從事運維三年半，遇到過各式各樣的問題，數(shù)據(jù)丟失，網(wǎng)站掛馬，誤刪數(shù)據(jù)庫文件，黑客攻擊等各類問題。

今天簡單整理一下，分享給各位小伙伴。

[[286653]]

一、線上操作規(guī)范

1. 測試使用

當初學習Linux的使用，從基礎(chǔ)到服務到集群，都是在虛擬機做的，雖然老師告訴我們跟真機沒有什么差別，可是對真實環(huán)境的渴望日漸上升，不過虛擬機的各種快照卻讓我們養(yǎng)成了各種手賤的習慣，以致于拿到服務器操作權(quán)限時候，就迫不及待的想去試試，記得上班第一天，老大把root密碼交給我，由于只能使用putty，我就想使用xshell，于是悄悄登錄服務器嘗試改為xshell+密鑰登錄，因為沒有測試，也沒有留一個ssh連接，所有重啟sshd服務器之后，自己就被擋在服務器之外了，幸好當時我備份了sshd_config文件，后來讓機房人員cp過去就可以了，幸虧這是一家小公司，不然直接就被干了……慶幸當年運氣比較好。

第二個例子是關(guān)于文件同步的，大家都知道rsync同步很快，可是他刪除文件的速度大大超過了rm -rf,在rsync中有一個命令是，以某目錄為準同步某文件(如果第一個目錄是空的，那么結(jié)果可想而知)，源目錄(有數(shù)據(jù)的)就會被刪除，當初我就是因為誤操作，以及缺乏測試，就目錄寫反了，關(guān)鍵是沒有備份……生產(chǎn)環(huán)境數(shù)據(jù)被刪了

沒備份，大家自己想后果吧，其重要性不言而喻。

2. Enter前再三確認

關(guān)于rm -rf / var 這種錯誤，我相信手快的人，或者網(wǎng)速比較慢的時候，出現(xiàn)的幾率相當大

當你發(fā)現(xiàn)執(zhí)行完之后，你的心至少是涼了半截。

大家可能會說，我按了這么多次都沒出過錯，不用怕，我只想說

當出現(xiàn)一次你就明白了，不要以為那些運維事故都是在別人身上，如果你不注意，下一個就是你。

3. 切忌多人操作

我在的上一家公司，運維管理相當混亂，舉一個最典型的例子吧，離職好幾任的運維都有服務器root密碼。

通常我們運維接到任務，都會進行簡單查看如果無法解決，就請求他人幫忙，可是當問題焦頭爛額的時候，客服主管(懂點linux)，網(wǎng)管，你上司一起調(diào)試一個服務器，當你各種百度,各種對照，完了發(fā)現(xiàn)，你的服務器配置文件，跟上次你修改不一樣了，然后再改回來，然后再谷歌，興沖沖發(fā)現(xiàn)問題，解決了，別人卻告訴你，他也解決了，修改的是不同的參數(shù)……這個，我就真不知道哪個是問題真正的原因了，當然這還是好的，問題解決了，皆大歡喜，可是你遇到過你剛修改的文件，測試無效，再去修改發(fā)現(xiàn)文件又被修改的時候呢?真的很惱火，切忌多人操作。

4. 先備份后操作

養(yǎng)成一個習慣，要修改數(shù)據(jù)時，先備份，比如.conf的配置文件

另外，修改配置文件時，建議注釋原選項，然后再復制，修改

再者說，如果第一個例子中，有數(shù)據(jù)庫備份，那rsync的誤操作不久沒事了吧

所以說丟數(shù)據(jù)庫非一朝一夕，隨便備份一個就不用那么慘。

二、涉及數(shù)據(jù)

1. 慎用rm -rf

網(wǎng)上的例子很多，各種rm -rf /，各種刪除主數(shù)據(jù)庫，各種運維事故……

一點小失誤就會造成很大的損失。如果真需要刪除，一定要謹慎。

2. 備份大于一切

本來上面都有各種關(guān)于備份，但是我想把它劃分在數(shù)據(jù)類再次強調(diào)，備份非常之重要哇

我記得我的老師說過一句話，涉及到數(shù)據(jù)何種的謹慎都不為過

我就職的公司有做第三方支付網(wǎng)站和網(wǎng)貸平臺的

第三方支付是每兩個小時完全備份一次，網(wǎng)貸平臺是每20分鐘備份一次

我不多說了，大家自己斟酌吧

3. 穩(wěn)定大于一切

其實不止是數(shù)據(jù)，在整個服務器環(huán)境，都是穩(wěn)定大于一切，不求最快，但求最穩(wěn)定，求可用性

所以未經(jīng)測試，不要再服務器使用新的軟件，比如nginx+php-fpm，生產(chǎn)環(huán)境中php各種掛啊

重啟下就好了，或者換apache就好了。

4. 保密大于一切

現(xiàn)在各種艷照門漫天飛，各種路由器后門，所以說，涉及到數(shù)據(jù)，不保密是不行的。

三、涉及安全

1. ssh

• 更改默認端口(當然如果專業(yè)要黑你，掃描下就出來了)
• 禁止root登錄
• 使用普通用戶+key認證+sudo規(guī)則+ip地址+用戶限制
• 使用hostdeny類似的防爆里破解軟件(超過幾次嘗試直接拉黑)
• 篩選/etc/passwd中l(wèi)ogin的用戶

2. 防火墻

防火墻生產(chǎn)環(huán)境一定要開，并且要遵循最小原則，drop所有，然后放行需要的服務端口。

3. 精細權(quán)限和控制粒度

能使用普通用戶啟動的服務堅決不使用root，把各種服務權(quán)限控制到最低，控制粒度要精細。

4. 入侵檢測和日志監(jiān)控

使用第三方軟件，時刻檢測系統(tǒng)關(guān)鍵文件以及各種服務配置文件的改動

比如,/etc/passwd,/etc/my.cnf，/etc/httpd/con/httpd.con等;

使用集中化的日志監(jiān)控體系，監(jiān)控/var/log/secure，/etc/log/message，ftp上傳下載文件等報警錯誤日志;

另外針對端口掃描，也可以使用一些第三方軟件，發(fā)現(xiàn)被掃描就直接拉入host.deny。這些信息對于系統(tǒng)被入侵后排錯很有幫助。有人說過，一個公司在安全投入的成本跟他被安全攻擊損失的成本成正比，安全是一個很大的話題

也是一個很基礎(chǔ)的工作，把基礎(chǔ)做好了，就能相當?shù)奶岣呦到y(tǒng)安全性，其他的就是安全高手做的了

四、日常監(jiān)控

1. 系統(tǒng)運行監(jiān)控

好多人踏入運維都是從監(jiān)控做起，大的公司一般都有專業(yè)24小時監(jiān)控運維。系統(tǒng)運行監(jiān)控一般包括硬件占用率

常見的有，內(nèi)存，硬盤，cpu，網(wǎng)卡，os包括登錄監(jiān)控，系統(tǒng)關(guān)鍵文件監(jiān)控

定期的監(jiān)控可以預測出硬件損壞的概率，并且給調(diào)優(yōu)帶來很實用的功能

2. 服務運行監(jiān)控

服務監(jiān)控一般就是各種應用，web，db，lvs等，這一般都是監(jiān)控一些指標

在系統(tǒng)出現(xiàn)性能瓶頸的時候就能很快發(fā)現(xiàn)并解決。

3. 日志監(jiān)控

這里的日志監(jiān)控跟安全的日志監(jiān)控類似，但這里一般都是硬件，os，應用程序的報錯和警報信息

監(jiān)控在系統(tǒng)穩(wěn)定運行的時候確實沒啥用，但是一旦出現(xiàn)問題，你又沒做監(jiān)控，就會很被動了

五、性能調(diào)優(yōu)

1. 深入了解運行機制

其實按一年多的運維經(jīng)驗來說，談調(diào)優(yōu)根本就是紙上談兵，但是我只是想簡單總結(jié)下，如果有更深入的了解，我會更新。在對軟件進行優(yōu)化之前，比如要深入了解一個軟件的運行機制，比如nginx和apache，大家都說nginx快，那就必須知道nginx為什么快，利用什么原理，處理請求比apache，并且要能跟別人用淺顯易懂的話說出來，必要的時候還要能看懂源代碼，否則一切以參數(shù)為調(diào)優(yōu)對象的文檔都是瞎談。

2. 調(diào)優(yōu)框架以及先后

熟悉了底層運行機制，就要有調(diào)優(yōu)的框架和先后順序，比如數(shù)據(jù)庫出現(xiàn)瓶頸，好多人直接就去更改數(shù)據(jù)庫的配置文件，我的建議是，先根據(jù)瓶頸去分析，查看日志，寫出來調(diào)優(yōu)方向，然后再入手，并且數(shù)據(jù)庫服務器調(diào)優(yōu)應該是最后一步，最先的應該是硬件和操作系統(tǒng)，現(xiàn)在的數(shù)據(jù)庫服務器都是在各種測試之后才會發(fā)布的

適用于所有操作系統(tǒng)，不應該先從他入手。

3. 每次只調(diào)一個參數(shù)

每次只調(diào)一個參數(shù)，這個相比大家都了解，調(diào)的多了，你就自己就迷糊了。

4. 基準測試

判斷調(diào)優(yōu)是否有用，和測試一個新版本軟件的穩(wěn)定性和性能等方面，就必須要基準測試了，測試要涉及很多因素

測試是否接近業(yè)務真實需求這要看測試人的經(jīng)驗了，相關(guān)資料大家可以參考《高性能mysql》第三版相當?shù)暮?/p>

我的老師曾說過，沒有放之四海皆準的參數(shù)，任何參數(shù)更改任何調(diào)優(yōu)都必須符合業(yè)務場景

所以不要再谷歌什么什么調(diào)優(yōu)了，對你的提升和業(yè)務環(huán)境的改善沒有長久作用

六、運維心態(tài)

1. 控制心態(tài)

很多rm -rf /data都在下班的前幾分鐘，都在煩躁的高峰，那么你還不打算控制下你的心態(tài)么

有人說了，煩躁也要上班，可是你可以在煩躁的時候盡量避免處理關(guān)鍵數(shù)據(jù)環(huán)境

越是有壓力，越要冷靜，不然會損失更多。

大多人都有rm -rf /data/mysql的經(jīng)歷，發(fā)現(xiàn)刪除之后，那種心情你可以想象一下，可是如果沒有備份，你急又有什么用，一般這種情況下，你就要冷靜想下最壞打算了，對于mysql來說，刪除了物理文件，一部分表還會存在內(nèi)存中，所以斷開業(yè)務，但是不要關(guān)閉mysql數(shù)據(jù)庫，這對恢復很有幫助，并使用dd復制硬盤，然后你再進行恢復

當然了大多時候你就只能找數(shù)據(jù)恢復公司了。

試想一下，數(shù)據(jù)被刪了，你各種操作，關(guān)閉數(shù)據(jù)庫，然后修復，不但有可能覆蓋文件，還找不到內(nèi)存中的表了。

2. 對數(shù)據(jù)負責

生產(chǎn)環(huán)境不是兒戲，數(shù)據(jù)庫也不是兒戲，一定要對數(shù)據(jù)負責。不備份的后果是非常嚴重的。

3. 追根究底

很多運維人員比較忙，遇到問題解決就不會再管了，記得去年一個客戶的網(wǎng)站老是打不開，經(jīng)過php代碼報錯

發(fā)現(xiàn)是session和whos_online損壞，前任運維是通過repair修復的，我就也這樣修復了，但是過了幾個小時，又出現(xiàn)了

反復三四次之后，我就去谷歌數(shù)據(jù)庫表莫名損壞原因：一是myisam的bug，二是mysqlbug，三是mysql在寫入過程中

被kill，最后發(fā)現(xiàn)是內(nèi)存不夠用，導致OOM kill了mysqld進程

并且沒有swap分區(qū)，后臺監(jiān)控內(nèi)存是夠用的，最后升級物理內(nèi)存解決。

4. 測試和生產(chǎn)環(huán)境

在重要操作之前一定要看自己所在的機器，盡量避免多開窗口。