企业运维手册香港的vps管理故障排查与备份方案

1. 环境概览与前置准备

1) 登录信息与权限：确认云厂商控制台、VPS root/管理员账号、SSHKey（通常在~/.ssh/authorized_keys）。
2) 网络与端口表：列出管理端口（SSH、HTTP/HTTPS、数据库端口等）。示例文件：/opt/ops/vps_inventory.txt。
3) 建议工具：ssh, scp, rsync, tar, mysqldump/pg_dump, systemctl, journalctl, ss/netstat, tcpdump, mtr, iperf3。

2. 日常检查（5 分钟健康检查）

1) CPU/内存/Disk：top 或 free -h；df -h；检查 /var/log/messages、/var/log/syslog 最近50行：tail -n 50 /var/log/syslog。
2) 磁盘IO：iostat -xz 1 3（需安装 sysstat）；发现 iowait 高则检查进程 sudo iotop。
3) 网络连通：ping -c 4 8.8.8.8；ss -tunlp 查看监听端口；curl -I http://localhost:80 验证服务响应。

3. SSH 无法连接的排查步骤

1) 控制台登录：先用云厂商 Web Console 或 Rescue Mode（救援模式）访问。
2) 检查 sshd 状态：systemctl status sshd；重启：sudo systemctl restart sshd && sudo journalctl -u sshd -n 50。
3) 验证防火墙：sudo ufw status verbose 或 sudo iptables -L -n；若端口被阻塞，临时允许 sudo ufw allow 22/tcp。
4) 检查认证问题：/var/log/auth.log 中搜索“sshd”相关错误；确认 authorized_keys 权限为600，.ssh 目录为700。

4. 服务不可用（HTTP/数据库）排查指南

1) 进程与端口：ss -tunlp | grep :80 或 :443，若无监听，查看 web 服务日志（常见路径 /var/log/nginx/error.log 或 /var/log/apache2/error.log）。
2) 重载配置：sudo nginx -t && sudo systemctl reload nginx；若失败，先备份配置后回滚。
3) 数据库故障：mysql 服务状态 sudo systemctl status mysql；查看错误 /var/log/mysql/error.log。若是数据文件损坏，使用 mysqld --innodb_force_recovery=1..6（慎用，先备份）。

5. 磁盘空间耗尽的快速恢复步骤

1) 查找大文件：sudo du -sh /* | sort -h 或 sudo find / -xdev -type f -size +100M -exec ls -lh {} \;。
2) 清理日志：logrotate 配置 /etc/logrotate.d/，手动清理旧日志：sudo truncate -s 0 /var/log/large.log。
3) 临时扩容：在云控制台调整磁盘大小并在系统内扩展分区（例：growpart /dev/vda 1 && resize2fs /dev/vda1 或 xfs_growfs）。

6. 网络性能与丢包排查（实操）

1) 路径追踪：mtr -r -c 100 目标IP，观察丢包和延迟跳点。
2) 抓包分析：sudo tcpdump -i eth0 port 80 -w /tmp/http.pcap，下载到本地用 Wireshark 分析。
3) 基准测试：iperf3 客户端/服务器测试带宽与丢包，能区分内部网络与公网问题。

7. 自动化监控与告警建议

1) 部署监控：推荐 Prometheus + node_exporter + alertmanager，或轻量 Netdata。
2) 告警规则：CPU>85% 持续 5 分钟，磁盘使用>80%，服务 down。将告警推送到 Slack/邮件/电话。
3) 日志集中：ELK/EFK 或 Loki + Grafana，确保日志保留策略与索引策略到位以节省空间。

8. 备份策略总览（3-2-1 原则落地）

1) 3 份备份、2 种媒介、1 份异地：本地快照+远程 rsync 到另一个香港/海外节点+对象存储（如 S3、阿里 OSS）。
2) 数据分层：静态文件用 rsync，数据库用逻辑导出（mysqldump/pg_dump）或物理备份（Percona XtraBackup）。
3) 加密与版本：备份文件用 gpg 对称/非对称加密，并保留最近 7 天增量、每周全量、每月归档。

9. 可执行的备份脚本示例（rsync + mysqldump）

1) mysqldump：mysqldump -ubackup -p'PASSWORD' --single-transaction --quick --lock-tables=false dbname > /backup/dbname_$(date +%F).sql
2) 文件同步（增量）：rsync -az --delete --link-dest=/backup/last /var/www/ /backup/$(date +%F)/
3) 上传对象存储：使用 s3cmd 或 rclone，示例 rclone copy /backup s3:bucket/backup --transfers 4。将脚本加入 cron：0 2 * * * /usr/local/bin/backup.sh >/dev/null 2>&1

10. 恢复演练与验证步骤

1) 定期演练：每月至少在测试环境还原一次全量备份并验证应用能正常启动。
2) 数据库验证：导入 SQL 到测试库并运行完整性检查（表 count、关键业务查询结果比对）。
3) 快照回滚：在云控制台做快照回滚前，创建当前系统快照并记录变更窗口与回滚步骤文档。

11. 安全与合规性注意事项

1) 密钥管理：避免明文密码，使用 Vault（HashiCorp）或云 KMS 存储凭证。
2) 日志与审计：保存访问审计日志，定期检查异常登录与 sudo 使用记录。
3) 最小权限与网络隔离：使用安全组/防火墙仅开放必要端口；对内部服务使用私有网络。

12. 问答一：如何在香港 VPS 上实现近零 RTO 的恢复？

问：如何在香港 VPS 上实现近零恢复时间目标（RTO）？
答：使用主从/多活架构并结合实时复制（如 MySQL 的 GTID 复制或 PostgreSQL 的 streaming replication），将数据写入多个可用区；对文件使用实时同步（lsyncd 或 GlusterFS）；关键服务使用负载均衡（HAProxy/云 LB）与健康检查，出现节点故障自动切换，配合自动化脚本与基础镜像实现快速替换。

13. 问答二：备份策略如何避免影响生产性能？

问：怎样设置备份以不影响生产性能？
答：对数据库使用逻辑备份时启用 --single-transaction 或使用物理热备（XtraBackup）；把备份窗口设在低峰期，使用增量或差异备份减少 IO；把生成的备份文件先存本地临时目录再异步上传到对象存储，限制上行带宽（rsync --bwlimit=5000）；监控备份过程中的 IO/CPU 并设置告警。

14. 问答三：恢复失败时的应急流程是什么？

闏：如果恢复失败，第一步该做什么？（注：请按步骤说明）
答：1) 立即停止进一步破坏性操作并记录错误日志；2) 切换到预置的备用节点或只读实例以保持业务可用；3) 使用最近的已知良好快照恢复到隔离环境并重演恢复过程定位问题；4) 若快照损坏，回滚至上一个可用备份并手动补数据；5) 完成后复盘并补齐备份缺陷，更新恢复手册。

来源：企业运维手册香港的vps管理故障排查与备份方案