服务器运维有哪些技巧

服务器运维（Server Ops）是一个系统性的工作，涵盖了从硬件、操作系统、网络、应用到安全的方方面面。

以下是按从基础到进阶、从预防到处理分类的实用运维技巧，无论是新手还是老手都值得参考：

一、 基础规范与标准化（长治久安）

1. 标准化命名：无论是服务器 Hostname、文件名还是目录结构，保持统一规范（如 角色-环境-编号）。
2. 文档化（Documentation）：
   • Runbook（操作手册）：记录常见故障的处理步骤，新人来了能直接照着做。
   • 网络拓扑与资产清单：记录服务器 IP、配置、用途、所属业务。
3. 最小权限原则：不要随便给 Root 权限。使用 sudo 分配具体命令权限，数据库和应用账号只给必要的库表权限。

二、 安全运维（Security）

1. SSH 安全：
   • 禁止使用密码登录，强制使用 SSH Key。
   • 修改默认端口（22 -> 非标准端口）。
   • 使用 fail2ban 防止暴力破解。
2. 防火墙（Firewall）：
   • 只开放必要的端口，原则：进严出宽。
   • 使用 iptables / firewalld / 云安全组 做访问控制。
3. 定期更新：使用 yum update 或 apt upgrade 定期更新系统补丁，特别是 OpenSSL、内核等高危漏洞。
4. 防病毒与防入侵：定期检查 /tmp, /dev/shm 等临时目录，监控异常进程和计划任务（Crontab）。

三、 监控与告警（Monitoring）

“看不见的故障就是最大的故障。”

1. 基础监控：CPU、内存、磁盘、网络流量、负载（Load Average）。
2. 业务监控：QPS（每秒请求数）、响应时间、错误率（5xx）。
3. 日志监控：监控 Error 关键字，日志暴涨往往预示着bug或攻击。
4. 告警阈值：设置合理的阈值，避免“狼来了”效应（告警太多导致没人看）。建议分级：Warning（通知）、Critical（电话/短信）。

四、 备份与容灾（Backup & Recovery）

“备份不做，十恶不赦。”

1. 3-2-1 原则：保留 3 份副本，存储在 2 种不同介质上，其中 1 份在异地（或云端）。
2. 重要数据备份：
   • 数据库：全量+增量备份（如 mysqldump 或 xtrabackup）。
   • 代码与配置：使用 Git。
   • 文件：定时同步到对象存储（OSS/S3）。
3. 定期演练：光备份不恢复等于没备份。定期做恢复演练，确保备份文件是有效的。

五、 系统性能与优化（Performance）

1. 磁盘管理：
   • 使用 df -h 和 du 监控磁盘空间，防止 /var 或 / 被写满导致系统崩溃。
   • 注意 Inode 数量（小文件过多会导致 Inode 满，即使磁盘空间还有剩余）。
2. 内存管理：
   • 注意 Swap 的使用情况。如果频繁使用 Swap，说明物理内存不足，性能会急剧下降。
   • 警惕内存泄漏（Memory Leak）。
3. 进程管理：
   • 使用 top / htop / ps 查看异常进程。
   • 使用 systemd 管理进程，确保崩溃后能自动重启。

六、 自动化与效率（Automation）

1. 自动化部署：使用 Jenkins、GitLab CI、Ansible 等工具，避免手动登录服务器 scp 文件。
2. 配置管理：使用 Ansible、SaltStack 批量管理服务器配置，保证环境一致性。
3. 基础设施即代码（IaC）：使用 Terraform 等工具管理云资源，环境可快速复现。

七、 日志管理（Logs）

1. 日志切割：使用 logrotate 对日志进行切割和压缩，防止单个文件过大（几 GB 的 log 文件打开很慢且难查）。
2. 集中式日志：不要每台机器上 grep。搭建 ELK (Elasticsearch, Logstash, Kibana) 或 Grafana Loki 栈，将所有服务器日志汇总查询。
3. 日志级别：生产环境一般设置为 INFO 或 WARN，避免 DEBUG 导致磁盘 IO 爆满。

八、 故障处理与排错（Troubleshooting）

1. 排查顺序：由外到内。先查网络（Ping, Telnet, Traceroute），再查系统负载，再查应用进程，最后查代码日志。
2. 保留现场：
   • 服务器挂了，不要第一时间重启！
   • 先保留现场（截图、记录进程状态、堆栈信息），以便事后复盘。如果必须重启，重启前先 dmesg 看看内核有没有报错。
3. 善用工具：
   • netstat / ss：查看网络连接。
   • lsof：查看打开的文件和端口。
   • tcpdump：抓包分析网络问题。

九、 软实力与习惯

1. 变更管理：任何操作前，先在测试环境验证。变更前做备份（如改配置文件前 cp file file.bak）。
2. 沟通同步：发布或维护时，提前通知相关人员。故障发生时，及时同步进度（透明化）。
3. 事后复盘（Post-mortem）：故障解决后，写复盘报告。分析根因（Root Cause），制定改进措施（Action Item），避免再犯同样的错误。

给新手的快速检查清单（Daily Checklist）

• [ ] 监控面板有没有红色告警？
• [ ] 磁盘空间还够吗？（df -h）
• [ ] 昨天晚上的备份成功了吗？
• [ ] 负载均衡后面有没有挂掉的节点？
• [ ] 有没有异常的登录记录？（last 或 /var/log/secure）

运维的核心在于**“稳”**，其次才是“快”。保持敬畏之心，对生产环境的所有操作都要谨慎。