Linux 系統(tǒng)故障排查，怕了怕了！

可以說現(xiàn)在 90% 的服務器都是 Linux 系統(tǒng)，從昨天的推文《沒想到，日志還能這么分析！》留言區(qū)，可以看到大家對 Linux 很重視，學習的熱情非常高，畢竟這是我們「吃飯」的家伙呀。

我自己工作中每天也是和 Linux 系統(tǒng)打交道，在 Linux 系統(tǒng)寫代碼、跑程序，但事情并不是那么單一。

因為服務器并不是每天都是安穩(wěn)地運行的，總會遇到一些亂奇奇怪怪的問題，這時候就需要掌握排查 Linux 系統(tǒng)的命令，排查方向有很多維度。

比如?CPU、內(nèi)存、存儲、網(wǎng)絡等等，這每一個維度，都涉及非常多的命令和工具。

問題是，一開始怎么知道這些命令呢？

我一開始學 Linux 命令是看《鳥哥的 Linux 私房菜》，把常用的 Linux 命令學了一遍，但是當我面對?Linux 系統(tǒng)故障或優(yōu)化的時候，確發(fā)現(xiàn)依然無從下手，因為我沒有一個「連貫」的 Linux 系統(tǒng)排查思維，也沒有一個「上帝視角」的知識體系。

想徹底解決就要全面了解程序設計、算法分析、編程語言、系統(tǒng)、存儲、網(wǎng)絡等知識，但能做到的人少之又少，比如，這些場景你一定經(jīng)歷過：

• 流量高峰期，服務器 CPU 使用率過高報警，是系統(tǒng) CPU 資源太少，還是程序并發(fā)部分寫的有問題？

• 系統(tǒng)并沒有跑吃內(nèi)存的程序，但敲完 free 命令后，卻發(fā)現(xiàn)沒有內(nèi)存了，到底是什么占了內(nèi)存？

• 一大早就收到 Zabbix 告警，發(fā)現(xiàn)某臺存放監(jiān)控數(shù)據(jù)的數(shù)據(jù)庫主機 CPU 的 I/O Wait 較高，怎么處理？

大多數(shù)時候，我們只能看到「癥狀」，不知道從哪兒下手排查和解決。因為 Linux 性能優(yōu)化是個系統(tǒng)工程，除了要掌握基礎知識，還有 2 點特別重要：

• 嘗試大量 Linux 性能工具，學習性能優(yōu)化的思路和方法；

• 不斷實踐總結，將性能問題和系統(tǒng)原理關聯(lián)起來，特別是將應用程序、庫函數(shù)、系統(tǒng)調(diào)用、內(nèi)核和硬件等不同的層級連接起來;

我認為，學習要會抓重點——只要了解少數(shù)幾個系統(tǒng)組件的基本原理和協(xié)作方式，掌握基本的性能指標和工具，以及性能優(yōu)化的常用技巧，就可以準確分析和優(yōu)化大多數(shù)性能問題了。在這個認知和基礎上，再閱讀那些經(jīng)典書籍，才能事半功倍。

這里，分享給你一張思維導圖，涵蓋了大部分性能問題，可以幫你對系統(tǒng)性能建立個全面的認識。

這張圖譜出自倪朋飛，他是微軟 Azure 資深工程師，主要負責開源容器編排系統(tǒng) Kubernetes 在 Azure 的落地實踐。他一直致力于云計算領域，有 10 年相關工作經(jīng)驗，之前曾任職于盛大云和騰訊。

去年，「追」完了他的專欄《Linux 性能優(yōu)化實戰(zhàn)》，剛訂閱那會兒說是有 42 講，結果超出預期地寫了?60?講。在專欄中，他系統(tǒng)講解了 Linux 性能的基本指標、工具，以及相應的觀測、分析和調(diào)優(yōu)方法，用實際案例貫穿了從應用程序到操作系統(tǒng)的各個組件。