从零接手一台服务器，运维该按什么顺序上手

多数人第一次拿到服务器，第一件事是装面板、改端口、开防火墙，忙活一晚上觉得挺有成就感。等过两周机器真出问题，才发现日志只留了三天，备份从来没跑过，连上周改过哪个配置文件都想不起来。运维这件事的难点不在命令记不记得住，在于顺序对不对——先做什么、后做什么，决定了你后面是查问题还是重装。

下面按我自己的习惯，把一台新机器从接手到能稳定跑业务分成几段。每段只解决一个问题，别跳步。

第一件事不是装环境，是把退路留好

新机器到手，我会先做三件跟业务无关的事：确认登录方式、打开日志、跑通一次备份。

登录方式上，密码登录迟早要关，但别第一天就关。先用密钥登进去验证一遍，确认能用，再回头把 PasswordAuthentication 改成 no。改完别急着退出当前会话，另开一个窗口试一次，能进再关旧的。这一步省下的时间，比后面找回密码省得多。

日志方面，多数发行版默认的 journald 会限制磁盘占用，历史日志可能只留几天。业务日志如果直接写文件，记得配上 logrotate，不然一台 40G 系统盘的机器，跑两三个月就可能被日志撑满。

备份要跑通一次完整流程，不是配好脚本就算完。恢复演练才是关键——把备份文件解到另一台机器上，看能不能起来。没验证过的备份，等于没有备份。

监控先看三样，别一上来就堆仪表盘

监控平台装得越花哨，越容易没人看。刚起步的机器，我只看三样：负载、磁盘、内存。

• 负载：单核机器长期跑在 1.0 以上就该查了，是业务涨了还是某个进程卡死
• 磁盘：系统盘使用率超过 80% 就要处理，日志和临时文件是常见元凶
• 内存：重点看 swap 有没有被吃，一旦频繁换页，响应会明显变慢

这三样用系统自带的工具就能看，配合一个简单的告警脚本发到邮箱或群机器人，比装一套完整监控系统更快见效。等机器数量上到十几台，再考虑集中采集和可视化，那时候才有必要。

告警阈值别照抄网上的模板。跑数据库的机器和跑静态站的机器，同一个数值含义完全不同。我一般会先观察一周正常状态下的曲线，再把阈值定在正常值的 1.5 倍左右。

真正拉开差距的是出故障时你手里有什么

机器稳定运行的时候，运维水平看不出差别。差别在半夜两点服务挂了的那一刻：你知不知道它挂之前发生了什么。

这就要求平时把几件事做扎实。变更记录要留，改了哪个配置、什么时候改的、为什么改，哪怕只是记在一个文本文件里。很多人排障排到一半，才想起昨天调过一个参数，时间全浪费在回忆上。

关键服务的启动方式要统一。用 systemd 管的服务，就用 systemctl status 看状态、journalctl -u 看日志，别一半用脚本 nohup 起、一半用 supervisor 管，出问题时连进程是谁拉起来的都搞不清。

还有一点，别把所有东西都放在一台机器上。数据库和 Web 服务挤在同一台机器，一个跑满另一个就跟着遭殃。预算允许的话，把数据和应用分开，哪怕只是两台低配机器，排障时也清爽得多。按我的经验，业务量没起来之前，一台 硅谷裸机云 IX 这种 E5-2690*2 / 32G 的独立服务器，把应用和数据用不同目录、不同用户隔离，也能撑过早期阶段，等真扛不住了再拆。

哪些活该自己干，哪些该花钱买省心

运维的边界感很重要。系统层面的调优、业务相关的排障，这些自己干最合适，因为只有你懂业务。但机房的电、网、硬件故障，交给服务商更划算。

判断标准很简单：故障发生时，你能不能远程解决。硬盘坏了、内存报错、网络抖动，这些你远程做不了的事，就应该靠服务商的硬件保障和带外管理。选机器的时候，带外管理（IPMI/KVM）比多几个核更值得关注，它决定了机器起不来的时候你能不能救。

如果是跑国内访问为主的业务，机器放在香港会省掉不少跨区域排障的麻烦，延迟低、链路短，出问题时定位更快。像 香港大带宽(20M)高速云服务器 这类 4H / 4G / 20M 的配置，月付 12.50 美元，适合拿来当跳板机或监控节点，跟主力业务机分开，避免一挂全挂。

结论给得直接一点：个人站长和小团队，一台机器就够的时候，把时间花在备份验证和日志留存上，比研究内核参数有用得多；机器超过五台，再上集中监控和自动化。预算有限就先租后买，按月付试三个月，看真实负载再决定要不要升级配置。运维没有精通那一天，只有踩过的坑越来越少。