作為一名合格的 Linux 運維工程師，一定要有一套清晰、明確的解決故障思路，當問題出現時，才能迅速定位、解決問題，這裡給出一個處理問題的一般思路：

• 重視報錯提示資訊：每個錯誤的出現，都是給出錯誤提示資訊，一般情況下這個提示基本定位了問題的所在，因此一定要重視這個報錯資訊，如果對這些錯誤資訊視而不見，問題永遠得不到解決。

• 查閱日誌檔案：有時候報錯資訊只是給出了問題的表面現象，要想更深入的瞭解問題，必須檢視相應的日誌檔案，而日誌檔案又分為系統日誌檔案（/var/log）和應用的日誌檔案，結合這兩個日誌檔案，一般就能定位問題所在。

• 分析、定位問題：這個過程是比較複雜的，根據報錯資訊，結合日誌檔案，同時還要考慮其它相關情況，最終找到引起問題的原因。

• 解決問題：找到了問題出現的原因，解決問題就是很簡單的事情了。

從這個流程可以看出，解決問題的過程就是分析、查詢問題的過程，一旦確定問題產生的原因，故障也就隨之解決了。

結合上面介紹的 Linux 運維問題的解決思路後，下面我們挑選了6個比較典型的 Linux 運維問題，來看看是如何分析和解決的：

問題 1：檔案系統破壞導致系統無法啟動

Checking root filesystem

/dev/sda6 contains a file system with errors, check forced

An error occurred during the file system check

這個錯誤可以看出，作業系統 / dev/sda6 分割槽檔案系統出現了問題，這個問題發生的機率很高，通常引起這個問題的原因主要是系統突然斷電，引起檔案系統結構不一致，一般情況下，解決此問題的方法是採用 fsck 命令，進行強制修復。

# umount /dev/sda6

# fsck.ext3 -y /dev/sda6

問題 2：“Argument list too long” 錯誤與解決方法

# crontab -e

編輯完後儲存退出後，報錯 no space left on device

根據上面的報錯了解到是磁碟空間滿了，那麼首先是檢查磁碟空間，

# df -h

檢視到是 / var 磁碟分割槽空間已經達到 100%，至此定位了問題所在。是 / var 磁碟空間飽滿導致，因為 crontab 會在儲存時將檔案資訊寫到 / var 目錄下面，然而這個磁碟沒有空間了，所以報錯。

接著通過命令 du –sh * 命令檢查 / var 目錄下面的所有檔案或者目錄的大小，發現 / var/spool/clientmqueue 目錄佔用了 / var 整個分割槽大小的 90%，那麼 / var/spool/clientmqueue 目錄下的檔案都是怎麼產生的，能否刪除，基本上都是郵件資訊，可以刪除

# rm *

/bin/rm :argument list too long

當在 linux 系統中試圖傳遞太多引數給一個命令時，就會出現 “argument list too long” 錯誤，這是 linux 系統一直以來都有的限制，檢視這個限制可以通過命令 “getconf ARG_MAX” 來實現，

# getconf ARG_MAX

# more /etc/issue 檢視版本

解決方法：1、

# rm [a-n]* -rf

# rm [o-z]* -rf

2、使用 find 命令來刪除

# find /var/spool/clientmqueue –type f –print –exec rm –f {} ;

3、通過 shell 指令碼

#/bin/bash

RM_DIR=’/var/spool/clientmqueue’

cd $RM_DIR

for I in `ls`

do

rm –f $i

done

4、重新編譯核心

需要手動增加核心中分配給命令列引數的頁數，開啟 kernel source 下面的 include/linux/binfmts.h 檔案，找到如下行：

#denfine MAX_ARG_PAGES 32

將 32 改為更大的值，例如 64 或者 128，然後重新編譯核心

問題 3：inode 耗盡導致應用故障

客戶的一臺 Oracle 資料庫如武器在關機重啟後，Oracle 監聽無法啟動，提示報錯 Linux error : No space left on device

從輸出資訊看出來是因為磁碟耗盡導致監聽無法啟動，因為 Oracle 在啟動監聽時需要建立監聽日誌檔案，於是首先檢視磁碟空間使用情況

# df -h

從磁碟輸出資訊可知，所有的分割槽磁碟空間都還有剩餘不少，而 Oracle 監聽寫日誌的路徑在 / var 分割槽下，/var 下分割槽空間足夠。

解決思路：

既然錯誤提示語磁碟空間有關，那就深入研究關於磁碟空間的問題，在 linux 系統中對磁碟空間的佔用分為三個部分：第一個是物理磁碟空間，第二個是 inode 節點所佔用的磁碟空間，第三個是 linux 用來存放訊號量的空間，而平時接觸較多的是物理磁碟空間。既然不是物理磁碟空間的問題，接著就檢查是否是 inode 節點耗盡的問題，通過執行命令 “df -i” 檢視可用的 inode 節點。由輸出結果看出確實是因為 inode 耗盡導致無法寫入檔案。

可以通過下面的命令檢視某個磁碟分割槽 inode 的總數

# dumpe2fs -h /dev/sda3 |grep ‘Inode count’

每個 inode 都有一個號碼，作業系統用 inode 號碼來區分不同的檔案，通過‘ls -i’命令可以檢視檔名對應的 inode 號

如果要檢視這個檔案更詳細的 inode 資訊，可以通過 stat 命令來實現

# stat install.log

解決問題

# find /var/spool/clientmqueue/ -name “*” -exec rm -rf {} ;

問題 4：檔案已經刪除，但是空間沒有釋放的原因

運維監控系統發來通知，報告一臺伺服器空間滿了，登陸伺服器檢視，根分割槽確實滿了，這裡先說一下伺服器的一些刪除策略，由於 linux 沒有回收站功能，所以線上伺服器上所有要刪除的檔案都會先移到系統 / tmp 目錄下，然後定期清除 / tmp 目錄下的資料。這個策略本身沒有什麼問題，但是通過檢查發現這臺伺服器的系統分割槽中並沒有單獨劃分 / tmp 分割槽，這樣 / tmp 下的資料其實佔用根分割槽的空間，既然找到了問題，那麼刪除 / tmp 目錄下一些佔用空間較大的資料檔案即可。

# du -sh /tmp/* | sort -nr |head -3

通過命令發現在 / tmp 目錄下有個 66G 大小的檔案 access_log，這個檔案應該是 apache 產生的訪問日誌檔案，從日誌大小來看，應該是很久沒有清理的 apache 日誌檔案了，基本判定是這個檔案導致的根空間爆滿，在確認此檔案可以刪除後，執行如下刪除命令，

# rm /tmp/access_Iog

# df -h

從輸出來看，根分割槽空間仍然沒有釋放，這是怎麼回事

一般來說不會出現刪除檔案後空間不釋放的情況，但是也存在例外，比如檔案程序鎖定，或者有程序一直在向這個檔案寫資料，要理解這個問題，就需要知道 linux 下檔案的儲存機制和儲存結構。

一個檔案在檔案系統中存放分為兩個部分：資料部分和指標部分，指標位於檔案系統的 meta-data 中，在將資料刪除後，這個指標就從 meta-data 中清除了，而資料部分儲存在磁碟中。在將資料對應的指標從 meta-data 中清除後，檔案資料部分佔用的空間就可以被覆蓋並寫入新的內容，之所以出現刪除 access_log 檔案後，空間還沒有釋放，就是因為 httpd 程序還在一直向這個檔案寫入內容，導致雖然刪除了 access_Ilog 檔案，但是由於程序鎖定，檔案對應的指標部分並未從 meta-data 中清除，而由於指標並未刪除，系統核心就認為檔案並未被刪除，因此通過 df 命令查詢空間並未釋放。

問題排查：

既然有了解決思路，那麼接下來看看是否有程序一直在向 access_log 檔案中寫入資料，這裡需要用到 linux 下的 losf 命令，通過這個命令可以獲取一個仍然被應用程式佔用的已刪除檔案列表

# lsof | grep delete

從輸出可以看出，/tmp/access_log 檔案被程序 httpd 鎖定，而 httpd 程序還一直向這個檔案寫入日誌資料，最後一列的‘deleted’狀態說明這個日誌檔案已經被刪除，但是由於程序還在一直向此檔案寫入資料，因此空間並未釋放。

解決問題：

到這裡問題就基本排查清楚了，解決這一類問題的方法有很多，最簡單的方法就是關閉或者重啟 httpd 程序，當然重啟作業系統也可以。不過這些並不是最好的辦法，對待這種程序不停對檔案寫日誌的操作，要釋放檔案佔用的磁碟空間，最好的方法是線上清空這個檔案，具體可以通過如下命令完成:

# echo “”>/tmp/access_log

通過這種方法，磁碟空間不但可以馬上釋放，也可以保障進城繼續向檔案寫入日誌，這種方法經常用於線上清理 apache /tomcat/nginx 等 web 服務產生的日誌檔案。

問題 5："too many open files" 錯誤與解決方法

問題現象：這是一個基於 java 的 web 應用系統，在後臺新增資料時提示無法新增，於是登陸伺服器檢視 tomcat 日誌，發現如下異常資訊，java.io.IOException: Too many open files

通過這個報錯資訊，基本判斷是系統可以用的檔案描述符不夠了，由於 tomcat 服務室系統 www 使用者啟動的，於是以 www 使用者登陸系統，通過 ulimit –n 命令檢視系統可以開啟最大檔案描述符的數量，輸出如下：

$ ulimit -n

65535

可以看到這臺伺服器設定的最大可以開啟的檔案描述符已經是 65535 了，這麼大的值應該夠用了，但是為什麼提示這樣的錯誤呢

解決思路，這個案例涉及 ulimit 命令的使用

在使用 ulimit 時，有以下幾種使用方法：

1、 在使用者環境變數中加入

如果使用者使用的是 bash，那麼可以在使用者目錄的環境變數檔案. bashrc 或者. bash_profile 中加入 “ulimit –u128” 來限制使用者最多可以使用 128 個程序

2、 在應用程式的啟動指令碼中加入

如果應用程式是 tomcat，那麼可以再 tomcat 的啟動指令碼 startup.sh 中加入‘ulimit -n 65535’來限制使用者最多可以使用 65535 個檔案描述符

3、 直接在 shell 命令終端執行 ulimit 命令

這種方法的資源限制僅僅在執行命令的終端生效，在退出或者和關閉終端後，設定失效，並且這個設定不影響其他 shell 終端

解決問題：

在瞭解 ulimit 知識後，接著上面的案例，既然 ulimit 設定沒有問題，那麼一定是設定沒有生效導致的，接下來檢查下啟動 tomcat 的 www 使用者環境變數是否新增 ulimit 限制，檢查後發現，www 使用者並無 ulimit 限制。於是繼續檢查 tomcat 啟動指令碼 startup.sh 檔案是否添加了 ulimit 限制，檢查後發現也沒有新增。最後考略是否將限制加到了 limits.conf 檔案中，於是檢查 limits.conf 檔案，操作如下

# cat /etc/security/limits.conf | grep www

www soft nofile 65535

www hard nofile 65535

從輸出可知，ulimit 限制加在 limits.conf 檔案中，既然限制已經添加了，配置也沒有什麼錯，為何還會報錯，經過思考，判斷只有一種可能，那就是 tomcat 的啟動時間早於 ulimit 資源限制的新增時間，於是首先檢視下 tomcat 啟動時間，操作如下

# uptime

Up 283 days

# pgrep -f tomcat

4667

# ps -eo pid,lstart,etime|grep 4667

4667 Sat Jul 6 09;33:39 2013 77-05:26:02

從輸出可以看出，這臺伺服器已經有 283 沒有重啟了，而 tomcat 是在 2013 年 7 月 6 日 9 點啟動的，啟動了將近 77 天，接著繼續看看 limits.conf 檔案的修改時間，

# stat /etc/security/limits.conf

通過 stat 命令清除的看到，limits.conf 檔案最後的修改時間是 2013 年 7 月 12，晚於 tomcat 啟動時間，清楚問題後，解決問題的方法很簡單，重啟一下 tomcat 就可以了。

問題 6：Read-only file system 錯誤與解決方法

解析：出現這個問題的原因有很多種，可能是檔案系統資料塊出現不一致導致的，也可能是磁碟故障造成的，主流 ext3/ext4 檔案系統都有很強的自我修復機制，對於簡單的錯誤，檔案系統一般都可以自行修復，當遇到致命錯誤無法修復的時候，檔案系統為了保證資料一致性和安全，會暫時遮蔽檔案系統的寫操作，講檔案系統 變為只讀，今兒出現了上面的 “read-only file system” 現象。

手工修復檔案系統錯誤的命令式 fsck，在修復檔案系統前，最好解除安裝檔案系統所在的磁碟分割槽

# umount /www/data

Umount : /www/data: device is busy

提示無法解除安裝，可能是這個磁碟中還有檔案對應的程序在執行，檢查如下：

# fuser -m /dev/sdb1

/dev/sdb1: 8800

接著檢查一下 8800 埠對應的什麼程序，

# ps -ef |grep 8800

檢查後發現時 apache 沒有關閉，停止 apache

# /usr/local/apache2/bin/apachectl stop

# umount /www/data

# fsck -V -a /dev/sdb1

# mount /dev/sdb1 /www/data