Linux 运维工程师的 6 类好习惯和 23 个教训

从事运维三年半,遇到过各式各样的问题,数据丢失,网站挂马,误删数据库文件,黑客攻击等各类问题。

今天简单整理一下,分享给各位小伙伴。

一、线上操作规范

1. 测试使用
当初学习Linux的使用,从基础到服务到集群,都是在虚拟机做的,虽然老师告诉我们跟真机没有什么差别,可是对真实环境的渴望日渐上升,不过虚拟机的各种快照却让我们养成了各种手贱的习惯,以致于拿到服务器操作权限时候,就迫不及待的想去试试,记得上班第一天,老大把root密码交给我,由于只能使用putty,我就想使用xshell,于是悄悄登录服务器尝试改为xshell+密钥登录,因为没有测试,也没有留一个ssh连接,所有重启sshd服务器之后,自己就被挡在服务器之外了,幸好当时我备份了sshd_config文件,后来让机房人员cp过去就可以了,幸亏这是一家小公司,不然直接就被干了……庆幸当年运气比较好。


第二个例子是关于文件同步的,大家都知道rsync同步很快,可是他删除文件的速度大大超过了rm -rf,在rsync中有一个命令是,以某目录为准同步某文件(如果第一个目录是空的,那么结果可想而知),源目录(有数据的)就会被删除,当初我就是因为误操作,以及缺乏测试,就目录写反了,关键是没有备份……生产环境数据被删了
没备份,大家自己想后果吧,其重要性不言而喻。


2. Enter前再三确认
关于rm -rf / var 这种错误,我相信手快的人,或者网速比较慢的时候,出现的几率相当大
当你发现执行完之后,你的心至少是凉了半截。
大家可能会说,我按了这么多次都没出过错,不用怕,我只想说
当出现一次你就明白了,不要以为那些运维事故都是在别人身上,如果你不注意,下一个就是你。


3. 切忌多人操作
我在的上一家公司,运维管理相当混乱,举一个最典型的例子吧,离职好几任的运维都有服务器root密码。
通常我们运维接到任务,都会进行简单查看如果无法解决,就请求他人帮忙,可是当问题焦头烂额的时候,客服主管(懂点linux),网管,你上司一起调试一个服务器,当你各种百度,各种对照,完了发现,你的服务器配置文件,跟上次你修改不一样了,然后再改回来,然后再谷歌,兴冲冲发现问题,解决了,别人却告诉你,他也解决了,修改的是不同的参数……这个,我就真不知道哪个是问题真正的原因了,当然这还是好的,问题解决了,皆大欢喜,可是你遇到过你刚修改的文件,测试无效,再去修改发现文件又被修改的时候呢?真的很恼火,切忌多人操作。


4. 先备份后操作
养成一个习惯,要修改数据时,先备份,比如.conf的配置文件
另外,修改配置文件时,建议注释原选项,然后再复制,修改
再者说,如果第一个例子中,有数据库备份,那rsync的误操作不就没事了吧
所以说丢数据库非一朝一夕,随便备份一个就不用那么惨。

二、涉及数据


1. 慎用rm -rf
网上的例子很多,各种rm -rf /,各种删除主数据库,各种运维事故……
一点小失误就会造成很大的损失。如果真需要删除,一定要谨慎。
2. 备份大于一切
本来上面都有各种关于备份,但是我想把它划分在数据类再次强调,备份非常之重要哇
我记得我的老师说过一句话,涉及到数据何种的谨慎都不为过
我就职的公司有做第三方支付网站和网贷平台的
第三方支付是每两个小时完全备份一次,网贷平台是每20分钟备份一次
我不多说了,大家自己斟酌吧
3. 稳定大于一切
其实不止是数据,在整个服务器环境,都是稳定大于一切,不求最快,但求最稳定,求可用性
所以未经测试,不要再服务器使用新的软件,比如nginx+php-fpm,生产环境中php各种挂啊
重启下就好了,或者换apache就好了。
4. 保密大于一切
现在各种艳照门漫天飞,各种路由器后门,所以说,涉及到数据,不保密是不行的。


三、涉及安全

1. ssh

  1. 更改默认端口(当然如果专业要黑你,扫描下就出来了)
  2. 禁止root登录
  3. 使用普通用户+key认证+sudo规则+ip地址+用户限制
  4. 使用hostdeny类似的防爆里破解软件(超过几次尝试直接拉黑)
  5. 筛选/etc/passwd中login的用户

2. 防火墙
防火墙生产环境一定要开,并且要遵循最小原则,drop所有,然后放行需要的服务端口。


3. 精细权限和控制粒度
能使用普通用户启动的服务坚决不使用root,把各种服务权限控制到最低,控制粒度要精细。


4. 入侵检测和日志监控
使用第三方软件,时刻检测系统关键文件以及各种服务配置文件的改动
比如,/etc/passwd,/etc/my.cnf,/etc/httpd/con/httpd.con等;
使用集中化的日志监控体系,监控/var/log/secure,/etc/log/message,ftp上传下载文件等报警错误日志;
另外针对端口扫描,也可以使用一些第三方软件,发现被扫描就直接拉入host.deny。这些信息对于系统被入侵后排错很有帮助。有人说过,一个公司在安全投入的成本跟他被安全攻击损失的成本成正比,安全是一个很大的话题
也是一个很基础的工作,把基础做好了,就能相当的提高系统安全性,其他的就是安全高手做的了


四、日常监控

1. 系统运行监控 好多人踏入运维都是从监控做起,大的公司一般都有专业24小时监控运维。系统运行监控一般包括硬件占用率 常见的有,内存,硬盘,cpu,网卡,os包括登录监控,系统关键文件监控 定期的监控可以预测出硬件损坏的概率,并且给调优带来很实用的功能

2. 服务运行监控 服务监控一般就是各种应用,web,db,lvs等,这一般都是监控一些指标 在系统出现性能瓶颈的时候就能很快发现并解决。

3. 日志监控 这里的日志监控跟安全的日志监控类似,但这里一般都是硬件,os,应用程序的报错和警报信息 监控在系统稳定运行的时候确实没啥用,但是一旦出现问题,你又没做监控,就会很被动了



五、性能调优


1. 深入了解运行机制
其实按一年多的运维经验来说,谈调优根本就是纸上谈兵,但是我只是想简单总结下,如果有更深入的了解,我会更新。在对软件进行优化之前,比如要深入了解一个软件的运行机制,比如nginx和apache,大家都说nginx快,那就必须知道nginx为什么快,利用什么原理,处理请求比apache,并且要能跟别人用浅显易懂的话说出来,必要的时候还要能看懂源代码,否则一切以参数为调优对象的文档都是瞎谈。
2. 调优框架以及先后
熟悉了底层运行机制,就要有调优的框架和先后顺序,比如数据库出现瓶颈,好多人直接就去更改数据库的配置文件,我的建议是,先根据瓶颈去分析,查看日志,写出来调优方向,然后再入手,并且数据库服务器调优应该是最后一步,最先的应该是硬件和操作系统,现在的数据库服务器都是在各种测试之后才会发布的
适用于所有操作系统,不应该先从他入手。
3. 每次只调一个参数
每次只调一个参数,这个相比大家都了解,调的多了,你就自己就迷糊了。
4. 基准测试
判断调优是否有用,和测试一个新版本软件的稳定性和性能等方面,就必须要基准测试了,测试要涉及很多因素
测试是否接近业务真实需求这要看测试人的经验了,相关资料大家可以参考《高性能mysql》第三版相当的好
我的老师曾说过,没有放之四海皆准的参数,任何参数更改任何调优都必须符合业务场景
所以不要再谷歌什么什么调优了,对你的提升和业务环境的改善没有长久作用


六、运维心态


1. 控制心态
很多rm -rf /data都在下班的前几分钟,都在烦躁的高峰,那么你还不打算控制下你的心态么
有人说了,烦躁也要上班,可是你可以在烦躁的时候尽量避免处理关键数据环境
越是有压力,越要冷静,不然会损失更多。
大多人都有rm -rf /data/mysql的经历,发现删除之后,那种心情你可以想象一下,可是如果没有备份,你急又有什么用,一般这种情况下,你就要冷静想下最坏打算了,对于mysql来说,删除了物理文件,一部分表还会存在内存中,所以断开业务,但是不要关闭mysql数据库,这对恢复很有帮助,并使用dd复制硬盘,然后你再进行恢复
当然了大多时候你就只能找数据恢复公司了。
试想一下,数据被删了,你各种操作,关闭数据库,然后修复,不但有可能覆盖文件,还找不到内存中的表了。
2. 对数据负责
生产环境不是儿戏,数据库也不是儿戏,一定要对数据负责。不备份的后果是非常严重的。
3. 追根究底
很多运维人员比较忙,遇到问题解决就不会再管了,记得去年一个客户的网站老是打不开,经过php代码报错
发现是session和whos_online损坏,前任运维是通过repair修复的,我就也这样修复了,但是过了几个小时,又出现了
反复三四次之后,我就去谷歌数据库表莫名损坏原因:一是myisam的bug,二是mysqlbug,三是mysql在写入过程中
被kill,最后发现是内存不够用,导致OOM kill了mysqld进程
并且没有swap分区,后台监控内存是够用的,最后升级物理内存解决。
4. 测试和生产环境
在重要操作之前一定要看自己所在的机器,尽量避免多开窗口。

你可能感兴趣的:(Linux 运维工程师的 6 类好习惯和 23 个教训)