【51CTO獨(dú)家特稿】上個(gè)月的最后一個(gè)星期五是全世界的第十一個(gè)“系統(tǒng)管理員日”。在有關(guān)系統(tǒng)管理員日的介紹中，我們可以看到這樣一句話：

在大多數(shù)非IT人員的想象中，系統(tǒng)管理員是一個(gè)類似于勤雜工和服務(wù)員的角色，是在自己和同事的電腦死機(jī)、藍(lán)屏或上不了網(wǎng)的時(shí)候求助的對(duì)象。

對(duì)很多企業(yè)老板而言，只有在服務(wù)器出問題的時(shí)候才會(huì)想起公司里還有這些系統(tǒng)管理員，而在業(yè)務(wù)運(yùn)行正常的時(shí)候，往往會(huì)將他們遺忘。

這是很多系統(tǒng)管理員的工作現(xiàn)狀——救火隊(duì)員。而很多非IT人士和業(yè)內(nèi)新人也誤以為救火就是系統(tǒng)管理員主要的工作。但是事實(shí)上，一個(gè)企業(yè)如果僅僅把系統(tǒng)管理員當(dāng)做救火員來使用，那么只有兩種可能：

1、他們把IT技術(shù)支持人員（最終用戶支持）和系統(tǒng)管理員的工作職能搞混了

2、他們的服務(wù)器們正處于岌岌可危的狀態(tài)下

保證系統(tǒng)和服務(wù)盡可能長時(shí)間不間斷的正常運(yùn)行，是系統(tǒng)管理員的主要工作。簡單的說，系統(tǒng)管理員的職責(zé)主要是防火，而非救火。一般規(guī)模不大、業(yè)務(wù)重要性不強(qiáng)的企業(yè)可能容易對(duì)平時(shí)的防護(hù)有所忽略，然而對(duì)于電子商務(wù)、網(wǎng)上銀行、乃至于規(guī)模大一些的門戶網(wǎng)站而言，哪怕是一秒鐘的服務(wù)中斷都會(huì)造成極大的經(jīng)濟(jì)損失，所以除非是遇到地震或是大規(guī)模斷電斷網(wǎng)這種情況，原則上是不允許業(yè)務(wù)出現(xiàn)中斷的。

雖然防護(hù)的等級(jí)不同，但是無論對(duì)于哪個(gè)企業(yè)的系統(tǒng)管理員而言，針對(duì)自己企業(yè)的業(yè)務(wù)對(duì)穩(wěn)定性和連續(xù)性的需求，配合手上可以調(diào)配的資源，盡可能的保持服務(wù)正常運(yùn)行，都是他的本職工作。

下面讓我們來看看系統(tǒng)管理員們平時(shí)可能會(huì)遇到哪些故障，以及如何進(jìn)行基本的防護(hù)。

服務(wù)器可能遇到的故障多種多樣，比較常見的有：

◆硬件壞了

◆一臺(tái)服務(wù)器跑多個(gè)服務(wù)造成服務(wù)紊亂

◆服務(wù)器流量忽然大幅上漲（如Slashdot Effect就屬于這種），服務(wù)器由于短時(shí)間內(nèi)過于繁忙而宕機(jī)

◆安全攻擊

還有其他一些不算是故障，但是屬于隱患的問題，比如Apache或Nginx的漏洞，遠(yuǎn)程用戶的權(quán)限，可能被當(dāng)做攻擊目標(biāo)的端口等等，也需要運(yùn)維人員及時(shí)處理。

以下內(nèi)容根據(jù)與做運(yùn)維的幾個(gè)朋友的聊天整理而來，描述了眾多管理員平時(shí)遇到的問題中的很小的一部分，算是管理員防火救火工作的一個(gè)縮影吧：

◆我們公司硬件少，一臺(tái)服務(wù)器上要跑很多程序，動(dòng)不動(dòng)就紊亂了！

◆硬件問題軟件問題，多多少少都遇到過啊，無非就是換設(shè)備或者重啟。

◆我們公司那個(gè)JBOSS端口總是被Java占用，導(dǎo)致公司主頁無法打開，每次我都要去kill。

◆被黑過。不過一般黑客還是比較客氣的。

◆曾經(jīng)發(fā)現(xiàn)過被放了一個(gè)木馬在目錄下，后來發(fā)現(xiàn)是php的漏洞搞的！

◆硬盤啊，內(nèi)存啊，主板啊……都?jí)倪^。

◆服務(wù)器這兩天總是莫名其妙自動(dòng)重啟……

根據(jù)51CTO編輯的了解，在很多中小規(guī)模的網(wǎng)站中，大多數(shù)服務(wù)器故障都是由于服務(wù)紊亂所引起，服務(wù)器被黑也比較常見；而由于中小網(wǎng)站的服務(wù)器數(shù)量比較少，對(duì)于單獨(dú)服務(wù)器宕機(jī)的預(yù)備處理做的往往并不到位，因此一臺(tái)服務(wù)器的癱瘓很容易就造成整個(gè)服務(wù)的訪問速度變慢甚至中斷。這種問題隨著硬件的添加和相應(yīng)容錯(cuò)策略的完善，往往會(huì)有所好轉(zhuǎn)。

在規(guī)模較大的企業(yè)中，由于硬件充足，服務(wù)紊亂的狀況基本沒有，主要面臨的問題在于流量過大與黑客的攻擊，而且由于硬件多，硬件仿佛也更加容易壞掉了（有一句話是這樣說的：如果你有一千臺(tái)服務(wù)器，那你平均每天都會(huì)遇到一臺(tái)掛掉的服務(wù)器；如果你有很多萬臺(tái)服務(wù)器，那么每時(shí)每刻都會(huì)有某些服務(wù)器是掛掉的）。由于大型網(wǎng)站的高可用性方面都做的比較充分，即使一兩臺(tái)服務(wù)器停止運(yùn)行，它們上面的服務(wù)自動(dòng)就被轉(zhuǎn)移到其他服務(wù)器上處理了，只要及時(shí)恢復(fù)這些節(jié)點(diǎn)，完全不會(huì)影響到整個(gè)服務(wù)的運(yùn)轉(zhuǎn)。

而像是Google這樣規(guī)模的企業(yè)，它在購買服務(wù)器的時(shí)候都是撿便宜的買，大量的購買（Google現(xiàn)在總共大約有100萬臺(tái)服務(wù)器），同時(shí)Google的服務(wù)從架構(gòu)設(shè)計(jì)層面就包含考慮了服務(wù)器壞掉的因素，可以說是把服務(wù)器當(dāng)做消耗品來使用。這樣即使每天都有很多服務(wù)器掛掉，也是在預(yù)期范圍內(nèi)（所謂的高容錯(cuò)）。說起來在運(yùn)行大規(guī)模服務(wù)（云計(jì)算）這個(gè)領(lǐng)域，Google也算是數(shù)一數(shù)二了，如果你對(duì)Google的數(shù)據(jù)中心架構(gòu)感興趣，可以閱讀一下《Google的整體架構(gòu)猜想》以及《探索Google App Engine背后的奧秘》這整個(gè)系列，其中敘述的十分深入；同時(shí)Google自己開發(fā)的GFS文件系統(tǒng)，也處處體現(xiàn)了這方面的考慮。

當(dāng)然，無論是在中小網(wǎng)站還是在大企業(yè)，預(yù)防服務(wù)中斷的首位指導(dǎo)原則都是一樣的：監(jiān)控系統(tǒng)，分析系統(tǒng)日志。

1. 你怎樣才能知道你有哪些程序占用了多少硬件和網(wǎng)絡(luò)資源？
2. 你怎樣才能知道你的硬件是不是總是很繁忙？
3. 你怎樣才能知道你的服務(wù)器受到了攻擊？
4. 你怎樣才能知道某個(gè)進(jìn)入了服務(wù)器的木馬是從哪里來的？

所有這些有關(guān)你服務(wù)器的情況，服務(wù)器的管理員必須要時(shí)刻掌握。想要時(shí)刻明明白白你的服務(wù)器？51CTO編輯為大家提供了一系列小技巧進(jìn)行分享。

Linux/Unix下的監(jiān)控工具很多，有命令行的和GUI的，51CTO將其整理成為一個(gè)Linux監(jiān)控工具的展覽館，以供參考。另外還有撫琴煮酒的一個(gè)系列：

明明白白你的Linux/Unix服務(wù)器：硬件篇 網(wǎng)絡(luò)篇 日志篇 安全篇

里面的很多技巧都可以省系統(tǒng)管理員不少心力。

對(duì)于Windows系統(tǒng)而言，微軟推薦使用SCOM這款專門的監(jiān)控和運(yùn)維軟件，不過這款軟件需要另外購買，配置起來比較麻煩，而一般規(guī)模的業(yè)務(wù)也用不到，所以主要使用的是Windows Server自帶的Windows可靠性與性能監(jiān)控器。日志也是，用Windows自帶的日志一般就夠了。

如果你的企業(yè)有足夠多的硬件，那么負(fù)載均衡、高可用這些策略你應(yīng)該也不陌生。這些相關(guān)的文章可以在51CTO組網(wǎng)頻道的負(fù)載均衡欄目下找到很多，比如撫琴煮酒的揭秘企業(yè)級(jí)web負(fù)載均衡完美架構(gòu)，19個(gè)心得 明明白白說Linux下的負(fù)載均衡，都是不錯(cuò)的參考文章。Windows環(huán)境下的高可用實(shí)現(xiàn)更加方便，尤其是Windows Server 2008上面的故障轉(zhuǎn)移群集、網(wǎng)絡(luò)負(fù)載平衡等功能，靈活性強(qiáng)，操作起來也十分方便。

上面這些都是屬于防火的工作。至于真正遇到故障發(fā)生，需要排障的時(shí)候，則情況比較復(fù)雜了。除了檢查硬件、換硬件、加節(jié)點(diǎn)、檢查病毒和系統(tǒng)補(bǔ)丁、kill進(jìn)程和重啟服務(wù)器之外，一些常見的故障和解決方案可以參考《網(wǎng)管員必讀——故障排除》這本書。但是，真實(shí)環(huán)境下遇到的故障是多種多樣的，需要更為靈活的處理方式和更多的經(jīng)驗(yàn)。51CTO將一直關(guān)注這方面的內(nèi)容與大家分享，您可以長期關(guān)注我們的頻道。

當(dāng)然，除了所有這些防火和救火的策略之外，還有最后一個(gè)終極殺手锏：備份，頻繁備份，并定期確認(rèn)備份是可以恢復(fù)的。系統(tǒng)的備份，數(shù)據(jù)庫的備份，重要服務(wù)的備份，在不同服務(wù)器之間的備份，異地的備份……51CTO系統(tǒng)頻道的專題提供了一些Windows備份和Linux備份的基礎(chǔ)策略和工具介紹，而更加深入的備份概念與技術(shù)，讀者們可以參考51CTO的子站Watchstor.com。

如果您是一位系統(tǒng)管理員，而您整日被救火的工作所困擾，那么您應(yīng)該要好好規(guī)劃一下自己的技術(shù)成長和職業(yè)發(fā)展道路了。

【編輯推薦】

1. 有關(guān)系統(tǒng)管理員的傳聞大匯總
2. 系統(tǒng)管理員不可不知的三條黃金法則
3. 給系統(tǒng)管理員們的節(jié)日禮物