盡可能搞清楚問題的前因后果

不要一下子就扎到服務器前面，你需要先搞明白這臺服務器有多少已知的情況，還有故障的具體情況，不然你很有可能是在無的放矢 必須要搞清楚的問題：

• 故障的表現是什么？無響應？報錯？
• 故障是什么時候發現的？
• 故障是否可以重現？
• 有沒有出現的規律（比如每小時一次）
• 最后一次對整個平臺進行更新的內容是什么（代碼、服務器）？
• 故障影響的特定用戶群是什么樣的（已登錄的、退出的、某個地域的...）?
• 基礎架構（物理的、邏輯的）的文檔是否能找到？
• 是否有監控平臺可用？
• 是否有日志可以查看？

最后兩個是最方便的信息來源，不過別抱太大希望，基本上它們都不會有，只能再繼續摸索

有誰在？

[html]?view plaincopyprint?

$?w??

$?last??

用這兩個命令查看都有誰在線，有哪些用戶訪問過。這不是什么關鍵步驟，不過最好別在其他用戶正在干活的時候來調試系統。有道是一山不容二虎嘛

之前發生了什么？

[html]?view plaincopyprint?

$?history??

查看一下之前服務器上執行過的命令?？匆幌驴偸菦]錯的，加上前面看的誰登錄過的信息，應該有點用。另外，作為admin要注意，不用利用自己的權限去侵犯別人的隱私！ 到這里先提醒一下，查看history的時候需要更新一下HISTTIMEFORMAT環境變量來顯示這些命令執行的時間。（ps：個人補充） 配置HISTTIMEFORMAT可使用如下命令： [html]?view plaincopyprint?

$?export?HISTTIMEFORMAT="%F?%T?"??

現在運行的進程

[html]?view plaincopyprint?

$?pstree?-a??

$ps?aux??

這都是查看現有進程的。ps aux的結果比較雜亂（ps：個人不認同，ps aux可以用過管道+grep進行過濾，pstree可沒有這功能），pstree -a的結果比較簡單明了，可以看到正在運行的進程以及相關用戶

監聽的網絡服務

[html]?view plaincopyprint?

$?netstat?-ntlp??

$?netstat?-nulp??

$?netstat?-nxlp??

我一般都分開運行這三個命令，不想一下子看到列出一大堆所有的服務。netstat -nalp倒也可以。 找到所有正在運行的服務，檢查它們是否應該運行。查看各個監聽端口。 通常我們建議每臺服務器上運行的服務少一點，必要時可以增加服務器。如果你看到一臺服務器上有三四個監聽端口開著，那還是做個記錄，回頭有空的時候清理一下，重新組織一下服務器

CPU和內存

[html]?view plaincopyprint?

$?free?-m??

$?uptime??

$?top??

注意以下問題：

• 還有空閑的內存嗎？服務器是否正在內存和硬盤之間進行swap？
• 還有剩余的CPU嗎？服務器是幾核的？是否某些CPU核負載過多了？
• 服務器最大的負載來自什么地方？平均負載是多少？

硬件

[html]?view plaincopyprint?

$?lspci??

$?dmidecode??

$?ethtool??

我覺得主要是使用ethtool查看網卡是否設置好？是否正運行在半雙工狀態？速度是10MBps？有沒有TX/RX報錯？

IO性能

[html]?view plaincopyprint?

dstat?--top-io?--top-bio??

我這里只寫了一個我會用而且感覺最好用的dstat。用它可以看道誰正在進行IO：是不是MYSQL吃掉了所有的系統資源？還是你的PHP進程？

系統日志和內核消息

[html]?view plaincopyprint?

$?dmesg??

$?less?/var/log/auth.log??

• 查看錯誤和警告信息，比如看看是不是連接數過多導致？
• 看看是否有硬件錯誤或文件系統錯誤？
• 分析是否能將這些錯誤時間和前面發現的疑點進行時間上的對比

定時任務

[html]?view plaincopyprint?

$?ls?/etc/cron*?|?cat??

$?for?user?in?$(cat?/etc/passwd?|?awk?-F?":"?'{print?$1}');?do?crontab?-l?-u?$user;?done??

(ps:這里我改寫了部分linux命令使用，哈哈，雖然是轉載，但是也要有我自己的風格在里面)

• 是否某個定時任務運行過于頻繁？
• 是否有些用戶提交了隱藏的定時任務？
• 在出現故障的時候，是否正好有某個備份額任務正在執行？

應用系統日志

這里分析的東西可就多了，不過恐怕你作為運維人員是沒功夫仔細研究它的。關注那么明顯的問題，比如在一個典型的LAMP應用環境里：

• Apache&Nginx;查詢訪問和錯誤日志，直接找5××錯誤，再看是否有limit_zone錯誤
• Mysql;在mysql.log找錯誤信息，看看有沒有結構損壞的表，是否有innodb修復進程正在運行，是否有disk/index/query問題
• PHP-FPM：如果設定了php-slow日志，直接找錯誤信息

結論

經過這5分鐘之后，你應該對如下情況比較清楚了：

• 在服務器上運行的都是些啥？
• 這個故障看起來是和IO/硬件/網絡或者系統配置相關
• 這個故障是否有你熟悉的一些特征？比如數據庫索引使用不當，或者太多的apache后臺進程

http://blog.csdn.net/wzy_1988/article/details/12355103

轉載于:https://www.cnblogs.com/bluewelkin/p/3944929.html

總結

以上是生活随笔為你收集整理的(转载)在服务器上排除问题的头5分钟的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。