔ)級(jí)的HA方案：Data Guard主庫提交了一筆訂單、結(jié)果發(fā)生了 switchover、這筆訂單沒有同步到備庫那么、賣家損失了一個(gè)銷售單、對(duì)客戶、對(duì)公司都是損失㈨ 仔細(xì)一點(diǎn)，偏執(zhí)一點(diǎn)，檢查，檢查，再檢查有這么一個(gè)人：① 他在做一個(gè)變更的時(shí)候，會(huì)先提前一兩周發(fā)送郵件并電話手機(jī)通知相關(guān)人② 在測(cè)試機(jī)上寫好腳本，召集大家 review 操作步驟和腳本③ 測(cè)試完成以后拷貝到生產(chǎn)環(huán)境④ 登錄對(duì)應(yīng)機(jī)器，“打開，關(guān)閉，打開，關(guān)閉”該腳本⑤ 跟相關(guān)人員再次確認(rèn)執(zhí)行的操作，順序，時(shí)間點(diǎn)，可能的影響和回滾是否都準(zhǔn)備好了⑥ 執(zhí)行前還要退出這個(gè)機(jī)器，然后再登錄進(jìn)去，“打開，關(guān)閉”腳本⑦ 最后才在后臺(tái)運(yùn)行腳本，同時(shí)在另外一個(gè)窗口登錄著，隨時(shí)ps和查看結(jié)果輸出期間姿勢(shì)端正，呼吸急促而均勻，眼神凝重。但是如果想要在生產(chǎn)環(huán)境下使用起來、請(qǐng)三思！能夠使用系統(tǒng)內(nèi)置命令的話，就不用考慮其他要專門下載安裝的軟件了腳本本身就能完成的功能，就沒有必要專門找一個(gè)功能豐富的軟件來做linux本身自帶的字符界面比那些復(fù)雜的圖形界面要簡潔方便............第二篇：linux服務(wù)器故障之運(yùn)維經(jīng)驗(yàn)總結(jié)服務(wù)器故障之運(yùn)維經(jīng)驗(yàn)總結(jié)作為一個(gè)運(yùn)維人員，遇到服務(wù)器故障是在所難免的，要是再趕上修復(fù)時(shí)間緊、奇葩的技術(shù)平臺(tái)、缺少信息和文檔，基本上這過程都會(huì)慘痛到讓我們留下深刻的記憶。我們團(tuán)隊(duì)為上一家公司承擔(dān)運(yùn)維、優(yōu)化和擴(kuò)展工作的時(shí)候，我們碰到了各種不同規(guī)模的性能很差的系統(tǒng)和基礎(chǔ)設(shè)備（大型系統(tǒng)居多，比如CNN或者世界銀行的系 統(tǒng)）。遇到服務(wù)器故障，問題出現(xiàn)的原因很少可以一下就想到。不然你很可能就是在無的放矢。 故障的表現(xiàn)是什么？無響應(yīng)？報(bào)錯(cuò)？ 故障是什么時(shí)候發(fā)現(xiàn)的？ 故障是否可重現(xiàn)？有沒有出現(xiàn)的規(guī)律（比如每小時(shí)出現(xiàn)一次）最后一次對(duì)整個(gè)平臺(tái)進(jìn)行更新的內(nèi)容是什么（代碼、服務(wù)器等）？故障影響的特定用戶群是什么樣的(已登錄的, 退出的, 某個(gè)地域的…)? 基礎(chǔ)架構(gòu)（物理的、邏輯的）的文檔是否能找到?是否有監(jiān)控平臺(tái)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…）最后兩個(gè)是最方便的信息來源，不過別抱太大希望，基本上它們都不會(huì)有。二、有誰在? $ w$ last 用這兩個(gè)命令看看都有誰在線，有哪些用戶訪問過。有道是一山不容二虎嘛?？匆幌驴偸菦]錯(cuò)的，加上前面看的誰登錄過的信息，應(yīng)該有點(diǎn)用。到這里先提醒一下，等會(huì)你可能會(huì)需要更新 HISTTIMEFORMAT 環(huán)境變量來顯示這些命令被執(zhí)行的時(shí)間。四、現(xiàn)在在運(yùn)行的進(jìn)程是啥? $ pstreea$ ps aux這都是查看現(xiàn)有進(jìn)程的。五、監(jiān)聽的網(wǎng)絡(luò)服務(wù)$ netstatntlp$ nets