我的linux运维日记，比较下学习与工作。

从事运维一年半，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，今天想简单整理一下，主要有以下几点：

1.线上操作规范

测试使用

Enter前再三确认

忌多人同时操作

先看再备份后改

2.涉及数据

慎用rm -rf

备份大于一切

稳定大于一切

保密大于一切

3.涉及安全

ssh

防火墙

精细权限控制粒度

入侵检测和日志监控

4.日常监控

系统运行状况

服务运行状况

日志监控（安全）

5.性能调优

深入了解运行机制

调优框架以及先后

每次只调一个参数

基准测试

6.运维心态

控制心态

对数据负责

追根究底

测试和生产环境

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，我们现在学生都是直接把linux装在真机上的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，我不想再回忆了。

测试的重要性我就不再多说了，大家自己体会吧。

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，呵呵，出现一次就够了。。。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，呵呵。

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，多人同时修改很蛋疼哇。

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的误操作不久没事了吧。所以说丢数据库非一朝一夕哇。。。随便备份一个就不用那么惨哇。。。

二，涉及数据

1.慎用rm -rf

网上的例子很多，各种rm -rf / 哇，各种删除主数据库哇，各种运维事故，，，你这1s的疏忽，造成的损失可是相当重大的，大家可以百度，下厨房事件（http://www.infoq.com/cn/news/2013/07/xiachufang-626-disaster-recovery）

呵呵，如果真需要删除就看看在看看再看看再说吧

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。说多了都是泪啊。

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，不保密能行么，除非你想成为下一个陈冠希，，，哇咔咔。。。

三，涉及安全

1，ssh

更改默认端口（当然如果专业要黑你，扫描下就出来了）

禁止root登录

使用普通用户+key认证+sudo规则+ip地址+用户限制

使用hostdeny类似的防爆里破解软件（超过几次尝试直接拉黑）

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，切忌

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，也是一个和基础的工作，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，其重要性我就不多说了，

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，你就只能呵呵了。。。

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。

我记得我的老师曾说过，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哇。。。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，，，结果，我就呵呵了。。。

2，对数据负责

再次强调一边，生产环境不是儿戏，数据库也不是儿戏，随手备份一下会死啊。。。不备份才会死的。。。

3，追根究底

好多运维比较忙，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，1，是myisam的bug，2，是mysqlbug，3，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，稍不注意就呵呵了。。。

总结，以上几点是我自己工作体会，大家看了就看了，如有不足，欢迎指教。呵呵。