運維故障處理思路

1、事件事件故障處理應該要有什么思路故障處理應該要有什么思路導讀：導讀：在講解事件、故障處理思路前，我先講一個故障場景（以呼叫中心系統(tǒng)作為一例子）：業(yè)務人員反映呼叫中心系統(tǒng)運行緩慢，部份電話在自助語言環(huán)節(jié)系統(tǒng)處理超時，話務轉(zhuǎn)人工座席，人工座席出現(xiàn)爆線情況。運維人員開始忙活了，查資源使用情況、查服務是否正常、查日志是否報錯、查交易量還有沒有……時間不知不覺的在敲鍵盤、敲鍵盤、敲鍵盤中過去，但是原因還未定位。經(jīng)理過來了解情況：“系統(tǒng)恢復了嗎？”

2、、“故障影響是什么？”、“交易中斷了嗎？”……運維人員趕緊敲鍵盤，寫sql，看交易量；敲鍵盤，寫命令，看系統(tǒng)資源、情況……最終，定位到問題原因是其中一個功能沒有控制返回數(shù)量，導致內(nèi)存泄露。針對這個故障，業(yè)務希望運維能否更快的解決故障的恢復，經(jīng)理希望制定優(yōu)化呼叫中心故障處理流程，做了以下幾件事：1.優(yōu)先故障處理過程的時間——”能通過鼠標完成的工作，不要用鍵盤“2.提前發(fā)現(xiàn)故障，加強監(jiān)控——“技術(shù)早于業(yè)務發(fā)現(xiàn)問題，監(jiān)控不僅是報警，還要協(xié)助故

3、障定位”3.完善故障應急方案——“應急方案是最新的、準確的、簡單明了的”4.長遠目標：故障自愈——”能固化的操作自動化，能機器做的讓機器做“下面將從故障常見的處理方法開始介紹，再從故障前的準備工作（完善監(jiān)控、制定應急方案等方式）來解決經(jīng)理提出的問題，并提出未來解決故障的想法。1、常見的方法：、常見的方法：1）確定故障現(xiàn)象并初判問題影響）確定故障現(xiàn)象并初判問題影響在處理故障前，運維人員首先要知道故障現(xiàn)象，故障現(xiàn)象直接決定故障應急方案的制定

4、，這依賴于運維人員需要對應用系統(tǒng)的整體功能有一定的熟悉程度。確認了故障現(xiàn)象后，才能指導運維人員初判斷故障影響。與第（3）點避免同時各關(guān)聯(lián)團隊同時無頭緒的排查的同時，對于牽頭方在縮小范圍后需要開放的態(tài)度去請求關(guān)聯(lián)方配合定位，而對于關(guān)聯(lián)方則需要有積極配合的工作態(tài)度。?是否有足夠的日志是否有足夠的日志定位故障原因，最常用的方法就是分析應用日志，對運維人員不僅需要知道業(yè)務功能對應哪個服務進程，還要知道這個服務進程對應的哪些應用日志，并具備一些簡

5、單的應用日志異常錯誤的判斷能力。?是否有是否有cece或dumpdump等文件等文件故障期間的系統(tǒng)現(xiàn)場很重要，這個在故障應急前建議在有條件的情況下留下系統(tǒng)現(xiàn)場的文件，比如CEDUMP，或TRACE采集信息等，備份好一些可能被覆蓋的日志等。上述是一般性的故障常見的方法，在重大故障或多方處理的故障出現(xiàn)時，往往小范圍的排查不利于快速解決，需要啟動緊急處理的流程，建議可以考慮以下溝通：?召集相關(guān)人員?描述故障現(xiàn)狀?說明正常應用邏輯流程?陳述變更

6、?排查進展，展示信息?領(lǐng)導決策2、完善監(jiān)控、完善監(jiān)控1）從監(jiān)控可視化上完善）從監(jiān)控可視化上完善完善的監(jiān)控策略需要有統(tǒng)一的可視化操作界面，在制定完善的監(jiān)控策略后，故障處理人員需要能夠快速的看到相應的運行數(shù)據(jù)，比如：能夠看到一段時間的趨勢、故障期間的數(shù)據(jù)表現(xiàn)、性能分析的情況等等數(shù)據(jù)，且這些數(shù)據(jù)可以提前制定好策略直接推出分析結(jié)果給故障處理人員，這樣就大大提高了故障的處理效率，以呼叫中心系統(tǒng)為例，需要提前配置好以下實時交易數(shù)據(jù)，以便故障定位：交