排障这件事,新手和老手的差别往往不在「懂多少命令」,而在先看哪里。我把这两年自己踩出来的排查顺序整理了一下,希望对刚上手的人有点用。

我的排查顺序

图 1:我的排查顺序

这个顺序是我用时间换来的,顺序反了会白耗一晚上。

第一步:先读报错,别急着动手

我以前最常犯的错,是看到报错就立刻开始改配置。结果改了三处,问题还在,反而把原本好的配置改坏了。

现在的习惯是:先把报错完整读一遍,重点看三样:

• 哪一行、哪个文件
• 是权限问题、连接问题还是语法问题
• 有没有明确的错误码

很多问题读到第三个信息就基本定位了。

第二步:确认服务到底在不在

有三层要分层确认,不能混:

1. 进程在不在(服务起没起来)
2. 端口在不在监听(起来之后有没有对外开)
3. 本地能不能访问(监听之后服务本身是否正常)

这三层我用一句话总结:进程 ≠ 端口 ≠ 可用。我踩过的最多的坑就是「进程在、端口也开、但服务其实是坏的」。

第三步:看日志,而不是猜

排查里最没效率的行为就是「猜」。日志里通常写得清清楚楚,只是藏在一堆信息里。

我的习惯是:先看最近三分钟的日志,再看错误级别的日志。这样能过滤掉 90% 的噪音。

第四步:一次只改一个变量

这条最反直觉,但最重要。

我以前排查网络问题,会同时改防火墙、DNS、代理,结果通了也不知道是哪个起的作用,下次再遇到还是不会。

现在我严格做到:一次只改一处,改完立刻验证。慢一点,但每次都学得到东西。

第五步:修完立刻记录

这是我从「重复踩同一个坑」里学到的。现在我修完一个问题,会顺手写三行:

• 现象是什么
• 原因是什么
• 下次怎么快速判断

三行字,二三十秒,但下次能省一小时。

一点感受

排障能力不是「会多少命令」堆出来的,而是一次次把顺序走对练出来的。

如果你也经常卡在某个问题上,不妨先从「一次只改一个变量」开始。这个习惯养成之后,你会发现自己的排查速度快得吓人。