服務(wù)器故障應(yīng)急響應(yīng)方案說明

1、檔信息文檔名稱服務(wù)器故障應(yīng)急措施方案日期一版本號更新說明2014-03-14-Ver1.0 建立文檔、初始化1.方案概述導(dǎo)致服務(wù)器出現(xiàn)故障的問題是一個龐大的集合，可以分成很多種導(dǎo)致服務(wù)器出現(xiàn)故障的原因，根據(jù)服務(wù)器故障出現(xiàn)的狀況進(jìn)行分類，確定故障屬于哪一個級別，根據(jù)相應(yīng)的故障級別對故障做對應(yīng)的處理，確保故障的處理流程是標(biāo)準(zhǔn)化的。如果沒有一套故障處理的標(biāo)準(zhǔn)，工程師只能靠經(jīng)驗去判斷，但是依靠經(jīng)驗判斷并不是不可以，有時候這種處理方式會很高效，但是大多數(shù)這種處理方式都是不太合理的，如果更換了運維工程師，顯然每一個工程師通過經(jīng)驗去判斷故障原因的方式都不盡相同，這樣的差異將會使故障處理事后不能夠得到很好的記

2、錄與存檔，以供其他工程師以后借鑒故障處理案例。故障處理標(biāo)準(zhǔn)化的優(yōu)點：A.根據(jù)流程可以確定哪些故障應(yīng)該立即匯報上級，哪些可以自行解決后，再寫故障處理報告匯報上級，這樣做有助于提高故障處理效率。B.對于工程師經(jīng)驗判斷，可能出現(xiàn)判斷失誤的情況，根據(jù)故障判斷流程，可以不遺漏任何可能的情況對服務(wù)器故障進(jìn)行排除。C.有時候工程師處理了故障之后只是簡單的做了一下匯報，并沒有一些故障處理過程的記錄，以及故障處理的詳細(xì)時間記錄，這樣對需要追溯以前的具體情況的時候就束手無策了。2 .劃分故障等級故障級別故障說明故障處理第一步I 級（緊急）當(dāng)系統(tǒng)出現(xiàn)下列相當(dāng)嚴(yán)重的現(xiàn)象時，屬一級故障：系統(tǒng)整體癱瘓，全部操作失去響應(yīng)；

3、系統(tǒng)崩潰，關(guān)鍵硬件或文件系統(tǒng)損壞無法自動修復(fù)；發(fā)生間歇性、隨機性、重復(fù)性的啟動或應(yīng)用退出，無法保障公司業(yè)務(wù)的正常處理。立即匯報上級n 級（重要）當(dāng)系統(tǒng)出現(xiàn)下列比較嚴(yán)重的現(xiàn)象時，屬二級故障：ered_7f8907d0-db0d-47a2-a4a7-bda19367b189$關(guān)鍵部件（含軟、硬件）停止工作，導(dǎo)致系統(tǒng)降低運行狀態(tài)，客戶業(yè)務(wù)受到嚴(yán)重影響；ered_7f8907d0-db0d-47a2-a4a7-bda19367b189$系統(tǒng)整體性能嚴(yán)重卜降，無法自動恢復(fù)正常運行狀態(tài)；ered_7f8907d0-db0d-47a2-a4a7-bda19367b189$重要數(shù)據(jù)、參數(shù)和配置信息損壞，無恢復(fù)

4、，立即匯報上級導(dǎo)致客戶數(shù)據(jù)及業(yè)務(wù)記錄嚴(yán)重?fù)p失；出級（關(guān)鍵）當(dāng)系統(tǒng)出現(xiàn)下列現(xiàn)象時，屬三級故障：部分設(shè)備或軟件異常，局部功能受限，系統(tǒng)整體仍可止常工作，對客戶業(yè)務(wù)影響不大或存在隱患；關(guān)鍵備用設(shè)施因故障離線，主用設(shè)施仍能正常工作；系統(tǒng)運行指標(biāo)（例如：I/O 效率、CPU 效率）受到直接或間接影響，客戶業(yè)務(wù)處理緩慢；立即匯報上級IV 級（口聲）當(dāng)系統(tǒng)出現(xiàn)下列情況而不影響客戶業(yè)務(wù)時，屬四級故障：不在運行狀態(tài)的線路、端口損壞；出于安全考慮并且是受保護(hù)的軟件降級或應(yīng)用重啟；因存儲空間不足導(dǎo)致的性能下降；系統(tǒng)硬件、軟件產(chǎn)品功能、安裝、或配置方面的支援；業(yè)務(wù)仍然可以正常運作，但是服務(wù)器報出故障信息的；故障排錯判

5、斷3 .故障分類序列問題種類詳細(xì)內(nèi)容一機房網(wǎng)絡(luò)故障1、骨干網(wǎng)光纖切割；2、機房網(wǎng)絡(luò)升級；3、機房網(wǎng)絡(luò)設(shè)備調(diào)試；4、機房網(wǎng)絡(luò)設(shè)備損壞；二政府部門封網(wǎng)1、服務(wù)器沒有備案；2、域名備案存在問題；3、黑客入侵導(dǎo)致服務(wù)器違法行為；4、違規(guī)代理服務(wù)器；5、服務(wù)器轉(zhuǎn)發(fā)違禁網(wǎng)站；6、服務(wù)器放置的網(wǎng)站內(nèi)容/、符合當(dāng)?shù)氐恼ɡㄒ?guī)；三機房鋪助設(shè)備故障1、機房空調(diào)故障問題；2、機房灰塵過多問題；3、機房電力供應(yīng)問題；四機房機柜遷移1、機柜擴容；2、機柜移位；3、服務(wù)器遷移機柜；五服務(wù)器硬件故障1、電源線損環(huán)；2、服務(wù)器電源損壞；3、服務(wù)器非人為硬盤損壞；4、服務(wù)器受黑客入侵攻擊時導(dǎo)致硬盤損壞；5、CPU溫度過高燒

6、毀；6、內(nèi)存使用中損壞；7、主板在電源損壞時容易燒毀；六服務(wù)器系統(tǒng)故障1、黑客攻擊導(dǎo)致系統(tǒng)癱瘓；2、緩存日志過多沒后整理；3、人為配置/、當(dāng)導(dǎo)致系統(tǒng)崩潰；4、硬盤損壞導(dǎo)致系統(tǒng)崩潰；七服務(wù)器應(yīng)用故障1、服務(wù)器放置的應(yīng)用程序存在bug后門等；2、服務(wù)器環(huán)境配置問題；3、黑客攻擊導(dǎo)致應(yīng)用程序崩潰；4、硬盤、內(nèi)存的兼容性差導(dǎo)致應(yīng)用程序崩潰；5、應(yīng)用程序沒有優(yōu)化占用服務(wù)器硬件資源過高導(dǎo)致崩潰；6、用戶負(fù)載過多導(dǎo)致應(yīng)用程序崩潰；八服務(wù)器硬件超負(fù)荷1、數(shù)據(jù)超過硬盤讀寫負(fù)載能力導(dǎo)致應(yīng)用程序崩潰；2、CPU使用率跑滿導(dǎo)致服務(wù)器宕機；3、使用內(nèi)存cache占用過多導(dǎo)致宕機；4、硬盤空間使用滿導(dǎo)致宕機；九服務(wù)器網(wǎng)絡(luò)

7、超負(fù)荷1、用戶量過多，服務(wù)器帶寬/、足，導(dǎo)致卡頓，用戶訪問程序故障；2、系統(tǒng)連接數(shù)過多造成系統(tǒng)擁堵網(wǎng)絡(luò)帶寬使用不上；3、數(shù)據(jù)庫數(shù)據(jù)讀寫占用過多服務(wù)器連接數(shù)，達(dá)不到預(yù)期的服務(wù)器叱；十人為違規(guī)操作1、人為違規(guī)關(guān)機；2、人為違規(guī)操作更改或刪除服務(wù)器應(yīng)用；3、機房人為關(guān)機或斷電；服務(wù)器受到攻擊1、服務(wù)拒絕攻擊導(dǎo)致系統(tǒng)崩潰，如常見的UD啾水攻擊等；2、利用型攻擊導(dǎo)致黑客入侵系統(tǒng)，如特洛伊木馬、口令猜測等；3、信息收集型攻擊，如體系結(jié)構(gòu)探測、DNS轉(zhuǎn)換等4、假消息攻擊，如DNS高速緩存污染、偽造電子郵件等十二不可預(yù)知因素1、機房遭遇火災(zāi)事故；2、機房遭遇地震事故；4 .故障應(yīng)急處理流程5 .故障排錯流程6

8、 .數(shù)據(jù)與日志備份在進(jìn)行故障修復(fù)的時候，需要對服務(wù)器系統(tǒng)以及軟件的配置文件進(jìn)行修改，這些修改可能造成的風(fēng)險是很大的，這時保存?zhèn)浞菖渲梦募畔?、?yīng)用數(shù)據(jù)、系統(tǒng)日志信息會很重要，可以直接通過 shell 腳本對服務(wù)器重要的數(shù)據(jù)進(jìn)行備份。7 .故障處理報告7.1.故障處理報告文件命名規(guī)則文件名前綴故障級別服務(wù)器名稱故障類型故障處理報告I 級一緊急Linux 服務(wù)器名稱（終端#前四的子符）故障分類一詳細(xì)內(nèi)容n 級一重要出級L 關(guān)鍵、口言例如：故障處理報告_I 級一緊急_squid-chendu_系統(tǒng)崩潰7.2.故障處理報告內(nèi)容故障發(fā)現(xiàn)時間Xxxx 年 xx 月 xx 日 xx:xx（24 小時制）處理完成時間如果處理一次就解決的直接寫：Xxxx 年 xx 月 xx 日 xx:xx（24 小時制）如果多次處理后才解決，按卜面格式寫： Xxxx 年 xx 月 xx 日 xx:xx（24 小時制） Xxxx 年 xx 月 xx 日