香港葵湾云服务器稳定性评测与常见故障排查指南

1.

概述与准备

目标：评估葵湾机房实例稳定性并能快速排查故障。小分段：a) 准备SSH访问与实例ID；b) 在本地准备iperf3、mtr、tcpdump工具；c) 在云控制台开启监控（CPU、网络、磁盘IO、报警阈值）。

2.

基础健康检查（快速步奏）

小分段：a) 登录：ssh -i key.pem root@IP；b) 查看基本状态：uptime; cat /proc/loadavg; free -h; df -h; uname -a；c) 检查是否存在CPU steal：top 或者 vmstat 1 5（观察%st列），若steal>5%说明宿主机争用。

3.

网络连通与延迟测试

小分段：a) Ping：ping -c 10 8.8.8.8，观察丢包与平均延迟；b) 路由：traceroute -n 8.8.8.8 或 mtr -rw 8.8.8.8（持续检测跳点时延或丢包）；c) 端口连通：ss -tlnp | grep :80 或 curl -I http://127.0.0.1:80；d) 若跨地域延迟高，记录时间戳并抓包：tcpdump -i eth0 -w /tmp/trace.pcap host 目标IP。

4.

带宽与吞吐压力测

小分段：a) 部署iperf3服务端：iperf3 -s；b) 客户端测试：iperf3 -c SERVER_IP -P 4 -t 60，记录带宽峰值与丢包；c) 如需双向测试在双方运行iperf3；d) 若性能不达标，检查云控制台的网络带宽上限与计费模式。

5.

磁盘与IO性能检测

小分段：a) 查看设备：lsblk; blkid；b) 实时IO：iostat -x 1 5 或 vmstat 1 5；c) 读写基准：fio --name=rw --rw=readwrite --bs=4k --size=1G --iodepth=32 --runtime=60 --group_reporting；d) 若延迟高，检查云盘类型（SSD/HDD）、IOPS限制与队列深度，考虑提升磁盘类型或增加IOPS配额。

6.

进程、服务与日志排查

小分段：a) 查找占用：ps aux --sort=-%mem | head; ps aux --sort=-%cpu | head；b) 服务状态：systemctl status nginx|mysql -l；c) 系统日志：dmesg | tail -n 100；journalctl -u 服务名 -S "1 hour ago"；d) 若出现OOM或内核错误，记录日志并在短时间内重现以便提交工单。

7.

中长期监控与告警设置

小分段：a) 在云监控开启CPU、网络、磁盘IO与内存曲线采样频率为1m；b) 配置告警：CPU>80% 5m、网络丢包>5% 10m、磁盘延迟>50ms；c) 部署Prometheus/Grafana或使用云厂商监控并保留历史至少7天以便回溯。

8.

常见故障处理流程（一步步）

小分段：a) 网络不稳定：先ping本地网关，再ping外网，若本地网关丢包，重启网卡：ip link set dev eth0 down; ip link set dev eth0 up；检查MTU：ip link show eth0；b) 服务响应慢：查看CPU/IO瓶颈，重启服务：systemctl restart 服务；c) 磁盘满/IO高：清理日志、扩容云盘或迁移到更高IOPS；d) 无法SSH：在云控制台使用Serial Console或重置SSH密钥。

9.

问：如何判断问题是宿主机资源争用还是实例内部配置问题？

答：先看CPU steal（top中%st或cloud监控的steal指标）；若steal高为宿主争用；若steal正常但实例CPU/IO高，结合iostat/fio与进程列表判断为实例内部问题。

10.

问：遇到间歇性网络抖动，如何定位根因？

答：同时在实例内运行mtr -rw 目标并在本地/对端同时抓包（tcpdump），记录抖动时间点，查看云监控网络错误、丢包和链路变更事件，然后向厂商提供时间戳与pcap请求进一步检测。

11.

问：向云厂商提交支持工单时需要准备哪些信息？

答：准备实例ID、发生时间范围、监控截图（CPU/网络/磁盘曲线）、top/iostat/iperf/mtr输出、tcpdump捕获文件、重现步骤与业务影响描述，能加速定位与解决。

来源：香港葵湾云服务器稳定性评测与常见故障排查指南