运维必存的20个常见的故障排查、修复大全

admin 管理员组

文章数量: 887021

你们好，我的网工朋友。

“稳定是偶然，异常才是常态”。这句话用来形容运维的工作再合适不过了

对于运维来说，工作最常遇到的就是不稳定性带来的各种故障，经常围绕发现故障、响应故障、定位故障、恢复故障这四大步骤打转。

为此，今天给你总结了20个不同类型的故障及其排查解决的办法，覆盖了网络、系统、硬件和软件等四种故障，助你在学习中总结出更多经验，为下一步工作打好更结实的基础。

今日文章阅读福利：《 2024运维学习提升必备资料 》

想系统学习运维知识的朋友，今天这个资料很适合你。私信发送暗号“运维大礼包”，即可获得此份2024提升必备资料。

01 网络故障

01 交换机刚加电时网络无法通信

故障现象：

交换机刚刚开启的时候无法连接至其他网络，需要等待一段时间才可以。另外，需要使用一段时间之后，访问其他计算机的速度才快，如果有一段时间不使用网络，再访问的时候速度又会慢下来。

故障分析：

由于案例中的交换机是一台可网管交换机，为了避免网络中存在拓扑环，从而导致网络瘫痪，可网管交换机在默认情况下都启用生成树协议。

这样即使网络中存在环路，也会只保留一条路径，而自动切断其他链路。所以当交换机在加电启动的时候，各端口需要依次进入监听、学习和转发状态，这个过程大约需要3~5分钟时间。

如果需要迅速启动交换机，可以在直接连接到计算机的端口上启动“PortFast”，使得该端口立即并且永久转换至转发状态，这样设备可以立即连接到网络，避免端口由监听和学习状态向转发状态过渡而必须的等待时间。

解决方法：

如果需要在交换机加电之后迅速实现数据转发，可以禁用扩展树协议，或者将端口设置为PortFast模式。

不过需要注意的是，这两种方法虽然省略了端口检测过程，但是一旦网络设备之间产生拓扑环，将导致网络通信瘫痪。

02 “COL”指示灯长亮或不断闪烁，无法实现通信

故障现象：

局域网中计算机通过集线器访问服务器，但是某日发现所有客户端计算机无法与服务器进行连接，客户机之间Ping也时断时续。检查集线器发现“COL”指示灯长亮或不断闪烁。

故障分析：

“COL”指示灯用于指示网络中的碰撞和冲突情况。“COL”灯不停闪烁，表明冲突发生；

“COL”灯长亮则表示有大量冲突发生。导致冲突大量发生的原因可能是集线器故障，也可能是网卡故障。

一般情况下，网卡出现故障的可能性比较小，因此将重点放在对集线器的排除方面。

解决方法：

更换集线器，网络恢复正常。

03 升级至千兆网络之后，服务器连接时断时续

故障现象：

原先服务器采用10/100MbIT/s网卡，运行一切正常。但是安装了一款1000MbIT/s网卡，用其连接至中心交换机的1000Base-T端口之后，服务器与网络的连接时断时续，连接极不稳定，无法提供正常的网络服务。使用网线测试仪测试网络，发现双绞线链路的连通性没有问题。

故障分析：

在100Mbit/s时连接正常，只是在升级到1000Mbit/s时才发生故障，看来导致这种故障的原因可能是超五类布线问题。

虽然从理论上说超五类系统支持1000Mbit/s的传输速率，但是如果双绞线、配线架、网线和其他网络设备的品质不是很好，或者端接工艺有问题，就仍然无法实现1000Mbit/s带宽。

由于1000Base-T需要使用双绞线全部的4对线，每对线的有效传输速率为250Mbit/s，并完成全双工传输，因此1000Base-T对双绞线的信号衰弱减、回波、返回耗损、串音和抗电磁干扰等电气性能有了更高的要求。如果双绞线或者其他配件的性能不好，就会在线对间产生严重串扰，从而导致通信失败。

解决方法：

考虑到五类布线系统的性能有可能无法满足千兆网络系统，因此更换为六类布线产品之后故障解决。

04 尽管Link灯不停闪动，但网速却奇慢

故障现象：

服务器上网速度很慢，开始时打开网页非常缓慢，后来甚至连网页都无法打开，Ping网站也无法解析地址。

起初以为是DNS设置或者服务器故障，但是这些都正常运行。尝试Ping其他计算机，发现丢包率很高。而此时交换机的Link指示灯不停闪烁，数据的交换非常频繁，说明计算机在不停地发送和接受数据包。

关闭交换机之后再重新打开，故障现象得到缓解，但是一段时间之后又出现这种故障。

故障分析：

从故障现象来看，这是网络内的广播风暴。广播风暴的产生会有很多种原因，比如蠕虫病毒、交换机端口故障、网卡故障、链路冗余而没有启用生成树协议、网线线序错误或者受到干扰等。

在网络故障发生的时候查看交换机指示灯是一个很便捷的判断方法，可以直观查看网络连通性和网络流量。

解决方法：

就目前情况来看，蠕虫病毒是造成网络瘫痪的最主要原因。

及时为服务器更新系统补丁，并且安装网络版本的病毒查杀软件，及时为服务器升级病毒库，在服务器安装防病毒客户端程序之后，故障得以解决。

05 集线器和路由器无法共享上网

故障现象：

多台计算机采用宽带路由器和集线器方式，利用集线器扩展端口组网共享Internet。

连接完成后，直接连接至宽带路由器LAN口的3台机器能上网，而通过集线器连接的计算机却无法上网，路由器与集线器之间无论采用交叉线或平行线都不行，且集线器上与路由器LAN端口连接的灯不亮。

另外，集线器上的计算机无法Ping通路由器，也无法Ping通其他计算机。

故障分析：

• 集线器自身故障

故障现象是集线器上的计算机彼此之间无法Ping通，更无法Ping通路由器。该故障所影响的只能是连接至集线器上的所有计算机。

• 级联故障

例如路由器与集线器之间的级联跳线采用了不正确的线序，或者是跳线连通性故障，或者是采用了不正确的级联端口。故障现象是集线器上的计算机之间可以Ping通，但无法Ping通路由器。不过，直接连接至路由器LAN端口的计算机的Internet接入将不受影响。

• 宽带路由器故障

如果是LAN端口故障，结果将与级联故障类似：如果是路由故障，结果将是网络内的计算机都无法接入Internet，无论连接至路由器的LAN端口，还是连接至路由器。

解决方法：

从故障现象上来看，连接至集线器的计算机既无法Ping通路由器，也无法Ping通其他计算机，初步断定应该是计算机至集线器之间的连接故障。

此时可以先更换一根网线试试，如果依然无法排除故障，则可以更换集线器解决。

06 IP地址冲突

故障现象：

计算机经常出现提示——“系统检测到IP地址http://xxx.xxx.xxx.xxx和网络硬件地址00 05 3B 0C 12 B7发生地址冲突。此系统的网络操作可能会突然中断”，然后就掉线一分钟左右又恢复网络连接。

故障分析：

这种系统提示是典型的IP地址冲突，也就是该计算机采用的IP地址与同一网络中另一台计算机的IP地址完全相同，从而导致通信失败。与该计算机发生冲突的网卡的Mac地址是“00 05 3B 0C 12 B7”。

通常情况下，IP地址冲突是由于网络管理员IP地址分配不当，或其他用户私自乱设置IP地址所造成的。

解决方法：

由于网卡的Mac地址具有唯一性，因此借助于MAC地址查找到与你发生冲突的计算机，并修改IP地址。

使用“IPCONFIG /ALL”命令，即可查看计算机的IP地址与MAC地址。最后使用“ARP –S IP地址 网卡物理地址”的命令，将此合法IP地址与你的网卡MAC地址进行绑定即可。@网络工程师俱乐部

02 系统故障

（此处以Linux系统为主）

01 linux系统无法启动

原因1：文件系统配置不当，比如/etc/fstab文件等配置错误或丢失，导致系统错误无法启动。一般是人为修改错误或者文件系统故障。

排查方法：

系统配置/etc/fstab错误或丢失而无法启动，当启动的时候，出现starting system logger后停止了；

解决方法：

想办法恢复/etc/fstab文件，利用linux rescue修复模式登录系统，从而获取挂载点和分区信息，重构/etc/fstab文件。

原因2：非法关机，导致root文件系统破坏，也就是linux根分区破坏，系统无法正常启动。

排查方法：

Linux下普遍采用的是ext3文件系统，ext3是一个具有日志记录功能的日志文件系统，可以进行简单的容错和恢复，但是在一个高负荷读写的ext3文件系统下，如果突然发生掉电，就很有可能发生文件系统内部结构不一致，导致文件系统破坏。

Linux在启动时，会自动去分析和检查系统分区，如果发现文件系统有简单的错误，会自动修复，如果文件系统破坏比较严重，系统无法完成修复时，系统就会自动进入单用户模式下或者出现一个交互界面，提示用户介入手动修复，现象类似下面所示：

checking root filesystem

/dev/sdb5 contains a file system with errors, check forced

/dev/sdb5:

Unattached inode 68338812

/dev/sdb5: UNEXPECTED INCONSISTENCY; RUN fsck MANUALLY

(i.e., without -a or -p options)

FAILED

/contains a file system with errors check forced

an eror occurred during the file system check

*dropping you to a shell;the system will reboot

when you leave the shell

Press enter for maintenance

(or type Control-D to continue):

give root password for maintenance

从这个错误可以看出，系统根分区文件系统出现了问题，系统在启动时无法自动修复，然后进入到了一个交互界面，提示用户进行系统修复。

这个问题发生的机率很高，引起这个问题的主要原因就是系统突然掉电，引起文件系统结构不一致。一般情况下解决此问题的办法是采用fsck命令，进行强制修复。

解决方法：

根据上面的错误提示，当按下“Control-D”组合键后系统自动重启，当输入root密码后进入系统修复模式，在修复模式下，可以执行fsck命令，具体操作过程如下：

[root@localhost /]#umount /dev/sdb5

[root@localhost /]#fsck .ext3 -y /dev/sdb5

e2fsck 1.39 (29-May-2006)

/ contains a file system with errors, check forced.

Pass 1: Checking inodes, blocks, and sizes

Pass 2: Checking directory structure

Pass 3: Checking directory connectivity

Pass 4: Checking reference counts

Inode 6833812 ref count is 2, should be 1. Fix? yes

Unattached inode 6833812

Connect to /lost+found? yes

Inode 6833812 ref count is 2, should be 1. Fix? yes

Pass 5: Checking group summary information

Block bitmap differences: -(519--529) -9273

Fix? yes…… ……

/: * FILE SYSTEM WAS MODIFIED **

/: 19/128520 files (15.8% non-contiguous), 46034/514048 blocks

需要注意的是，在执行fsck的时候，一定要先卸载要修复的分区，然后再执行修复操作！@网络工程师俱乐部

原因3：linux内核文件丢失或者崩溃，从而无法启动，也可能是因为内核升级错误或者内核存在bug。

这种情况一般linux系统启动会报错找不到内核文件，而内核文件存储在/boot分区，主要包括内核文件和初始化文件：

1、vmlinuz:内核镜像文件，包含内核代码和数据

显示error: file'/vmlinuz'not found

解决方案:

a. 使用可启动修复介质启动系统,并挂载系统磁盘的/boot分区；

b. 从安装介质或系统备份中提取vmlinuz内核文件,复制到/boot分区；

c. 更新引导配置(grub.cfg),将menuentry块中的linux行指向vmlinuz内核文件；

d. 重启系统,在引导菜单选择更新后的菜单项启动系统。

2、initrd/initramfs：初始化RAM磁盘,包含启动时需要的模块和驱动

显示error: file'/initrd.img'not found

解决方案:

a. 参考内核文件丢失的解决步骤a，挂载/boot分区和获取initrd.img文件；

b. 将initrd.img文件复制到/boot分区；

c. 更新grub.cfg，找到initrd相关行,将其指向新文件；

d. 重启系统,启动更新后的菜单项。

原因4：硬件故障，比如主板、电源、硬盘等出现问题，导致linux无法启动。

解决方法：一般来说由硬件造成的故障，只需更换硬件设备即可解决。

02 linux系统网络故障

排查1：检查网络硬件

检查网络故障，首先要排除网络硬件设备是否存在问题。比如网卡，网线，路由器，交换机等设备是否正常。

这些是网络正常运行的基本条件，如果发现某些设备出现故障，只需更换硬件即可解决问题。

排查2：检查网卡是否正常工作

1、检查网卡是否正常加载

可以通过 ifconfig 命令判断网卡是否正常加载。如果通过 ifconfig 可以显示网络接口的配置信息，表示系统找到网卡驱动程序，网卡加载正常；

解决方法：如果发现问题网卡，我们可以使用 ethtool 工具查看问题网卡的具体状态信息

（注意：Speed / Link deteced 等字段 ）

2、检查网卡IP设置是否正确

接下来就要检查网卡的软件设定，比如IP是否配置，配置是否正确，确保IP的配置和局域网其它计算机配置没有冲突。

排查3：检查局域网内主机能否互连

检查网络之间的连通是否存在故障，可以先通过ping命令测试局域网主机之间的连通性，然后ping网关，检测主机到网关的通信是否正常。

排查4：检查系统路由表信息是否正确

检查系统路由表状态是处理网络故障的一种很重要的方法。很多时候都是 ip 地址没有配错，网卡也正常加载但是路由配置不正确，而导致网络问题的出现。@网络工程师俱乐部

因此需要检查系统的路由表设置是否正确，如果一个linux系统有两块网卡，同时两块网卡设置的IP不在一个网段，要特别注意系统路由表的设置。例如下面这个系统的网络接口信息：

从上面输出可知，本系统有两块网卡，分别配置不同网段的IP地址，假定eth0通过映射的方式对外提供ssh连接服务，而eth1仅供局域网主机之间共享数据使用。

现在的问题是，外界无法ssh远程登录到此系统，而网卡加载没有问题，网卡IP设置也没问题，接下来看看此系统的路由设置：

至此问题已经基本排查出来了：从route的输出可知，linux的缺省路由是192.168.200.1，而192.168.200段的IP仅仅供局域网主机之间共享数据使用，没有连接出去的访问权限，因而，外界无法连接到linux系统。

解决方法：

删除192段的缺省路由，然后增加10段的缺省路由即可：

[root@webserver ~]# route delete default

[root@webserver ~]#route add default gw 10.10.1.254

此时外界就可以通过ssh服务远程连接到linux系统了。

排查5：检查DNS解析

在Linux系统中，有两个文件用来指定系统到哪里寻找相关域名解析的库。分别是文件/etc/host.conf和/etc/nsswitch.conf。

/etc/host.conf文件指定系统如何解析主机名，Linux通过域名解析库来获得主机名对应的IP地址。

下面是RedHat Linux安装后缺省的/etc/host.conf内容：

order hosts,bind

其中，order指定主机名查询顺序，这里表示首先查找/etc/hosts文件对应的解析，如果没有找到对应的解析，接着就根据/etc/resolve.conf指定的域名服务器进行解析。

/etc/nsswitch.conf文件是由SUN公司开发的，用于管理系统中多个配置文件查询的顺序，由于nsswich.conf提供了更多的资源控制方式，nsswich.conf文件现在已经基本取代了hosts.conf，虽然LINUX系统中默认这两个文档都存在，但实际上起作用的是 nsswitch.conf文件。

nsswitch.conf文件每行的配置都以一个关键字开头，后跟冒号，紧接着是空白，然后是一系列方法的列表。例如这段信息：

hosts: files dns

表示系统首先查询主机库文件，如果没有找到对应的解析，接着会去DNS配置文件指定的DNS服务器进行解析。

清楚了linux下域名解析的原理和过程，我们就可以根据这两个文件的设定，确定解析的顺序，从而判断出域名解析可能出现的问题。

排查6：检查相关服务是否开启

在一个应用出现故障时，必须要检测服务本身。比如服务是否开启，配置是否正确等。

检查服务是否正确打开，分为两步，第一步是查看服务的端口是否打开：

例如，我们不能用root用户ssh登录到192.168.60.133这台linux服务器，首先检查sshd服务的22端口是否打开：

[root@localhost init.d]# telnet 192.168.60.133 22SSH-2.0-Open

SSH_4.3

这个输出表示192.168.60.133的22端口对外开放，或者可以说sshd服务是处于打开状态。如果没有任何输出，可能是服务没有启动，或者服务端口被屏蔽。也可以在服务器上通过netstat命令检查22端口是否打开：

可以看到，22端口在服务器上是打开的，同时，服务器上打开的还有3306、80端口。

接着进行第二步的检查，既然服务已经打开，可能是sshd服务配置的问题，检查sshd服务配置文件/etc/ssh/sshd_config是否正确，发现有下面一行信息：

PermitRootLogin no

由此可知是ssh服务端配置文件限制了root用户不能登录系统，如果需要root登录系统，只需更改为如下即可：

PermitRootLogin yes

到这里为止，我们通过对端口和服务配置文件的层层检查，最终找到了问题的根源。需要说明的是，这里的重点不是讲述如何让root登录linux系统，而是要通过这个例子学会处理类似问题的思路和方法。

排查7：检查访问权限是否打开

1、检查系统防火墙 iptables的状态

当某些服务不能访问时，一定要检查是否被linux本机防火墙iptables屏蔽了，可以通过iptables -L指令查看iptables的配置策略。

例如我们不能访问某台linux服务器提供的www服务，通过检查，系统网络、域名解析都正常，并且服务也正常启动，然后检查了服务器的iptables策略配置，信息如下：

从上面的输出可知，这个linux服务器仅仅设置了预设策略，而致命的是将INPUT链和OUTPUT链都设置为DROP，也就是所有外部数据不能进入服务器，服务器数据也不能出去，这样的设置相当于没有网络。为了能访问这台服务器提供的www服务，增加两条策略即可：

这样一来，internet上的其他人就能访问我们的www服务了。

2、检查 SELinux 是否打开

SELinux是个系统级的安全防护工具，可以最大限度的保障Linux系统的安全。但是selinux有时也会给linux下软件 的运行带来一些问题，这些问题大部分是对selinux不了解造成的。

为了迅速定位问题，最简单的方法是先关闭selinux，然后测试软件运行是否正常，这不是个好方法，但是对于判断问题往往是很有用的。

selinux是个很好的安全访问控制软件，可是如果你还不能熟练运用selinux访问控制策略的话，还是建议将它暂时关闭，等到对linux有了更深入的认识后，再开启selinux不失为一个明智的策略。

03 MBR扇区故障

故障现象：

1、找不到引导程序，启动中断

2、无法加载操作系统，开机后黑屏

故障原因：

1、病毒、木马等造成的破坏

2、错误的分区操作，磁盘读写错误操作

解决方法：

1、备份MBR扇区数据

a.在关机状态下添加一块新硬盘:虚拟机-->硬盘-->添加-->选择硬盘-->下一步

b.启动主机进入Linux系统，并对新硬盘进行分区

查看硬盘分区情况:fdisk -l -->对新硬盘进行分区:fdisk/dev/sdb

c.建立新硬盘的文件系统(即格式化文件系统)

查看sdb磁盘的列表信息-->对磁盘进行格式化

d.挂载硬盘

创建挂载点-->挂载分区

e.备份MBR扇区数据

2、模拟MBR扇区被破坏的故障

重启计算机，当出现“Operating system not found”的提示信息，表示无法找到可用的操作系统，此时硬盘已经损坏，如果没有光盘引导，则系统一直处于如下状态，因此无法启动主机。@网络工程师俱乐部

3、进入急救模式来修复MBR扇区故障

a.先关闭计算机-->虚拟机-->电源-->打开电源时进入固件(F)-->选择Boot-->将光盘放在第一位

b.选择进入急救模式[Rescue installed system]

c.[choose a language]选择English-->确认

d.[Keyboard type]选择us-->确认

e.[Unsupported Hardware Detected]选择OK

f.[Satup Networking]选择No

g.[Rescue]选择Skip

h.选择Shell Start shell-->选择Ok

i.查看/dev/sdb硬盘和/dev/sda硬盘，能看到sdb1分区，看不到sda设备，因为sda设备的MBR被破坏

j.将之前拷贝的文件重新写回来

4、重启计算机，发现可以正常启动计算机，说明修复了MBR扇区故障。

04 GRUB引导故障

故障现象：

系统引导停滞，显示“grub>”提示符

故障原因：

有时Linux启动后会直接进入GRUB命令行界面(只有“grub>”提示符)，此时很多用户就选择了重新安装GRUB甚至重新安装系统。

其实一般而言此故障的原因最常见的有两个：

一是GRUB配置文件中选项设置错误；

二是GRUB配置文件丢失。

若是第一种情况，则一般显示error: you need to load the kernel first: 引导配置错误,内核文件没有被正确加载,提示先加载内核。

解决方案:

a. 启动系统修复介质，备份/boot分区文件；

b. 检查/boot/grub2/grub.cfg文件，找到menuentry块中linux和initrd行，确保它们正确指向vmlinuz和initrd.img文件；

c. 重启系统，进入BIOS将引导选项设置为启动磁盘，保存后重启；

d. 启动grescue grub>提示符，运行:

set prefix= (root) ′ /boot/grub2 ′configfile(prefix)/grub.cfg

boot

命令以修复并重新加载grub配置，然后启动系统。

若是第二种情况，GRUB rescue> : 当GRUB引导加载程序文件丢失或磁盘无法访问时,会结束在rescue提示符。

解决方案:

a. 启动系统安装或修复介质，备份数据并检查文件系统。使用fsck修复或使用娱乐用光盘工具修复磁盘问题；@网络工程师俱乐部

b. 引导进入安装系统，运行grub2-install /dev/sda将GRUB重新安装至系统磁盘MBR；

c. 修改BIOS启动选项为从系统磁盘启动。重启系统，现GRUB菜单应可正常显示，启动系统；

d. 如果仍无法启动，可能需要重新安装系统或更换硬件。

05 忘记linux root密码

很多人经常会忘记Linux系统的root密码，而着急选择重新安装系统，这里为大家整理了两个更加直接的解决方法：

1、进入急救模式重设root用户密码

进入急救模式，加载系统镜像，切换到系统根环境进行重置root密码：

a.打开电源时进入固件，将开机启动项boot中的CD-ROM调到第一项；

b.进入急救模式：

sh-4.2# chroot /mnt/sysimage

#重设root用户密码

bash-4.2# passwd root

bash-4.2# exit //退出镜像回到系统

sh-4.2# reboot //重启系统（注意重启后要进入固件将Hard-drive调至第一项）

c.重启进入登入界面后输入刚才设置的密码即可；

2、进入单用户模式进行修改root密码：

以Redhat linux为基准，操作步骤如下：

a.重启系统，待linux系统启动到grub引导菜单时，找到当前系统引导选项（可以按方向键展开隐藏的菜单，单处理器只有一个引导项，多处理器有3个或3个以上引导项，一般默认选项就是系统当前引导选项）;

b.通过方向键将光标放到当前系统引导项上，然后按键盘字母“e”，进入编辑状态。

c.然后通过上下键，选中带有kernel指令的一行，继续按键盘字母“e”，编辑该行，在行末尾加个空格，然后添加single，类似与这样：kernel /vmlinuz-2.6.18-8.el5 ro root=LABEL=/ rhgb quiet single

d.修改完成，按回车键，返回到刚才的界面。

e.最后按键盘“b”，系统开始引导。这样系统就启动到了单用户模式下，这里的单用户和windows下的安全模式类似，在单用户模式下，只是启动最基本的系统，网络以及应用服务均不启动。@网络工程师俱乐部

单用户模式启动完毕，系统会自动进入到命令行状态下，类似与“sh-3.1#”，然后直接执行passwd，回车，系统会提示输入新的root密码两次，最后会看到修改密码成功的提示，这样就完成了root密码的修改。

如果需要正常启动系统，现在只需输入“init 3”，就进入了多用户模式。用root用户重新登录系统，看看设置的新密码是否生效。

06 Read-only file system 错误解决

故障现象：

涉及到修改/保存条目等需要写磁盘操作的命令都无法使用（如tar、cp、mv、rm、chmod、chown、wget下载等指令），总是提示Read-only file system，也就是说系统是只读的，什么也写不了。

故障原因：

1.文件系统损坏；

2.磁盘问题，磁盘又坏道；

3.fstab文件配置错误，如分区格式错误错误(将ntfs写成了fat)、配置指令拼写错误等。

排查网站程序，看报错信息和服务日志错误，以及系统日志，来定位问题所在。

解决方法：

①如果能够确认数据和系统的文件没有被损坏，修复fstab文件配置后只要重新R/W加载或reboot就能够恢复正常。

以读写方式重新挂载文件系统

mount -o rw,remount /system

②如果是文件系统有问题，那就需要在umount状态下执行fsck命令来检查文件系统并修复文件系统中的错误。

nohup fsck -y /dev/VolGroup00/LogVol00 > /dev/shm/fscklog & # 检查好后重启 reboot

③如果是磁盘硬件损坏，最好的方法就是直接换一个新硬盘。如果觉得旧硬盘扔了可惜，还可以将它低格之后，再重新安装系统，系统重新安装后，磁盘会重新分区。@网络工程师俱乐部

④如果仅仅是想将数据备份出来而且机器又在身边的话，你可以用live-cd从光盘启动系统，然后直接备份。当然此时你也可以修改硬盘中的配置文件，如/etc/fstab。

03 硬件故障

01 设备本身的散热故障

无论是服务器、交换机、还是路由器，运行时间长了，都会出现散热问题，会不会报故障（或者说多长时间后报故障）、给网络效率造成多大的影响，一定程度上取决于机房的环境。

其中灰尘就是散热问题的最大来源，好在这类故障处理起来很容易，收到告警信息后，更换散热器能解决90%的问题。

除此之外，不能排除有一部分设备，是主板上的针脚不再给散热风扇供电的原因，这就需要想办法给风扇供电。

02 电源模块故障

电源完全损坏，不再供电的时候，如果没有冗余配置，这时候设备肯定已经被动关机了，直接替换新的电源即可，但有的时候，电源的故障并不是那么明显。

案例：某服务器频繁死机，每次重启后，能正常运转一天两天，一时找不出原因，有次正好在机房维护，听到该服务器有蜂鸣声，此时服务器还没有死机，查询日志无异常便重启，进入BIOS查看，发现电源有高压报警——12V输出，达到了16V！

因为有冗余电源，直接把故障电源拔下来，服务器就恢复了正常。

03 主板老化或者元器件损坏

这类故障不是很明显，但会直接导致设备不稳定或宕机。@网络工程师俱乐部

案例：

有台服务器年代久远，不稳定，三天两头要重启，有时也报高温故障，于是决定拆下来彻底清理一遍，到客户的生产车间，用风枪吹干净，感觉主板像新的一样，但是服务器点不亮了；

仔细查看才发现CPU周围有几个电容鼓包了，甚至有爆浆，换上好的电容之后，问题也就解决了。同样的的方法，也可以修好交换机主板、电脑主板、显卡等等。

但是大多数时候，设备一旦出现元器件损坏，就未必能修好。就算修好，也不再建议当成主要设备来使用了，作为备用件是不错的选择。

04 硬盘或者内存等主要配件故障

硬盘故障最为麻烦，例如，RAID1或者RAID5是服务器中常见的配置，这种情况下，损坏一块硬盘还好，一般不会有什么损失，换个新的也就解决了；

比较麻烦的是阵列中多块硬盘损坏的情况，如果数据非常重要，一定需要交给专业公司处理，盲目地操作只会增加数据恢复的难度。

04 软件故障

01 更新的补丁导致系统或者应用软件崩溃

案例：微软Win10频频翻车，多个补丁都引发了较大数量的蓝屏故障，其实重启后，卸载补丁也就没事了。但是当年赛门铁克误杀门，崩溃的电脑和服务器，真是不计其数。

正确的做法是：补丁要先给测试机更新，两三天后，没什么问题，再大面积部署，即便如此，还是要定期做好系统的状态备份，万一有事儿，还能快速恢复。

02 病毒及恶意程序的破坏

尽管部署了企业级的硬件防火墙、专业级的安全软件，对于病毒及恶意程序，也不能掉以轻心。

病毒和恶意程序破坏，往往是不可修复的，常见的病毒或者恶意程序，我们能用防火墙成功隔离或者安全软件成功查杀。

但是每隔一段时间，总会有个超级病毒，能穿过各种安全设备和软件，对我们的系统造成破坏，致使我们蒙受巨大的损失：

比如疯狂的勒索病毒，很多公司的服务器都中招了，有的迫于数据的重要性，只能给黑客付钱，还必须是比特币！也有的付了钱，都没能拿回所有的数据。

所以重要的数据文件，冷备份很有必要！即准备一台电脑或者服务器，只在定期备份的时候开机，备份完毕立即关机，确保数据安全。

03 同时安装多个功能类似的安全软件

有些IT盲目自信，服务器上不安装任何安全软件，也有些IT人员在服务器（或者电脑）上安装功能类似或者重复的安全软件。

殊不知，这会造成系统混乱、不稳定，有的在服务器同时安装两款国产的杀毒软件后，操作系统直接无法启动了，只能进入安全模式强制卸载其中一款，才解决问题。

所以说，杀毒软件、安全助手类软件，同一台服务器或者电脑上，最好只安装一款。

04 同时安装同一软件的多个版本

案例：经常接到客户的求助，说是xx软件突然打不开了，细问才知，原来是同一软件装了两三个版本，卸载其中一个版本后，另一个版本也无法运行了。

其实这种情况应该是在软件卸载的时候，删除了相关的系统文件，导致另外一个版本缺少关键文件，也就无法运行了；

想要覆盖安装还不一定能行，有时候会提示软件已存在，那就只能卸载重装，或者选择修复。

个人电脑无所谓，最多麻烦一点，几次重装而已，但是服务器上要安装同一软件的多个版本，就要慎重了。@网络工程师俱乐部

强烈建议先用虚拟机测试，确定没问题，再正式安装。

总结

以上故障修复的一般思路和通用策略，而现实遇到的问题都是千差万别的，每个问题的处理都不尽相同。

只有理解故障发生的规律、掌握故障管理的方法，做好复盘和改进，持续归纳总结和反思，才能做好对故障的管理。

既然无法彻底摆脱它，那就理解它、掌控它吧！

整理：老杨丨10年资深网络工程师，更多网工提升干货，请关注公众号：网络工程师俱乐部

本文标签： 故障 常见 大全 运维必存