系统管理员入门：排除故障
|
副标题[/!--empirenews.page--]
我通常会严格保持此博客的技术性，将观察、意见等内容保持在最低限度。但是，这篇将介绍刚进入系统管理/SRE/系统工程师/sysops/devops-ops(无论你想称自己是什么)角色的常见的基础知识。
请跟我来! “我的网站很慢!” 我只是随机选择了本文的问题类型，这也可以应用于任何与系统管理员相关的故障排除。我并不是要炫耀那些可以发现最多的信息的最聪明的“金句”。它也不是一个详尽的、一步步指导的、并在最后一个方框中导向“利润”一词的“流程图”。 我会通过一些例子展示常规的方法。 示例场景仅用于说明本文目的。它们有时会做一些不适用于所有情况的假设，而且肯定会有很多读者在某些时候说“哦，但我觉得你会发现……”。 但那可能会让我们错失重点。 十多年来，我一直在从事于支持工作，或在支持机构工作，有一件事让我一次又一次地感到震惊，这促使我写下了这篇文章。 有许多技术人员在遇到问题时的本能反应，就是不管三七二十一去尝试可能的解决方案。 “我的网站很慢，所以”，
“我曾经看过这个问题，它是因为某种原因造成的 —— 所以我估计还是这个原因，它应该能解决这个问题。” 这浪费了很多时间，并会让你在黑暗中盲目乱撞，胡乱鼓捣。 你的 InnoDB 的缓冲池也许达到 100% 的利用率，但这可能只是因为有人运行了一段时间的一次性大型报告导致的。如果没有排除这种情况，那你就是在浪费时间。 开始之前 在这里，我应该说明一下，虽然这些建议同样适用于许多角色，但我是从一般的支持系统管理员的角度来撰写的。在一个成熟的内部组织中，或与规模较大的、规范管理的或“企业级”客户合作时，你通常会对一切都进行检测、测量、绘制、整理(甚至不是文字)，并发出警报。那么你的方法也往往会有所不同。让我们在这里先忽略这种情况。 如果你没有这种东西，那就随意了。 澄清问题 首先确定实际上是什么问题。“慢”可以是多种形式的。是收到第一个字节的时间吗?从糟糕的 Javascript 加载和每页加载要拉取 15 MB 的静态内容，这是一个完全不同类型的问题。是慢，还是比通常慢?这是两个非常不同的解决方案! 在你着手做某事之前，确保你知道实际报告和遇到的问题。找到问题的根源通常很困难，但即便找不到也必须找到问题本身。 否则，这相当于系统管理员带着一把刀去参加枪战。 唾手可得 首次登录可疑服务器时，你可以查找一些常见的嫌疑对象。事实上，你应该这样做!每当我登录到服务器时，我都会发出一些命令来快速检查一些事情：我们是否发生了页交换(free / vmstat)，磁盘是否繁忙(top / iostat / iotop)，是否有丢包(netstat / proc/net/dev)，是否处于连接数过多的状态(netstat)，有什么东西占用了 CPU(top)，谁在这个服务器上(w / who)，syslog 和 dmesg 中是否有引人注目的消息? 如果你从 RAID 控制器得到 2000 条抱怨直写式缓存没有生效的消息，那么继续进行是没有意义的。 这用不了半分钟。如果什么都没有引起你的注意 —— 那么继续。 重现问题 如果某处确实存在问题，并且找不到唾手可得的信息。 那么采取所有步骤来尝试重现问题。当你可以重现该问题时，你就可以观察它。当你能观察到时，你就可以解决。如果在第一步中尚未显现出或覆盖了问题所在，询问报告问题的人需要采取哪些确切步骤来重现问题。 对于由太阳耀斑或只能运行在 OS/2 上的客户端引起的问题，重现并不总是可行的。但你的第一个停靠港应该是至少尝试一下!在一开始，你所知道的是“某人认为他们的网站很慢”。对于那些人，他们可能还在用他们的 GPRS 手机，也可能正在安装 Windows 更新。你在这里挖掘得再深也是浪费时间。 尝试重现! 检查日志 我对于有必要包括这一点感到很难过。但是我曾经看到有人在运行 tail /var/log/... 之后几分钟就不看了。大多数 *NIX 工具都特别喜欢记录日志。任何明显的错误都会在大多数应用程序日志中显得非常突出。检查一下。 缩小范围 如果没有明显的问题，但你可以重现所报告的问题，那也很棒。所以，你现在知道网站是慢的。现在你已经把范围缩小到：浏览器的渲染/错误、应用程序代码、DNS 基础设施、路由器、防火墙、网卡(所有的)、以太网电缆、负载均衡器、数据库、缓存层、会话存储、Web 服务器软件、应用程序服务器、内存、CPU、RAID 卡、磁盘等等。 根据设置添加一些其他可能的罪魁祸首。它们也可能是 SAN，也不要忘记硬件 WAF!以及…… 你明白我的意思。 如果问题是接收到第一个字节的时间，你当然会开始对 Web 服务器去应用上已知的修复程序，就是它响应缓慢，你也觉得几乎就是它，对吧?但是你错了! 你要回去尝试重现这个问题。只是这一次，你要试图消除尽可能多的潜在问题来源。 你可以非常轻松地消除绝大多数可能的罪魁祸首：你能从服务器本地重现问题吗?恭喜，你刚刚节省了自己必须尝试修复 BGP 路由的时间。 如果不能，请尝试使用同一网络上的其他计算机。如果可以的话，至少你可以将防火墙移到你的嫌疑人名单上，(但是要注意一下那个交换机!) 是所有的连接都很慢吗?虽然服务器是 Web 服务器，但并不意味着你不应该尝试使用其他类型的服务进行重现问题。netcat 在这些场景中非常有用(但是你的 SSH 连接可能会一直有延迟，这可以作为线索)!如果这也很慢，你至少知道你很可能遇到了网络问题，可以忽略掉整个 Web 软件及其所有组件的问题。用这个知识(我不收 200 美元)再次从顶部开始，按你的方式由内到外地进行! 即使你可以在本地复现 —— 仍然有很多“因素”留下。让我们排除一些变量。你能用普通文件重现它吗?如果 i_am_a_1kb_file.html 很慢，你就知道它不是数据库、缓存层或 OS 以外的任何东西和 Web 服务器本身的问题。 （编辑：新余站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
