故障应急与排障出问题先查什么:5 步排查法

排障顺序比排障技术更重要。先排除“最近改动”和“资源耗尽”,能解决八成事故。

コラム・情報:故障应急与排障出问题先查什么:5 步排查法

五步顺序

顺序 检查 原因
1 影响面 决定等级
2 最近变更 最常见诱因
3 资源 磁盘/内存/连接
4 依赖 数据库/第三方
5 日志 定位具体错误

一、定影响面

  • 全站还是部分页面。
  • 所有用户还是特定地区。
  • 有替代路径与否。

影响面决定是否立刻叫醒人。

二、查最近变更

  • 最近 24 小时是否发布过。
  • 是否改过配置或权限。
  • 是否更新过依赖。

有变更就先考虑回滚。

三、查资源

  • 磁盘是否写满。
  • 内存是否耗尽。
  • 连接数是否打满。
  • CPU 是否异常。

资源问题通常表现为“突然变慢”或“间歇性失败”。

四、查依赖

  • 数据库是否可连。
  • 缓存服务是否正常。
  • 第三方接口是否超时。

依赖故障常被误判为“自家程序问题”。

五、查日志

  • 错误日志最近记录。
  • 特定时间点的异常。
  • 是否有重复报错模式。

到这一步通常能定位到具体代码或配置。

排查时的三条纪律

  • 先止损再深挖。
  • 每一步记录结论,不重复排查。
  • 不确定时升级,不硬扛。

边界

本文按常见 Web 架构整理。分布式或多服务架构需要链路追踪配合,排查路径不同。

相关阅读: