一、尽可能搞清楚问题的前因后果
不要一下子就扎到服务器前面，你需要先搞明白对这台服务器有多少已知的情况，还有故障的具体情况。不然你很可能就是在无的放矢。
必须搞清楚的问题有：
- 故障的表现是什么？无响应？报错？
- 故障是什么时候发现的？
- 故障是否可重现？
- 有没有出现的规律（比如每小时出现一次）
- 最后一次对整个平台进行更新的内容是什么（代码、服务器等）？
- 故障影响的特定用户群是什么样的(已登录的, 退出的, 某个地域的…)?
- 基础架构（物理的、逻辑的）的文档是否能找到?
- 是否有监控平台可用?
（比如Munin、Zabbix、 Nagios、
New Relic… 什么都可以）
- 是否有日志可以查看?. （比如Loggly、Airbrake、 Graylog…）
最后两个是最方便的信息来源，不过别抱太大希望，基本上它们都不会有。只能再继续摸索了。
二、有谁在?
[plain] view plaincopyprint?
- $ w
- $ last
用这两个命令看看都有谁在线，有哪些用户访问过。这不是什么关键步骤，不过最好别在其他用户正干活的时候来调试系统。有道是一山不容二虎嘛。（ne cook in the kitchen is enough.）
三、之前发生了什么?
[plain] view plaincopyprint?
- $ history
查看一下之前服务器上执行过的命令。看一下总是没错的，加上前面看的谁登录过的信息，应该有点用。另外作为admin要注意，不要利用自己的权限去侵犯别人的隐私哦。
到这里先提醒一下，等会你可能会需要更新 HISTTIMEFORMAT 环境变量来显示这些命令被执行的时间。对要不然光看到一堆不知道啥时候执行的命令，同样会令人抓狂的。
四、现在在运行的进程是啥?
[plain] view plaincopyprint?
- $ pstree -a
- $ ps aux
这都是查看现有进程的。 ps aux 的结果比较杂乱， pstree -a 的结果比较简单明了，可以看到正在运行的进程及相关用户。
五、监听的网络服务
[plain] view plaincopyprint?
- $ netstat -ntlp
- $ netstat -nulp
- $ netstat -nxlp
我一般都分开运行这三个命令，不想一下子看到列出一大堆所有的服务。netstat -nalp倒也可以。不过我绝不会用 numeric 选项 （鄙人一点浅薄的看法：IP 地址看起来更方便）。
找到所有正在运行的服务，检查它们是否应该运行。查看各个监听端口。在netstat显示的服务列表中的PID 和 ps aux 进程列表中的是一样的。
如果服务器上有好几个Java或者Erlang什么的进程在同时运行，能够按PID分别找到每个进程就很重要了。
通常我们建议每台服务器上运行的服务少一点，必要时可以增加服务器。如果你看到一台服务器上有三四十个监听端口开着，那还是做个记录，回头有空的时候清理一下，重新组织一下服务器。
六、CPU 和内存
[plain] view plaincopyprint?
- $ free -m
- $ uptime
- $ top
- $ htop
注意以下问题:
- 还有空余的内存吗? 服务器是否正在内存和硬盘之间进行swap?
- 还有剩余的CPU吗? 服务器是几核的? 是否有某些CPU核负载过多了?
- 服务器最大的负载来自什么地方? 平均负载是多少?
七、硬件
[plain] view plaincopyprint?
- $ lspci
- $ dmidecode
- $ ethtool
有很多服务器还是裸机状态，可以看一下：
- 找到RAID 卡 (是否带BBU备用电池?)、 CPU、空余的内存插槽。根据这些情况可以大致了解硬件问题的来源和性能改进的办法。
- 网卡是否设置好? 是否正运行在半双工状态? 速度是10MBps? 有没有 TX/RX 报错?
八、IO 性能
[plain] view plaincopyprint?
- $ iostat -kx 2
- $ vmstat 2 10
- $ mpstat 2 10
- $ dstat --top-io --top-bio
这些命令对于调试后端性能非常有用。
- 检查磁盘使用量：服务器硬盘是否已满?
- 是否开启了swap交换模式 (si/so)?
- CPU被谁占用：系统进程? 用户进程? 虚拟机?
dstat是我的最爱。用它可以看到谁在进行 IO： 是不是MySQL吃掉了所有的系统资源? 还是你的PHP进程?
九、挂载点 和 文件系统
[plain] view plaincopyprint?
- $ mount
- $ cat /etc/fstab
- $ vgs
- $ pvs
- $ lvs
- $ df -h
- $ lsof +D /
- 一共挂载了多少文件系统?
- 有没有某个服务专用的文件系统? (比如MySQL?)
- 文件系统的挂载选项是什么： noatime? default? 有没有文件系统被重新挂载为只读模式了？
- 磁盘空间是否还有剩余?
- 是否有大文件被删除但没有清空?
- 如果磁盘空间有问题，你是否还有空间来扩展一个分区？
十、内核、中断和网络
[plain] view plaincopyprint?
- $ sysctl -a | grep ...
- $ cat /proc/interrupts
- $ cat /proc/net/ip_conntrack
- $ netstat
- $ ss -s
- 你的中断请求是否是均衡地分配给CPU处理，还是会有某个CPU的核因为大量的网络中断请求或者RAID请求而过载了？
- SWAP交换的设置是什么？对于工作站来说swappinness 设为 60 就很好, 不过对于服务器就太糟了：你最好永远不要让服务器做SWAP交换，不然对磁盘的读写会锁死SWAP进程。
conntrack_max是否设的足够大，能应付你服务器的流量?
- 在不同状态下(
TIME_WAIT, …)TCP连接时间的设置是怎样的？ 如果要显示所有存在的连接，netstat会比较慢， 你可以先用
ss看一下总体情况。
你还可以看一下 Linux TCP tuning 了解网络性能调优的一些要点。
十一、系统日志和内核消息
- 查看错误和警告消息，比如看看是不是很多关于连接数过多导致？
- 看看是否有硬件错误或文件系统错误?
- 分析是否能将这些错误事件和前面发现的疑点进行时间上的比对。
[plain] view plaincopyprint?
- $ dmesg
- $ less /var/log/messages
- $ less /var/log/secure
- $ less /var/log/auth
十二、定时任务
[plain] view plaincopyprint?
- $ dmesg
- $ less /var/log/messages
- $ less /var/log/secure
- $ less /var/log/auth
$ dmesg $ less /var/log/messages $ less /var/log/secure $ less /var/log/auth
- 是否有某个定时任务运行过于频繁?
- 是否有些用户提交了隐藏的定时任务?
- 在出现故障的时候，是否正好有某个备份任务在执行？
十三、应用系统日志
这里边可分析的东西就多了, 不过恐怕你作为运维人员是没功夫去仔细研究它的。关注那些明显的问题，比如在一个典型的LAMP（Linux+Apache+Mysql+Perl）应用环境里:
- Apache & Nginx; 查找访问和错误日志, 直接找
5xx错误, 再看看是否有
limit_zone错误。
- MySQL; 在
mysql.log找错误消息，看看有没有结构损坏的表，是否有innodb修复进程在运行，是否有disk/index/query 问题.
- PHP-FPM; 如果设定了 php-slow 日志, 直接找错误信息 (php, mysql, memcache, …)，如果没设定，赶紧设定。
- Varnish;
在varnishlog和
varnishstat 里, 检查 hit/miss比. 看看配置信息里是否遗漏了什么规则，使最终用户可以直接攻击你的后端？ - HA-Proxy; 后端的状况如何？健康状况检查是否成功？是前端还是后端的队列大小达到最大值了？
结论
经过这5分钟之后，你应该对如下情况比较清楚了：
- 在服务器上运行的都是些啥？
- 这个故障看起来是和 IO/硬件/网络 或者 系统配置 (有问题的代码、系统内核调优, …)相关。
- 这个故障是否有你熟悉的一些特征？比如对数据库索引使用不当，或者太多的apache后台进程。
你甚至有可能找到真正的故障源头。就算还没有找到，搞清楚了上面这些情况之后，你现在也具备了深挖下去的条件。继续努力吧！
自己总结：
1、最重要的看 /etc/passwd 有可能异常用户成了root权限。caoyi：0:0 自己成了root，很危险，删掉！！！
2、首先先top d1 看下有没有异常进程有就先 kill -STOP pid 先暂停该进程，千万不要盲目杀死。防止是木马，会自动启动进程。。
3、然后 ll -arth /etc/ /etc/init.d /usr/sbin /usr/bin /bin /sbin /tmp 这几个关键目录是否新添了文件尤其是可执行的文件
有可能就是那个异常进程的脚本。。删掉 然后将该目录锁定，，chattr +i 、path。
4、接下来可以 pidof name（异常进程） kill -9 pid 干掉他
5、如果在pidof没有尽兴，你可以 for i in /proc/[0-9]* ;do grep "getty" $i/cmdline;done 找下他的进程号！干掉！
以上都是通过以下杀的几个毒的总结：
1， 十字节木马：
a, ll -rt /usr/bin #看最后几个输出有没有十字节病毒程序，比如为： lksnlfjdfdf
b, top 观察lksnlfjdfdf 进程的pid
c， kill -STOP lksnlfjdfdf 进程的pid
d, vim /etc/crontab 删除 gcc4.sh 这一行
e， chattr +i /etc/crontab
c， rm -f /etc/cron.hourly/gcc4.sh; rm -f /lib/libudev4.so*; rm -f /etc/init.d/lksnlfjdfdf; rm -f /usr/bin/lksnlfjdfdf; pkill lksnlfjdfdf
2, m62, ets 一类木马：
a, 查 m62 的pid为pid1， 找到 .sshd 这个进程的pid 为pid2
b, kill -9 pid1 pid2
c, 删除系统程序 ps, ss, netstat, lsof 同时删除 /etc/init.d/Dbsecurity*, /usr/bin/.sshd, /usr/bin/bsd-port/*
3, s1
a, 查 s1 的pid为pid1， 找到 .sshd 这个进程的pid 为pid2
b, kill -9 pid1 pid2
c, 删除 /etc/init.d/Dbsecurity*, /usr/bin/.sshd, /usr/bin/bsd-port/*
4, sshd 被感染
判断：是否有密码文件 /usr/bin/tk， 有为openssh 被感染，
暂时修复： 用正常的sshd 替换 感染机器上的 sshd， chmod +x sshd, service sshd restart
文章出自：http://blog.jobbole.com/36375/
排障思路--------杀毒