遇到服务器故障，问题出现的原因很少可以一下就想到。我们基本上都会从以下步骤入手：
在富宁等地区，都构建了全面的区域性战略布局，加强发展的系统性、市场前瞻性、产品创新能力，以专注、极致的服务理念，为客户提供成都网站制作、成都网站设计 网站设计制作定制网站开发,公司网站建设,企业网站建设,品牌网站设计,全网整合营销推广,外贸网站建设,富宁网站建设费用合理。
一、尽可能搞清楚问题的前因后果
不要一下子就扎到服务器前面，你需要先搞明白对这台服务器有多少已知的情况，还有故障的具体情况。不然你很可能就是在无的放矢。
必须搞清楚的问题有：
故障的表现是什么？无响应？报错？
故障是什么时候发现的？
故障是否可重现？
有没有出现的规律（比如每小时出现一次）
最后一次对整个平台进行更新的内容是什么（代码、服务器等）？
故障影响的特定用户群是什么样的(已登录的, 退出的, 某个地域的…)?
基础架构（物理的、逻辑的）的文档是否能找到?
是否有监控平台可用? （比如Munin、Zabbix、 Nagios、 New Relic…
什么都可以）
是否有日志可以查看?. （比如Loggly、Airbrake、 Graylog…）
最后两个是最方便的信息来源，不过别抱太大希望，基本上它们都不会有。只能再继续摸索了。
二、有谁在?
代码如下:
$ w
$ last
用这两个命令看看都有谁在线，有哪些用户访问过。这不是什么关键步骤，不过最好别在其他用户正干活的时候来调试系统。有道是一山不容二虎嘛。（ne cook in
the kitchen is enough.）
三、之前发生了什么?
$
history查看一下之前服务器上执行过的命令。看一下总是没错的，加上前面看的谁登录过的信息，应该有点用。另外作为admin要注意，不要利用自己的权限去侵犯别人的隐私哦。
到这里先提醒一下，等会你可能会需要更新 HISTTIMEFORMAT
环境变量来显示这些命令被执行的时间。对要不然光看到一堆不知道啥时候执行的命令，同样会令人抓狂的。
四、现在在运行的进程是啥?
代码如下:
$ pstree -a
$ ps aux
这都是查看现有进程的。 ps aux 的结果比较杂乱， pstree -a 的结果比较简单明了，可以看到正在运行的进程及相关用户。
五、监听的网络服务
代码如下:
$ netstat -ntlp
$ netstat -nulp
$
netstat -nxlp
我一般都分开运行这三个命令，不想一下子看到列出一大堆所有的服务。netstat -nalp倒也可以。不过我绝不会用 numeric 选项
（鄙人一点浅薄的看法：IP 地址看起来更方便）。
找到所有正在运行的服务，检查它们是否应该运行。查看各个监听端口。在netstat显示的服务列表中的PID 和 ps aux 进程列表中的是一样的。
如果服务器上有好几个Java或者Erlang什么的进程在同时运行，能够按PID分别找到每个进程就很重要了。
通常我们建议每台服务器上运行的服务少一点，必要时可以增加服务器。如果你看到一台服务器上有三四十个监听端口开着，那还是做个记录，回头有空的时候清理一下，重新组织一下服务器。
六、CPU 和内存
代码如下:
$ free -m
$ uptime
$ top
$
htop
注意以下问题:
还有空余的内存吗? 服务器是否正在内存和硬盘之间进行swap?
还有剩余的CPU吗? 服务器是几核的? 是否有某些CPU核负载过多了?
服务器最大的负载来自什么地方? 平均负载是多少?
七、硬件
代码如下:
$ lspci
$ dmidecode
$
ethtool
有很多服务器还是裸机状态，可以看一下：
找到RAID 卡 (是否带BBU备用电池?)、 CPU、空余的内存插槽。根据这些情况可以大致了解硬件问题的来源和性能改进的办法。
网卡是否设置好?
是否正运行在半双工状态? 速度是10MBps? 有没有 TX/RX 报错?
八、IO 性能
代码如下:
$ iostat -kx 2
$ vmstat 2 10
$ mpstat
2 10
$ dstat --top-io --top-bio
这些命令对于调试后端性能非常有用。
检查磁盘使用量：服务器硬盘是否已满?
是否开启了swap交换模式 (si/so)?
CPU被谁占用：系统进程? 用户进程? 虚拟机?
dstat 是我的最爱。用它可以看到谁在进行 IO： 是不是MySQL吃掉了所有的系统资源? 还是你的PHP进程?
九、挂载点 和 文件系统
代码如下:
$ mount
$ cat /etc/fstab
$ vgs
$
pvs
$ lvs
$ df -h
$ lsof +D / /* beware not to kill your box
*/
一共挂载了多少文件系统?
有没有某个服务专用的文件系统? (比如MySQL?)
文件系统的挂载选项是什么： noatime?
default? 有没有文件系统被重新挂载为只读模式了？
磁盘空间是否还有剩余?
是否有大文件被删除但没有清空?
如果磁盘空间有问题，你是否还有空间来扩展一个分区？
十、内核、中断和网络
代码如下:
$ sysctl -a | grep ...
$ cat
/proc/interrupts
$ cat /proc/net/ip_conntrack /* may take some time on busy
servers */
$ netstat
$ ss -s
你的中断请求是否是均衡地分配给CPU处理，还是会有某个CPU的核因为大量的网络中断请求或者RAID请求而过载了？
SWAP交换的设置是什么？对于工作站来说swappinness 设为 60 就很好,
不过对于服务器就太糟了：你最好永远不要让服务器做SWAP交换，不然对磁盘的读写会锁死SWAP进程。
conntrack_max 是否设的足够大，能应付你服务器的流量?
在不同状态下(TIME_WAIT, …)TCP连接时间的设置是怎样的？
如果要显示所有存在的连接，netstat 会比较慢， 你可以先用 ss 看一下总体情况。
你还可以看一下 Linux TCP tuning
了解网络性能调优的一些要点。
十一、系统日志和内核消息
代码如下:
$ dmesg
$ less /var/log/messages
$
less /var/log/secure
$ less /var/log/auth
查看错误和警告消息，比如看看是不是很多关于连接数过多导致？
看看是否有硬件错误或文件系统错误?
分析是否能将这些错误事件和前面发现的疑点进行时间上的比对。
十二、定时任务
代码如下:
$ ls /etc/cron* + cat
$ for user in
$(cat /etc/passwd | cut -f1 -d:); do crontab -l -u $user; done
是否有某个定时任务运行过于频繁?
是否有些用户提交了隐藏的定时任务?
在出现故障的时候，是否正好有某个备份任务在执行？
十三、应用系统日志
这里边可分析的东西就多了,
不过恐怕你作为运维人员是没功夫去仔细研究它的。关注那些明显的问题，比如在一个典型的LAMP（Linux+Apache+Mysql+Perl）应用环境里:
Apache Nginx; 查找访问和错误日志, 直接找 5xx 错误, 再看看是否有 limit_zone 错误。
MySQL;
在mysql.log找错误消息，看看有没有结构损坏的表， 是否有innodb修复进程在运行，是否有disk/index/query 问题.
PHP-FPM; 如果设定了 php-slow 日志, 直接找错误信息 (php, mysql, memcache, …)，如果没设定，赶紧设定。
Varnish; 在varnishlog 和 varnishstat 里, 检查 hit/miss比.
看看配置信息里是否遗漏了什么规则，使最终用户可以直接攻击你的后端？
HA-Proxy;
后端的状况如何？健康状况检查是否成功？是前端还是后端的队列大小达到最大值了？
结论
经过这5分钟之后，你应该对如下情况比较清楚了：
在服务器上运行的都是些啥？
这个故障看起来是和 IO/硬件/网络 或者 系统配置 (有问题的代码、系统内核调优, …)相关。
这个故障是否有你熟悉的一些特征？比如对数据库索引使用不当，或者太多的apache后台进程。
你甚至有可能找到真正的故障源头。就算还没有找到，搞清楚了上面这些情况之后，你现在也具备了深挖下去的条件。继续努力吧！
1、java只是一种编程语言，这个看你代码的写入量了。
2、运维，这个要看具体的情况，一般来说运维要掌握的内容很多，但是当以实践工作需要为中心展开学习，比如tomcat集群，MySQL集群，Nginx集群，Linux下Oracle集群。
3、你应该是现在比较盲目，建议你还是从最基础的东西入手，无论多么复杂的技术，还是在基础上来的。
真正英语好的人，不仅能听懂英国人、美国人的英语，还能听懂日本鬼子、印度阿三的英语。真正程序玩得好的人，不仅要能玩得了华丽丽的代码，也要能玩得了屎一样的代码！
读万卷书，行万里路，不见得每本书都是好书，不见得每里路都是好路。但真的做到了，境界就完全不一样了！
附上一个笑话：
一个法国人 一个德国人 一个日本人同时做一件工作
雇主告诉法国人：你负责后勤；
告诉德国人：你负责维修；
告诉日本人：你负责supply(供给)；
第二天，法国人德国人来工作，却怎么也找不到日本人，他们决定先开始工作。
这个时候，日本人跳出来大叫一声：surprise！
我无意在这里对比其它方向哪个更有前景一点，就说说Linux 运维，可以做些什么，有哪些方向。
1，运维，基本要掌握的有，操作系统，计算机原理，编译原理，计算机网络等等等等。基于理论性的知识，基础知识，必须扎实，才能灵活应用。现在互联网变化之快，今天出来一个新技术，你才刚用上手，别人告诉你淘汰了，又有新产品了。掌握什么才能应对这种变化的速度呢？万变不离其宗，基础掌握得好，理解了原理，都可以解释得通。掌握了那么多基础的知识，还能没有发展前景吗？
2，一家公司的所有服务器，基础环境，一般由运维去搭建的。所有程序员跑的程序，必须跑在你搭建的环境中。没了运维可不行哦。服务器的root 权限掌握在运维手里，一个命令可以毁了一个网站，一个团队，重要吧？有专业公司恢复数据？那我进入机房，几个动作把硬盘物理性损坏，没救了吧？破坏的事情说多了，说点好的。运维可以根据现在业务的统计数据，去规划一下网站的未来发展，需要多少资源啊，当前的高可用做得好不好啊，扩展性有保证了没有啊。
3，运维团队，有一个方向，是DBA 。DBA 就是管数据的。一个简单的例子吧，现在的网站，瓶颈一般都在DB 上，DBA 的其中一个职责，就是提升DB 的性能，你看，运维团队解决了网站的瓶颈问题噢。DBA 还有一个职责，就是保证DB 的高可用。网站的程序可以重写，但用户的数据不能伪造，如果数据永远地丢了，那这个网站也就完了。
4，运维团队，还有一个方向，是运维开发。大概就是，他们在写着一些，与网站业务不相关的程序，来提高开发的工作效率啦，提高服务器的性能啦。两个网站表面看起来都差不多，只是一些UI 的不同，真正可以造成不同的，可能是，网站A 只是用了一台服务器就撑起了B 要10 台服务器才能做到的访问量，网站A 做到了快速自动化测试，节省了大量的时间，网站B 的工程师还在忙活的时候，A 的工程师们都在娱乐了。这才是不同，质的不同。
我不是很喜欢纯靠经验型的运维，不懂得编程的运维，前进的路很有限。可以转技术管理，带队做项目，但就是在技术方面的路很难走下去。
一般情况下，先在模拟器，或内部网络中进行测试，是否丢包、环路等，在需要割接的设备上将之前的数据进行备份，经过上级确认后，将正确无误的代码刷到客户设备上。同时需要有回退方案，比如割接失败怎么办等。完成割接后需要进行测试，然后根据现场情况而定，是否需要留守值班。
必需的。源代码是是指一系列人类可读的计算机语言指令，只有发出让系统运维升级指令，才能让系统运维升级成功，是必需的。
