软件测试人收藏夹:这 20 条命令,排查环境问题先翻这一页

简介: 本文精选20条Linux排查命令,按「网络→服务→端口→日志→资源→数据」逻辑分组排序,直击测试环境故障卡点。不求死记,重在指引“卡住时先敲哪条”,助测试工程师快速定位502、超时、连不上等常见问题,告别盲目重启与无效翻日志。

测试环境出问题的时候,最耗时间的不是“修”,是“不知道从哪开始看”。

页面 502 了,第一反应是重启。接口超时了,第一反应还是重启。重启能解决一部分问题,但它掩盖了“为什么出问题”,下一次换个模块,同样的流程再走一遍。

下面这 20 条命令,按排查顺序排好了。不是让你背,是让你在卡住的时候,知道先敲哪一条。

第一组:先判断“哪一层出了问题”(4 条)
环境问题最怕一上来就钻细节。先用这四条把范围缩小。

  1. curl -o /dev/null -s -w "dns:%{time_namelookup} conn:%{time_connect} total:%{time_total}\n"

接口慢的时候,先用它拆时间花在哪。time_connect 高说明建连慢,网络或服务端忙;time_total 远高于 time_connect,说明服务端处理慢。这一步区分“网络问题”和“应用问题”,比直接上服务器翻日志快得多。

  1. systemctl status <服务名>

页面 502、接口连不上,先确认服务是不是活着。输出里 active (running) 和 inactive (dead) 一眼就能分辨。如果服务反复重启,status 里会显示最近几次退出码,比猜有用。

  1. journalctl -u <服务名> -n 100 --no-pager

服务挂了,但不知道为什么。journalctl 直接拉这个服务的最近 100 行日志,不用去 /var/log 下面翻文件。常见的关键错误——端口被占、配置文件语法错、权限不足——大概率在前几十行里。

  1. ss -lntp

看这台机器上到底有哪些端口在监听、分别被哪个进程占着。如果服务应该监听 8080,但 ss -lntp 里根本没有 8080,说明服务没起来或者绑错了地址。如果 8080 被别的进程占了,ss 会直接告诉你 PID。

第二组:端口和进程,排查“连不上”(4 条)
服务活着但连不上,问题通常在端口或进程这一层。

  1. ss -lntp | grep :<端口号>

只看某一个端口。比 netstat 快,输出也更干净。如果端口在监听,但地址是 127.0.0.1:8080 而不是 0.0.0.0:8080,说明服务只绑了本地回环,外部访问不到。

  1. lsof -i :<端口号>

ss 告诉你“谁在监听”,lsof 告诉你“这个进程还打开了什么”。排查端口冲突的时候,lsof -i :80 直接列出占用 80 端口的进程名和 PID,比 netstat 更直观。

  1. ps aux --sort=-%cpu | head 或 ps aux --sort=-%mem | head

不知道哪个进程在吃资源,按 CPU 或内存排一下。测试环境里常见的“服务莫名其妙变慢”,有时候不是服务本身的问题,是同一台机器上另一个进程把 CPU 打满了。

  1. nc -zv <端口>

ss 和 lsof 只能看本机。要从一台机器测另一台机器的端口通不通,nc -zv 最直接。-z 只测连通,-v 输出详细结果。比 telnet 干净,而且不会在服务端留下半开连接。

第三组:日志,90% 的问题在这里(5 条)
服务状态正常、端口也在听,但结果就是不对。这时候看日志。

  1. tail -f <日志文件>

实时盯日志。测试提 Bug 的时候,让开发在后台 tail -f,你复现一次,他直接看到报错,比事后翻日志快一个数量级。

  1. grep -i -n "error|exception|timeout" <日志文件>

日志太长,先筛关键字。-i 忽略大小写,-n 带行号。注意用 | 做“或”匹配,比一条一条 grep 省时间。

  1. awk '/开始时间/,/结束时间/' <日志文件>

只在某个时间窗口里看日志。测试环境里经常要“复现那一刻的现场”,awk 的范围匹配比 sed 更顺手。

  1. less +F <日志文件>

less 的 +F 模式跟 tail -f 类似,但可以随时按 Ctrl+C 回到浏览模式,往回翻、搜索关键字,再按 Shift+F 继续跟。排查需要“一边跟一边回看”的场景,比 tail -f 灵活。

  1. journalctl -f

系统级日志的实时流。服务日志在 /var/log 里,但内核 OOM、systemd 层面的启动失败、依赖服务的报错,会出现在 journalctl 里。

第四组:资源,排查“变慢”(4 条)
不报错,但就是慢。先看资源。

  1. uptime

一行看负载。三个数字分别是 1 分钟、5 分钟、15 分钟的平均负载。关键不是绝对值,是趋势:1 分钟远高于 15 分钟,说明正在恶化;反过来说明正在恢复。

  1. top -c

top 不用多说,但 -c 会显示完整的命令行,而不只是进程名。测试环境里同一个 Java 服务可能起了多个实例,-c 帮你区分是哪一个。

  1. free -h

内存和 swap。重点看 available,不是 free。free 低但 available 高,说明缓存占着但可回收,不是真缺内存。swap 被大量使用,才是性能杀手。

  1. df -h

磁盘满了,所有写入型接口都会出问题,但报错不一定指向磁盘。测试环境里日志文件、Docker 镜像、临时文件把盘吃满的情况,比想象中常见。

第五组:接口和数据库,排查“数据不对”(3 条)
功能“看起来能用”,但结果不对。这一层已经不是环境问题了,但测试人天天遇到。

  1. curl -v

-v 输出完整的请求头、响应头、握手过程。排查 403、302、CORS 问题,先看 -v 的输出,比在代码里加日志快。如果只想看响应码,用 curl -s -o /dev/null -w "%{http_code}" 。

  1. mysql -h -u -p -e ""

测试环境验证数据,经常要直接查库。-e 直接执行一条 SQL 并退出,不用进交互式终端。配合 \G 结尾,输出按行展开,字段多的时候比表格好读。

  1. docker logs --tail 100 -f <容器名>

测试环境容器化之后,服务日志在容器里,不在宿主机的 /var/log。docker logs 拉的是容器的 stdout/stderr,-f 跟 tail -f 一样实时跟。如果容器反复重启,先看 docker ps -a 的 STATUS 列,再 docker logs 看上一次退出的原因。

排查顺序比命令本身更重要
这 20 条命令,不需要按 1 到 20 的顺序敲。但排查的逻辑有一条线:

先确认“完全不可用”还是“变慢” → 再看服务活没活 → 端口通不通 → 日志有没有异常 → 资源是不是被打满 → 最后才看接口和数据。

环境问题最怕的不是不会敲命令,是在错误的层上反复敲正确的命令。页面 502,先 curl 计时,发现 time_connect 正常、total 很高,说明网络没问题,直接去服务层看 systemctl 和 journalctl,不用先 ping。

顺序对了,20 条命令能解决的问题,比 200 条命令乱敲要多得多。

本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料,主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容,侧重测试实践、工具应用与工程经验整理。

相关文章
|
25天前
|
缓存 人工智能 JSON
Google公开Agent评测路径:从人工读Trace到发布门禁
本文解读Google 2026年提出的Agent评测新范式:摒弃“答案正确即通过”的旧逻辑,转向“旅程断言”——聚焦关键用户路径、Trace人工审阅、分层自动化检查(单元/确定性/LLM Judge/集成)及成本门禁(Token、延迟、副作用)。强调测试升级是定义可验证、可阻断的业务成功条件。
|
2天前
|
人工智能 算法 Java
AI测试开发35—45万,传统测试开发16—18万:校招选测试岗,方向比努力更定价
2026年测试岗已重构:AI测试开发年薪35–45万,传统测开仅16–18万。差距不在努力程度,而在方向选择——“自动化剩余”决定价值:能定义边界、设计兜底、封装Skill、构建评测体系者稀缺且高薪。校招决胜关键:真做AI项目、读懂JD中“AI”位置、回答“怎么兜”而非“怎么测”。
|
3天前
|
人工智能 前端开发 JavaScript
Web 测试智能体到底是什么:和 Selenium 脚本的五个本质区别
本文剖析Web测试智能体与传统Selenium脚本的本质区别:前者以“目标+边界”为输入,构建“感知—决策—执行—验证”闭环,具备语义定位、分层断言、自适应失败处理能力;后者是线性执行的确定性脚本。二者非替代关系,而是抽象层级不同——智能体解放人力于路径维护,回归测试工程师定义目标、审核证据的核心价值。
|
2天前
|
人工智能 测试技术 定位技术
一个测试工程师的实验日记:让 Agent 自己探索一个陌生网站,会发生什么
本实验通过让AI Agent在零先验知识下探索陌生电商站,揭示其探索逻辑:以“动作空间”替代视觉感知,试错优先、目标驱动、自主越界、失败可溯。结果表明,Agent擅长执行与记录,但需人工定义边界与判断标准——人机协同的关键在于分工:Agent走和记,人看和定。
|
3天前
|
人工智能 安全 测试技术
会用WorkBuddy生成用例,和懂Agent测试,是两件事
本文揭示2026年测试岗分层新标准:不再比“会不会用WorkBuddy”,而比“懂不懂Agent测试”。应届生需突破工具表层,掌握“决策—执行—观察—反馈”四层调用链、可评测的Skill封装能力,以及Harness层的状态与异常管控思维。真本事是拆解黑盒、验证规则、追问“如果”。
|
5天前
|
人工智能 JavaScript 前端开发
Playwright MCP 和 browser-use 做 Web 测试的差别
本文对比Playwright MCP与browser-use在AI浏览器自动化中的适用场景:前者以可访问性快照、ref机制和证据链为核心,强调确定性、可审计与纪律性,适合PR冒烟、回归测试等已知路径执行;后者基于增强DOM树与think-act循环,侧重通用探索能力,适用于未知页面试探与脚本草稿生成。选型关键在于匹配“任务形态”,而非工具强弱。
|
26天前
|
Web App开发 人工智能 测试技术
还在用 Selenium 跑 3 小时的回归?有人用 Playwright 砍到了 4 分钟
本文对比Playwright与Selenium性能差异:单步操作快45%,完整E2E套件从3小时压缩至4分钟。核心在于Playwright的长连接协议、自动等待、原生并行及零Grid运维,而非单纯提速。迁移重在用对机制,而非API替换。
|
25天前
|
人工智能 自然语言处理 算法
大模型来了,测试岗不降反增?拆解 AI 测试的新机会
本文揭示AI时代测试岗位的结构性变革:传统功能测试萎缩,AI测试开发薪资跃升。核心在于测试对象从确定性系统转向大模型/Agent,方法论需升级——语义断言、RAG分层评测、Agent轨迹验证、幻觉分层检测、评测CI化、黄金数据集建设。转型非推倒重来,而是将原有测试思维迁移至新范式。
|
19天前
|
人工智能 测试技术 数据安全/隐私保护
AI时代,微信朋友圈发布功能怎么测?从测试用例到异常链路的工程拆解
本文深度拆解微信朋友圈发布功能的工程化测试方法,涵盖业务链路、权限控制、异常处理与数据一致性等关键维度,强调AI生成用例需结合人工评审与验证闭环。助力测试工程师提升需求理解、风险识别与故障分析能力。
|
21天前
|
人工智能 测试技术 数据库
你写了十年测试用例,其实一直在写 Skill,只是之前没有 SKILL.md
本文揭示测试工程师十年经验与AI时代Skill的深层关联:你写的每条测试用例(前置条件、步骤、断言、异常处理)本质就是一份SKILL.md——只是过去由人执行,如今可交由Agent自动运行。只需结构化改造,即可将用例库、Bug记录、检查清单转化为可复用、可执行的智能判定逻辑。