1.
概述：常见故障类型与优先级
(1) CPU 占用高：单进程占用 > 80%、平均负载连续 5 分钟 > CPU 核数*2。
(2) 内存不足：Swap 使用率 > 30%、OOM 触发导致进程被杀。
(3) 磁盘瓶颈：iostat r/s 或 await 显著上升、磁盘 IOPS 达到配额上限。
(4) 带宽/网络饱和：出口流量接近链路带宽（例如 940 Mbps / 1 Gbps）。
(5) 域名解析或证书问题：DNS 解析异常、SSL 握手失败或证书过期。
2.
排查流程与常用工具
(1) 快速定位：top/htop、ps aux、uptime；关注 1、5、15 分钟负载。
(2) 磁盘与 IO：iostat -x 1、iotop，检查 await、util。
(3) 网络诊断：ss -tulpn、netstat、tcpdump -i eth0 port 80、mtr 与 ping 测试。
(4) 日志分析：/var/log/syslog、nginx/access.log、error.log，使用 tail -F 结合 grep。
(5) 持续监控：Prometheus + Grafana、Zabbix，设置告警阈值（CPU 85%、丢包 1%）。
3.
典型服务器配置对比（示例）
(1) 小型站点：1 vCPU / 1 GB RAM / 40 GB SSD / 100 Mbps。
(2) 中等站点：2 vCPU / 4 GB RAM / 80 GB SSD / 1 Gbps。
(3) 高并发站点：4 vCPU / 8 GB RAM / 160 GB NVMe / 1-10 Gbps。
(4) 数据库专用：8 vCPU / 32 GB RAM / RAID 10 NVMe / 10 Gbps。
(5) 下面表格居中展示典型实例规格：
| 规格档 |
CPU |
内存 |
磁盘 |
带宽 |
| 小型 |
1 vCPU |
1 GB |
40 GB SSD |
100 Mbps |
| 中型 |
2 vCPU |
4 GB |
80 GB SSD |
1 Gbps |
| 大型 |
4 vCPU |
8 GB |
160 GB NVMe |
1-10 Gbps |
4.
网络与域名故障排查要点
(1) DNS 检查：使用 dig example.com @8.8.8.8，确认 A / CNAME 指向与 TTL。
(2) CDN 与缓存：检查 CDN 回源配置、Cache-Control 与 Expires 是否合理。
(3) 证书与 TLS：openssl s_client -connect host:443，确认证书链与 SNI。
(4) 路由与链路：mtr -rw host，观察丢包点与延迟跳变。
(5) 反向代理错误：Nginx 502/504 常与后端超时或 keepalive 配置不当有关。
5.
DDoS 防御与性能优化技巧
(1) CDN + WAF：启用 CDN（如 Cloudflare、Fastly）可吸收 90% 静态层流量与常见攻击。
(2) 内核调优：示例 sysctl 调整 net.ipv4.tcp_fin_timeout=30、tcp_tw_recycle=0、tcp_max_syn_backlog=4096。
(3) nginx 限流：limit_conn_zone $binary_remote_addr zone=addr:10m; limit_req_zone $binary_remote_addr zone=req:10m rate=10r/s。
(4) 黑名单与速率限制：iptables -A INPUT -p tcp --dport 80 -m connlimit --connlimit-above 200 -j DROP（谨慎使用）。
(5) 弹性扩容：在峰值（如流量突增至 900 Mbps）时，临时升级到更高规格或启用自动扩容。
6.
真实案例：樱花网站遭流量激增的处理过程
(1) 现象描述：日本樱花网站（部署在 Sakura Cloud）4 vCPU / 8 GB 实例，0:00 开始出现 95% CPU 与外网出站 940 Mbps，响应超时。
(2) 初步排查：top 显示 nginx worker 占用，tcpdump 显示大量短连接 SYN，iptables 计数暴增。
(3) 应对措施：立即启用 CDN 回源，开启 Cloudflare Pro 的 DDoS 防护，临时将实例升级为 8 vCPU /16 GB。
(4) 内核与服务调整：启用 SYN cookie（sysctl net.ipv4.tcp_syncookies=1）、调整 tcp_max_syn_backlog=8192，并配置 nginx limit_req。
(5) 恢复结果：流量在 CDN 吸收后服务器带宽降至 120 Mbps，平均响应从 1.8s 降到 120ms，错误率从 12% 降到 0.2%，并在 24 小时内回滚到原规格。
来源：运维指南日本樱花网站云服务器常见故障排查与优化技巧汇总
