首页 > 代码库 > 网站故障-排查步骤

网站故障-排查步骤

作为一家中型网站的运维工程师,真实遇到网站GG了,寻求理想排查步骤,自己心得,附加网友观点

网站挂了,

1、ping我的网站主站IP,可能是禁ping,不通,可能是机房网络问题,那么就去ping机房的网关!

2、机房网络如果没问题的话,那我会去看访问是什么情况,服务器异常或者是nginx报错的话,

   那我     会排查一下硬件,我的网站是用简单的nginx负载+对外防火墙的,那我就看看access。log,

   统计一下这阶段可疑IP以及行为,如果有攻击,先拉黑可疑黑名单

3、tracert,我会看看我访问网站路由问题,可不可能跨域问题,联通网络访问挂了?还是电信?看看DNS是不是被劫持了

4、这时候我再看下服务器,我的网站程序是tomcat运行的,看看tomcat进程是否僵死,看看日志情况,一般来说,

   只要负载(lvs的排查lvs---有点不会),没得问题,一般不会http请求堆积在一个server上,那可能负载权重问题

   ,或者说我的tomcat(或者其他web容器,内存设定问题)  

5、对了,可以试试单点登录一台节点看看,遇到内部程序转发的。内部curl看看,

   或者使用httprequest看看post和get访问的放回那个状态码  200是OK

   大神解说:方案最佳:

【高级】 帝都——大师兄 2016/8/2 21:54:06

我会先看看监控,因为监控上基本上你这些检测,我都做了。

通过监控数据,先缩小排查范围。针对性去找故障点,排查。你这一套下来,估计业务中断也有一段时间了。


【高级】 帝都——大师兄 2016/8/2 21:55:54

快速响应,先把影响降低到最小。这是你应该做的。

【高级】 帝都——大师兄 2016/8/2 21:56:09

问题可以先放后,先把业务恢复上来。

【高级】 帝都——大师兄 2016/8/2 21:56:23

业务是关键,问题可以慢慢查。

【高级】 帝都——大师兄 2016/8/2 21:56:41

因为有日志,和监控数据所以可以慢慢分析具体哪里导致的业务中断。

【高级】 帝都——大师兄

整个工作在你接手时,就应该预先考虑到,网站挂掉后,如何可以立刻恢复上来,大公司更是用户无感知的恢复。小公司因为各种限制,可能会稍微有点影响。

【高级】 帝都——大师兄 2016/8/2 21:59:55

等到网站挂掉,你在去各种查问题,你已经晚了。

【高级】 帝都——大师兄 2016/8/2 22:00:56

个人观点,仅供参考。


网站故障-排查步骤