13518219792
作为一家中型网站的运维工程师，真实遇到网站故障了，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***，先拉黑可疑黑名单
3、排查从公网到我们主站IP的路由，tracert，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，看日志情况，一 般来说，只要负载，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）
其实这些情况，可以通过zabbix监控来完成（一般如果访问量暴增，或者是前端时间有变更操作，很 可能存在cpu吃紧情况，一般程序出现内存溢出，在系统资源允许情况下，加大jvm大小，初始栈，连 接数，还是重点关照开发，关于内存的回收）
5、可以试试单点登录一台节点看看，遇到内部程序调用的。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。
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
