服务器又卡了:Linux 故障排查三板斧,十分钟定位问题
一、前言
服务器卡顿、响应慢、网站打不开——这类告警一响,很多新手的第一反应是重启大法。重启当然能解决一部分问题,但也把现场毁了:下次同样的问题还会来。其实 Linux 排查有一套固定的三板斧:看 CPU、看内存、看磁盘和网络,十分钟内就能把“慢”的原因定位到具体进程。这篇把每一步的命令和判断标准列清楚。
二、第一板斧:CPU——谁在吃算力
看三个地方:
1. **load average**(右上角三个数字):经验判断是超过 CPU 核心数就说明排队严重;
2. **%us 高**:用户进程吃 CPU,按 P 键按 CPU 排序,锁定具体进程——常见是业务代码死循环、正则回溯爆炸;
3. **%wa 高**:I/O 等待占比高,说明瓶颈不在 CPU 在磁盘,转第三板斧。
如果是陌生进程占用异常高,警惕被植入挖矿程序,对照文件路径排查。
## 三、第二板斧:内存——谁在吃空间
```free -h
- available 才是真实可用:Linux 会把空闲内存做缓存,buff/cache 高是正常现象,别被 used 吓到;
- available 很低:接近耗尽时系统会启动 swap,速度断崖式下降。按 M 键在 top 里找内存大户,常见是 Java 应用、数据库未配上限;
- swap 在用(si/so 持续非零):系统已经在“内存挤兑”,该加内存或限制进程了。
四、第三板斧:磁盘与网络——谁在堵路
磁盘空间:df -h 看哪个分区快满(日志和大文件是惯犯),du -sh /var/log/* 层层下钻定位大文件。磁盘写满是最经典的“无声故障”:日志写不进、数据库崩、服务假死。
磁盘 I/O:iostat -x 1 看 %util,长期 90% 以上说明盘是瓶颈——高频写日志、数据库没索引全表扫描都会这样。
网络:ss -s 看连接数(TIME_WAIT 暴涨通常是短连接滥用),iftop 看带宽被谁吃掉——带宽打满会导致“网站就是慢”但机器各项指标正常。
五、三板斧之后的动作
定位到元凶后的标准动作:
- 临时止血:杀掉失控进程、清掉大日志(truncate 而不是 rm 正在写的日志)、限流;
- 根因修复:死循环修代码、内存加限制、日志加轮转(logrotate)、慢 SQL 建索引;
- 留下监控:把这次出问题的指标加进告警,同样的坑下次提前报警。
六、常见问题
Q:这些命令要装吗?
A:top/free/df/du/ss 系统自带;iostat 来自 sysstat 包、iftop 需要单独安装。
Q:看完还是找不到原因?
A:看日志。/var/log/messages、应用自身日志、dmesg(内核报 OOM 会记录在这),三板斧+日志能解决八成问题。
Q:能不能不手动排查?
A:云监控的进程级监控、日志服务的分析能力可以把排查前置,但三板斧是你读懂数据的底座,值得练熟。
七、总结
Linux 排障的顺序永远是:CPU 看进程 → 内存看 available → 磁盘网络看瓶颈 → 日志做确认。这套动作练熟后,绝大多数“服务器卡了”都能在十分钟内说清“谁的问题、为什么”。比命令更重要的是习惯:出事后先留现场再重启,修完把指标加进监控——让下一次告警来得更早、处理得更快。
活动直达地址:阿里云千问AI双11主会场|云服务器 ECS
打开链接后登录阿里云账号即可管理实例与查看监控,功能以控制台实际展示为准。