- 综合排序
- 最热优先
- 最新优先
- 来自专栏运维之路
3.4 事中故障处理（3）故障定位
应用逻辑故障的问题定位与“故障传染”场景类似，如何在大量病态的功能中找到根因功能，并对功能进行降级等恢复是难点。 3）测试复现 复杂系统的故障定位必然是一个跨团队协同的过程，测试复现是一个协同定位的解决方案。从岗位看，测试与bug打交道的机会最多，对于逻辑、数据引发的故障更敏感。 性能管理，AIOps等场景的工具应用，将有利于研发团队在故障定位环节，提升代码分析能力。 2.定位工具： 1）日志 对于运维而言，日志是运维了解硬件及软件内部逻辑的一面窗口。 3）监控 以往，监控往往被定位为“监测”的角色，即只负责发现异常，将报警发出来即尽到监控职责。 对于多个监控告警进行告警事件的收敛管理，基于CMDB关系数据进行初步的定位。 利用监控数据与AIOps算法，构建智能化的故障定位场景应用，增加故障定位的能力。
2.2K20发布于 2021-09-14 - 来自专栏运维之路
事中故障处理（4）故障定位
故障恢复指恢复业务连续性的应急操作，很多故障是在不断尝试验证解决恢复的动作，所以故障恢复环节与故障定位环节有一定的交叠，或在这两个环节之间不断试错的循环，即故障恢复操作可能和故障诊断是同时，也可能是诊断之后或诊断之前 1.已知预案下的恢复三把斧 在故障管理过程中，通常大部分故障有一些明确的故障恢复预案，比如基础设施、服务器、网络设备、网络线路，以及应用系统层中关于服务可用性等故障因素，以及基于历史故障经验积累的方案。 另外，对于应用服务拆分、逻辑解耦、减少总线依赖、增加异常访问机制、必要的缓存、数据库层面的分库分表、前端限流与削峰、服务降级等架构优化，也能提升故障恢复能力。 3.临时决断恢复 虽然有不少故障可以基于已知预案、架构高可用与可靠性方面的设计提升故障恢复的时间，但是随着运维复杂性以及企业以客户体验为中心的建设，运维对可用性的要求在服务层的业务连续性基础上，增加了业务功能逻辑 结束 注：“3.4 事中处置”另外3个环节内容链接： 1.故障发现、故障响应 2.故障定位
1.9K31发布于 2021-10-08 - 来自专栏机器学习-数据挖掘
基于日志分析的母机故障定位 ——机器学习应用
为减少人力并实现母机故障的自动化定位，本文尝试利用机器学习算法，通过对历史故障母机的日志数据学习，训练模型实现自动化分析定位母机故障原因。 背景 对于每一单母机故障我们都需要定位出背后真实的故障原因，以便对相应的部件进行更换以及统计各种部件故障率的情况，因此故障定位和分析消耗的人力也越来越多。 目标 1、对母机宕机故障进行自动化的分析，准确定位故障原因； 2、当故障分类准确率达到足够准确之后，能够不需要人工参与，实现自动化结单； 3、实时流式处理母机的各种数据，实现部分故障的预测。 数据筛选 1)查看三类日志，分析是否每一种日志对故障定位都有存价值。剔除无价值的日志； 2)根据业务需求，选择特定的故障类别。 3)Tf-idf（Term Frequency-Inverse Document Frequency, 词频-逆文件频率），是应用最广泛的权值计算方法。
2.5K51发布于 2018-08-24 - 来自专栏火丁笔记
通过Strace定位故障原因
在面对故障的时候，我也有类似的感觉：不怕出故障，就怕你不知道故障的原因，故障却隔三差五的找上门来。 close 0.49 0.000381 2 238 chdir 0.35 0.000271 3 在继续定位故障原因前，我们先通过「man brk」来查询一下它的含义： brk() sets the end of the data segment to the value specified by 3119 24 total 显而易见，「brk」已经不见了，取而代之的是「recvfrom」和「accept」，不过这些操作本来就是很耗时的，所以可以定位 「brk」就是故障的原因。
81720编辑于 2021-12-14 - 来自专栏网络工程师笔记
OSPF邻居down故障定位
一 OSPF邻居down故障原因 本类故障的常见原因主要包括： BFD故障； 对端设备故障； CPU利用率过高； 链路故障； 接口没有Up； 两端IP地址不在同一网段； RouterID配置冲突； 两端区域类型配置不一致； 两端OSPF参数配置不一致； 二 故障定位步骤 1、通过日志查看OSPF邻居Down的原因 执行display logbuffer size 此时，可以执行display interface [ interface-type [ interface-number ] ]命令查看接口状态，排查接口故障。 2、检查链路是否故障 请执行ping命令和在接口视图下执行display this interface命令，检查设备链路是否故障（包括传输设备故障）。如果链路正常，请执行步骤3。 3、检查CPU利用率是否过高 请执行display cpu命令检查故障设备的CPU利用率是否过高。如果CPU利用率过高会导致OSPF无法正常收发协议报文从而导致邻居振荡。
2.7K20发布于 2021-05-17 - 来自专栏Forrest随想录
比故障定位更重要的是：故障定界
这是个非常好的问题，这里我们就要区分两个经常挂在嘴边，但是确很少有人去能理解透彻的概念：定界和定位。 我们讲故障时可以不用定位，指的是在故障时，不用去定位故障原因是什么，但是不能不做定界。 重要的事情讲三遍： 定界和定位是两回事。 定界和定位是两回事。 定界和定位是两回事。 定界不做，那接下来的恢复就无从谈起了。 举个简单的场景案例： 当一次故障发生，业务指标受影响，硬件层面、网络层面、数据库层面，分布式组件层面、存储层面、应用层面，可能都会有告警。 如果是应用内存出问题，也没必要去打个堆栈，然后分析下哪个对象没释放，那段代码逻辑是怎么写的，为什么会占用这么多内存。能先重启就重启，如果刚才做了发布就先回滚等等。 所以，定界的能力，其实比定位更重要，定界必须要高效，定位在绝大多数情况下是可以在事后做的。 一定一定要区分开看，不能混为一谈。
2.1K30编辑于 2022-04-27 - 来自专栏程序员的成长之路
网络故障排除工具 | 快速定位网络故障
每一位网络工程师或专家都有自己的经验和必备工具，能让他们快速定位网络故障。以下的这些工具，是否是你的工具箱中的选项。 1. Nmap Nmap是开源工具，它被称作网络故障排除的“瑞士军刀”。 3. tcpdump tcpdump是网络专家必备的故障排除工具。如果可以有效地使用它，那么可以在不影响无关应用程序的情况下快速查明网络问题。 4. Ping Ping是快速排除网络问题的最基础工具。 它是下一代的3、4、7网络层，利用基于C的代理实现零信任安全性，证据链审计合规性，目标细分和低级报告，并且它是开源工具。如果试图找出“服务网格”的用例，可进行一些研究。 11. Batfish 强烈建议你将网络配置分析添加到故障排除工具包中。 更好的是，可以使用Batfish或类似的验证工具来确保网络故障不会发生。 15. Fiddler 当考虑网络故障工具时，现在可用的SaaS很多。
2.3K20发布于 2020-11-06 - 来自专栏网络工程师笔记
BGP邻居无法建立故障定位
一 BGP邻居无法建立故障原因 本类故障的常见原因主要包括： BGP报文转发不通 ACL过滤了TCP的179端口 邻居的Router ID冲突 配置的邻居的AS号错误 用Loopback 用Loopback口建立EBGP邻居未配置peer ebgp-max-hop peer valid-ttl-hops配置错误 对端配置了peer ignore 两端的地址族不匹配 二 故障定位步骤 如果不能Ping通，请处理Ping不通问题排除链路传输的故障问题。 2、检查是否配置ACL禁止TCP的179端口 在两端执行display acl all命令查看是否禁止TCP的179端口。 如果没有禁止TCP的179端口的ACL，请执行步骤3。 3、检查邻居的Router ID是否冲突 在两端分别查看无法建立的BGP邻居的情况，例如ipv4单播邻居无法建立可以执行display bgp peer命令，查看Router ID是否冲突。
2.3K10发布于 2021-05-17 - 来自专栏猫头虎博客专区
硬件故障诊断：快速定位问题
在日常的计算机使用过程中，硬件故障是无法避免的问题。但如何快速、准确地定位到问题所在，是每个技术爱好者和专业人士都应该掌握的技能。 在这篇博文中，我将带大家深入探讨硬件故障的常见原因、诊断工具和解决策略。 我将结合实际案例，帮助大家更深入地理解和应用。 引言 硬件是计算机的基础，但随着时间的流逝和使用的增加，硬件的老化和故障是不可避免的。对于IT从业者和技术爱好者来说，快速、准确地定位硬件故障，不仅可以节省时间，还可以避免不必要的损失。 正文 1. 常见的硬件故障及其原因 1.1 硬盘故障 老化：长时间使用导致的性能下降。 物理损坏：如摔打、高温等。 软件冲突：如病毒、恶意软件或者软件冲突导致的硬盘故障。 3. 解决策略 3.1 备份数据 在进行任何硬件检测或维修之前，都应该先备份重要的数据。 3.2 定期维护 清理内部灰尘，更新驱动和固件，确保硬件在良好的工作环境中。
1K10编辑于 2024-04-09 - 来自专栏视频AI
zookeeper Watch丢通知故障的定位
在下面的描述中，ZK指的是zookeeper，Watch丢通知故障简称为丢消息，因个人水平的原因，文章中定位出的原因，未必是真实的原因，仅供参考。 ZK一共3个节点，按照IP最后的数字，分别命名为144、227、229。故事发生在agent和三台ZK服务器之间。 定位过程 首先简单介绍代码。 针对这个故障，考虑到在网络故障的短暂时间内存在丢消息的可能，因此解决方案比较直接： func (m *McAgent) HandleEvent(ev zk.Event) { switch 从故障Agent的日志看，没有任何异常，也没有任何ZK连接变化相关的日志信息。去ZK节点上捞取日志，通过一系列检索过程，发现了故障场景的共性。
3.1K60发布于 2020-03-24 - 来自专栏网络工程师笔记
如何收集设备日志用于故障定位
2 收集日志信息 当设备出现故障时，收集设备日志信息，有助于用户了解设备运行过程中发生的情况，定位故障点。 日志信息主要记录用户操作、系统故障、系统安全等信息，包括用户日志和诊断日志。
1.2K20发布于 2021-05-17 - 来自专栏TKE学习分享
TKE常见问题以及故障定位
，也还是会有 4 查询，前 3 次是多余的； resolv.png 优化: Pod dnsConfig 配置较小的 ndots； 集群内部通过 service 访问时拼全后缀(namespaces.svc.cluster.local cache 优化: 改造业务，避免每次请求都查dns，比如 java 设置 networkaddress.cache.ttl ; 部署 NodeLocal DNS 作为本地 DNS 缓存 常见故障定位 2、查看日志； 使用 kubectl logs 查看容器日志 (-p 可看上次退出日志)： $ kubectl logs {podname} -n {namespaces} 3、查看资源配置； 使用 controller-manager 异常； CNI 网络错误； 程序启动慢被存活检查 kill； 7、Pod 发生 Crash； 可能原因： cgroup OOM / 系统 OOM ； DNS 故障导致解析失败 端口区间 (30000-32768)； 外部服务防火墙没有放开容器网段 (如 CDB、自建 DNS)； DNS 异常； 高负载； 进程没有监听端口； 12、节点状态异常； 可能原因： 节点高负载； 磁盘故障
2.9K30发布于 2020-06-16 - 来自专栏一猿小讲
抓包神器 Wireshark，帮你快速定位线上网络故障（3）
3 Wireshark：HTTP 响应分析 借助 Wireshark 的“显示分组字节”功能，很容易就能看到 HTTP 的响应内容。 例如1：从服务端下载文件 ?
1.2K20发布于 2020-12-29 - 来自专栏vivo互联网技术
vivo 故障定位平台的探索与实践
作者：vivo 互联网服务器团队- Liu Xin、Yu Dan本文基于故障定位项目的实践，围绕根因定位算法的原理进行展开介绍。 2.1 主动查询场景当用户反馈某个应用很慢或超时，我们第一反应可能是查看对应服务的响应时间，并定位出造成问题的原因，通常这两个步骤是分别进行，需要用到一系列的监控工具，费时费力。 如果使用故障定位平台，只需从vivo的paas平台上进入故障定位首页，找到故障服务和故障时间，剩下的事情就交给系统完成。 2.3 分析效果通过以上两种方式进入故障定位平台后，首先看到的是故障现场，下图表示服务A的平均响应时间突增。 但没有覆盖自身原因造成的故障(如GC、变更、机器问题等)；3、分析结果只能提供大概的线索，最后一公里还是需要人工介入；4、故障定位算是AI领域的项目，开发方式与传统的敏捷开发有一定的区别：角色职责：领域专家
1.1K30编辑于 2023-01-09 - 来自专栏运维录
如何对jvm故障进行排查与定位？
故障类型 ---- 线上的jvm故障基本可以分为两大类: CPU____占用过高。 内存问题,通常可以理解为gc的问题,因为java的内存用gc进行管理。 故障排查兵器谱 ---- 命令行工具 jps等工具都是对tools.jar类的包装,使用起来方便简单.在下边的故障排查中会用到我们这里提到的工具,大家平时应该熟记于心. top: top命令用于实时显示 1. top命令定位到cpu消耗最高的进程,并记住进程pid 通过 top -Hp pid 找到问题线程,记住线程 tid 2. 3. 通过转化的16进制数字从堆栈信息中找到对应的线程堆栈. ,从而定位代码。
1.8K10发布于 2019-11-19 - 来自专栏技术随笔心得
【线上故障】通过系统日志分析和定位
主要是不符合产品的需求逻辑，可能会影响用户体验 线上故障：这个阶段是最严重的，对公司的收益、用户体验都会造成影响，主要为服务不可用等 在本文的示例中，我们针对的第三个阶段，即线上故障进行定位和分析的一种方式 ，希望借助本文，能够对你的故障定位能力有一定的帮助。 原因基本确定，现在我们开始定位问题。 ll info -rw-r--r-- 1 root root 58369282 Jan 28 10:14 info 为了快速定位错误点，我们抓取跟错误点地址3ab9a75f62相关的命令(为了获取上下文 75f62 输出如下： 3ab9a75ec8: 0f 85 94 00 00 00 jne 3ab9a75f62 <malloc_consolidate+0xe2> 3ab9a75f62
1.7K20编辑于 2022-08-25 - 来自专栏CU技术社区
掌握运维必备技能--问题故障定位
那么分析问题需要有一定的技术经验积累，并且有些问题涉及到的领域非常广，才能定位到问题。所以，分析问题和踩坑是非常锻炼一个人的成长和提升自我能力。 如果我们有一套好的分析工具，那将是事半功倍，能够帮助大家快速定位问题，节省大家很多时间做更深入的事情。 2. 说明 本篇文章主要介绍各种问题定位的工具以及会结合案例分析问题。 3. CPU 4.1 说明 针对应用程序，我们通常关注的是内核CPU调度器功能和性能。 如果大量时间花在CPU上，对CPU的剖析能够迅速解释原因；如果系统时间大量处于off-cpu状态，定位问题就会费时很多。 9.6 性能回退-红蓝差分火焰图 你能快速定位CPU性能回退的问题么？ 如果你的工作环境非常复杂且变化快速，那么使用现有的工具是来定位这类问题是很具有挑战性的。
1.4K20发布于 2019-10-25 - 来自专栏网络工程师笔记
【故障案例分享】接口出方向有突发流量导致丢包故障定位
接口出方向有突发流量导致丢包的组网示意图 二 故障现象 设备上产生QOS/4/hwXQoSPacketsDropInterfaceAlarm_active的告警信息，提示Eth-Trunk的两个成员接口均有丢包 三 故障分析 1、任意视图下执行命令display interface interface-type interface-number查看Eth-Trunk接口及两个成员接口的丢包情况和出方向的带宽利用率 3、通过测试仪器Wireshark，设置Interval为1ms，监控流量。发现有突发流量超过了最大带宽。 ?
1.7K20发布于 2021-05-17 - 来自专栏linux运维
网络故障排除问题：网络故障排除困难，难以定位问题
使用网络管理工具使用网络管理工具如 Nagios、Zabbix 等，进行更全面的网络监控和故障排除。
77010编辑于 2025-02-05 - 来自专栏解决方案，产品应用
AIM-T300绝缘故障定位仪 具有故障预警功能
仪表具有绝缘故障预警、故障报警、事件记录等多种功能，可用于矿井、 玻璃厂、电炉和试验设备、冶金厂、化工厂、爆炸危险场所、计算机中心以及应急电源等场所的 IT 配电系统 中，实时监测 IT 配电系统对地的绝缘状况 ，当发生绝缘故障时，及时报警，提醒工作人员排查故障。 ，实时监控 IT 系统的运 行状况；2.4 具有故障事件记录功能，能够记录故障发生的时间和故障类型，方便操作人员查询分析系统运行状况， 及时消除故障；2.5 适用于交流、直流以及交直流混合 IT 系统的绝缘监测 3.型号说明说明：AIM 表示安科瑞绝缘监测装置 T 表示工业场合 300 表示 300 型4.技术参数5.参考标准■ IEC 61557-8 《交流 1000V 和直流 1500V 以下低压配电系统电气安全 系统用绝缘监测装置》■ IEC 61326-2-4 《测量、控制和实验室用的电设备 电磁兼容性要求 第 24 部分：特殊要求 符合 IEC 61557-8 的绝缘监控装置和符合 IEC 61557-9 的绝缘故障定位设备的试验配置
30730编辑于 2023-09-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号