1.服务器遇到故障如何排除？

     http://blog.jobbole.com/36375/

必须先搞清楚故障的具体情况：

o    故障的表现是什么？无响应？报错？

o    故障是什么时候发现的？

o    故障是否可重现？

o    有没有出现的规律（比如每小时出现一次）

o    最后一次对整个平台进行更新的内容是什么（代码、服务器等）？

o    故障影响的特定用户群是什么样的(已登录的, 退出的, 某个地域的…)?

o    基础架构（物理的、逻辑的）的文档是否能找到?

o    是否有监控平台可用? （比如Munin、Zabbix、 Nagios、 … 什么都可以）

o    是否有日志可以查看?（日志管理工具比如Loggly、ELK、 Graylog…）

    w 、last、 history查看有哪些用户在线，做过哪些操作。

    ps查看有哪些进程、分辨出哪些该有的和不该有的。

    netstat查看相关端口。

    free、 uptime 、top查看一下cpu、内存。

    日志！

2.服务器宕机了怎么办？

针对服务器可能发生的宕机情况，我们肯定要先设立应急预案。

财力允许的情况下，最好是为每一台服务器配备物理冗余。同步更新数据，故障发生及时切换。

故障发生后，第一位是恢复业务，第二位是排查。

首先，启动服务器，看是否能够登录，如果可以，可以通过如下方式进行检查。

a、是否是应用程序导致内存溢出或者泄露，out of memory导致；

b、是否是进程过多或者不断创建，耗尽资源导致；

c、是否是数据库程序死锁，连接数过多导致；

d、是否是应用程序异常导致；

e、是否是流量负载过大导致；

f、是否是遭受黑客入侵攻击导致；

g、是否是误操作导致；

  可以通过查看系统日志来查看是否有异常登录现象的发生。当然了，如果连登录都无法完成，或者通过如上的处理方法都没能处理，那么，您就联系客服人员进行排查。当然了，了解具体问题所在，也就不成问题了。

3、web访问慢的，如何定位问题解决？

·        是否普遍较慢？检测先环节：单个浏览器的问题？电脑问题？电信运行商？

·        查看服务器的同时连接数，是不是同时连接人数太多，已经超过服务器的正常负载。

·        查看服务器的TCP连接情况，是不是被DDOS了。

·        查看服务器的内存使用量，是不是某个应用出现问题，造成内存泄漏了。

·        通过iostat、vmsta查看cpu的io，磁盘的读写速率。

·        查看各种日志。

·        数据库的链接情况。

·        程序本身。

层层检测，步步排查

本文出自 “拔电源的运维空间” 博客，请务必保留此出处http://zhangdj.blog.51cto.com/9210512/1887183

排错思路