服务器运维到底管什么？零基础入门前先搞清这几件事

刚拿到一台服务器的人，十有八九会先装个面板，然后盯着那个绿色对勾发呆。能ping通、能打开网页，就觉得运维这关过了。真到半夜磁盘写满、SSH连不上、带宽跑满被机房限速的时候，才发现自己连日志在哪都不知道。

运维不是把机器跑起来就完事。它更像给一台机器建立一套「体检+急救」的机制。这套机制不需要多复杂，但缺了任何一环，出事的时候都会抓瞎。下面按实际动手的顺序说，从拿到机器到能睡个安稳觉，中间要补哪些东西。

系统装完的第一小时，比后面一个月都关键

很多人装完系统直接就开始部署业务，这是最容易埋雷的地方。我一般会先花二十分钟把基础项过一遍，后面能省掉大量排查时间。

• 改SSH端口、禁用root密码登录，换成密钥。这一步不做，机器放在公网上，通常几个小时就能在auth.log里看到成百上千次爆破记录。
• 确认时间同步。时间不同步会导致日志时间错乱，出故障时你根本对不上前后顺序。装个chrony或ntp，设成开机自启。
• 看一眼磁盘分区。很多默认安装会把大部分空间给根分区，/var和/home挤在一起。跑数据库的机器，数据目录最好单独挂一块盘。

这几件事加起来不到半小时，但跳过它们的代价，往往是某天凌晨被一条「磁盘使用率100%」的告警叫醒。

监控看什么：不是装个面板就完事

监控工具装上去容易，看懂难。新手最容易犯的错是把CPU使用率当成唯一指标，CPU一高就紧张，CPU一低就觉得没事。

实际运维里，我盯得最多的是这几个数：磁盘剩余空间、内存可用量（不是使用率，是真正可用的）、带宽出方向流量、以及TCP连接数。CPU反而排在后面，因为大部分业务的CPU波动是正常的。

拿带宽来说，一台标称100M的机器，如果出方向长期跑到80M以上，就得留意了。不是机器扛不住，是机房那边可能已经开始记录你的流量异常，轻则限速，重则要求升级线路。西雅图那类G口大带宽机器为什么贵，就是贵在这条线上——美国西雅图大带宽服务器 III配的是Platinum-8168双路、64G内存、G口带宽，月付$658.50，适合流量本身就大的业务，普通站点用不上这个规格。

告警阈值别设太敏感。全设成80%的话，一天能收几十条通知，最后你会直接把通知静音，等于没监控。磁盘设90%，内存设95%，带宽设持续十分钟超过70%，这样出来的告警才值得看。

出问题先查哪里：一套能照着走的排查顺序

机器出故障的时候，最怕的是东查一下西查一下。按固定顺序走，多数问题五分钟内能定位个大概。

第一步永远是看能不能连上。SSH连不上，先ping，ping不通再让机房看是不是硬件或网络问题。ping通但SSH连不上，多半是sshd进程挂了或者磁盘满了——磁盘满会导致系统无法写日志、无法创建新进程，表现就是「什么命令都执行不了」。

第二步看负载。uptime里的load average，如果1分钟值远高于CPU核心数，说明有进程在排队。这时候用top或htop找出来是哪个进程。注意，load高不一定是CPU问题，磁盘IO卡住也会让load飙升。

第三步看日志。系统日志在/var/log，应用日志看业务自己配的路径。查日志有个技巧：先看最后一百行，再看出错时间点附近的内容，不要从头翻。

我见过不少新手卡在「服务起不来」这一步，反复重启服务，但从不看日志。实际上日志里第一行就写清楚了原因，比如端口被占用、配置文件权限不对、依赖的服务没启动。

如果业务跑在物理服务器上，硬件层面的排查还要多一步。硬盘故障、内存报错这些，机房通常会有带外管理或者监控能提前发现。选机器的时候，双路E5-2683v4配64G内存这种配置，美国西雅图高防服务器25月付$219.00，适合需要一定冗余、又不想在硬件上花太多预算的场景。高防能力是附带的，真被攻击的时候能挡一阵。

把运维做成流程，而不是靠记忆

零基础入门，最实际的目标不是学会所有命令，而是建立起一套「出事不慌」的流程。流程包括：新机器上线检查清单、日常监控看哪几个数、故障排查顺序、以及定期备份。

备份这件事，很多人是吃过亏才重视。备份不是把数据复制一份放在同一台机器上，那叫冗余不叫备份。真正的备份至少要在另一台机器或者另一个存储上，并且定期验证能不能恢复。

按我的经验，一个人管几台到十几台服务器，用上面这套方法足够了。再多的话，就得考虑自动化工具，但那是下一步的事。先把基础流程跑顺，比一上来就折腾复杂工具实在得多。

最后给个直接结论：如果你刚接手第一台服务器，先花一小时做完系统加固和监控配置，再花半小时写下你的排查顺序贴在显眼处。这两件事做完，你就已经比大多数「只会重启」的人靠谱了。预算有限的话，入门阶段选一台配置够用的物理服务器就行，把精力放在流程上，而不是追高配置。