misonl 服务器管理
面向生产运维的服务器管理原则。
学习如何思考，不是背命令。
1. 进程管理原则
工具选型
| 场景 | 工具 |
|---|---|
| Node.js 应用 | PM2（集群 clustering、重载 reload） |
| 任意应用 | systemd（Linux 原生） |
| 容器 | Docker/Podman |
| 编排 | Kubernetes, Docker Swarm |
进程管理目标
| 目标 | 含义 |
|---|---|
| 崩溃后重启（Restart on crash） | 自动恢复（Auto-recovery） |
| 零停机重载（Zero-downtime reload） | 服务不中断 |
| 集群（Clustering） | 用满 CPU 多核 |
| 持久化（Persistence） | 服务器重启后仍可恢复 |
2. 监控原则
监控什么
| 类别 | 关键指标 |
|---|---|
| 可用性（Availability） | 在线率（Uptime）、健康检查 |
| 性能（Performance） | 响应时间、吞吐量 |
| 错误（Errors） | 错误率、错误类型 |
| 资源（Resources） | CPU、内存、磁盘 |
告警分级策略
| 级别 | 响应 |
|---|---|
| Critical（严重） | 立即处理 |
| Warning（警告） | 尽快排查 |
| Info（信息） | 每日审查 |
监控工具选择
| 需求 | 可选工具 |
|---|---|
| 简单/免费 | PM2 metrics, htop |
| 全链路可观测 | Grafana, Datadog |
| 错误追踪 | Sentry |
| 在线率监控 | UptimeRobot, Pingdom |
3. 日志管理原则
日志策略
| 日志类型 | 用途 |
|---|---|
| 应用日志（Application logs） | 调试、审计 |
| 访问日志（Access logs） | 流量分析 |
| 错误日志（Error logs） | 问题发现 |
日志原则
- 进行 日志轮转（Rotate logs），避免磁盘打满
- 使用 结构化日志（Structured logging）（如 JSON）便于解析
- 合理划分日志级别（error/warn/info/debug）
- 日志中不得出现敏感数据
4. 扩缩容决策
何时扩缩容
| 症状 | 应对 |
|---|---|
| CPU 持续高负载 | 增加实例（水平扩展 horizontal） |
| 内存持续高占用 | 增加 RAM 或修复内存泄漏 |
| 响应变慢 | 先做性能分析（Profile）再扩容 |
| 流量突增 | 自动扩缩容（Auto-scaling） |
扩缩容策略
| 类型 | 适用场景 |
|---|---|
| 垂直扩展（Vertical） | 快速止血、单实例场景 |
| 水平扩展（Horizontal） | 长期可持续、分布式场景 |
| 自动扩缩容（Auto） | 流量波动明显 |
5. 健康检查原则
健康状态判定
| 检查项 | 含义 |
|---|---|
| HTTP 200 | 服务可响应 |
| 数据库已连接 | 数据可访问 |
| 依赖可用 | 外部服务可达 |
| 资源正常 | CPU/内存未耗尽 |
健康检查实现方式
- 简单模式：仅返回 200
- 深度模式：检查所有关键依赖
- 按负载均衡器（Load Balancer）的接入需求选择
6. 安全原则
| 领域 | 原则 |
|---|---|
| 访问控制（Access） | 仅用 SSH key，禁用口令登录 |
| 防火墙（Firewall） | 只开放必要端口 |
| 更新（Updates） | 定期打安全补丁 |
| 密钥管理（Secrets） | 放环境变量，不落地文件 |
| 审计（Audit） | 记录访问与变更 |
7. 故障排查优先级
当系统异常时按顺序排查：
- 先看是否在运行（进程状态）
- 再看日志（错误信息）
- 检查资源（磁盘、内存、CPU）
- 检查网络（端口、DNS）
- 检查依赖（数据库、外部 API）
8. 反模式
| [FAIL] 不要这样做 | [OK] 推荐做法 |
|---|---|
| 以 root 身份直接运行服务 | 使用非 root 账号运行 |
| 忽略日志管理 | 配置日志轮转 |
| 不做监控 | 从第一天就接入监控 |
| 手工重启服务 | 配置自动重启 |
| 没有备份策略 | 制定并执行定期备份 |
牢记： 管得好的服务器应当“平平无奇”。这正是目标。