Linux 与系统管理

运维视角的 Linux 系统管理手册：不是「学会一条命令」，而是建立「出事时知道去哪查」的系统排查框架。示例语境：Ubuntu 22.04 / systemd / bash，命令需在真实环境验证。

系统分层与发行版

• 内核：管理硬件、进程调度、内存、文件系统与网络；版本形如 6.8.x，uname -r 查看；
• 发行版：内核 + 用户态工具 + 包管理的组合，两大族系：Debian/Ubuntu（apt）与 RHEL/Rocky（dnf/yum）；命令入口不同，概念一致；
• 包管理纪律：生产环境锁版本与锁定仓库源；升级前看变更与备份；避免大版本自动滚动。

uname -a          # 内核与架构
cat /etc/os-release   # 发行版信息
apt list --installed | grep nginx   # 已装版本（Debian 系）

文件系统与权限

FHS 目录速查：/etc 配置、/var 运行时数据（/var/log 日志、/var/lib 状态）、/tmp 临时、/home 用户、/proc 与 /sys 内核接口、/usr/bin 程序。

权限模型三条规则先记牢：

1. rwx 对文件与目录含义不同：目录的 r 是能列出、x 是能进入，改目录内容看 w，删除文件看所在目录权限，与文件本身无关；
2. chmod 数字法（755 = owner 全部、group/other 读+执行）对目录递归加 -R 前想清楚；
3. chown 改属主属组是特权操作，误把系统文件 chown 到应用账号会让服务起不来。

ls -lh /var/log/syslog          # 看权限与属主
stat -c '%a %U:%G %n' /etc/hosts
sudo chown -R app:app /opt/app  # 递归改属主
umask 0022                      # 新建文件默认权限基准

• sudo 纪律：账号走 sudo 而非直接用 root；用 visudo 编辑，NOPASSWD 白名单只给明确命令；
• 粘滞位与 suid：/tmp 的 t 位防止跨用户删文件；尽量不用 suid 程序。

systemd 与进程管理

systemctl status nginx            # 单元状态与最近日志
systemctl enable --now nginx      # 开机自启 + 立即启动
journalctl -u nginx -n 50 -f      # 跟随某服务的日志
systemctl daemon-reload           # 改了 unit 文件后必须重载

排查思路：先看进程有没有，再看日志说什么。

ps -eo pid,ppid,stat,cmd | grep -v grep   # 全量进程
pgrep -af nginx                            # 按名字找进程
htop                                       # 交互式资源视图
ss -lntp                                   # 监听端口与进程（替代 netstat）
kill -TERM <pid>                           # 先温柔后暴力：TERM → KILL

• 僵尸进程：子进程结束父进程未 wait，若父进程持续产生僵尸，往往是业务 bug，不是 kill 能解决的；
• 孤儿进程：父进程先亡，子进程被 init/systemd 收养，正常现象。

网络排查：从「不通」到「找到断点」

一条命令一层层剥：

ping -c 3 1.1.1.1        # ① 基础连通性（先排除 DNS/路由大方向）
curl -vI https://example.com   # ② 七层通不通、TLS、响应头
ss -lntp                 # ③ 本地端口是否在监听
dig example.com A        # ④ DNS 解析（非 resolv.conf 缓存层）
ip route                 # ⑤ 路由与默认网关
iptables -L -n           # ⑥ 防火墙（或 nftables/ufw/云安全组）

按序做一遍，基本能定位「域名没解析 / 没监听 / 被防火墙挡 / 对端没通」中的一类。

磁盘与空间排查

df -h                    # 分区使用率（只看已挂载）
du -sh --exclude=proc /var/* | sort -h   # 找大头
df -i                    # inode 耗尽会「磁盘有空间但写不进去」
lsof +L1                 # 已删除但仍被进程占用的文件（日志轮转经典问题）

• 日志轮转用 logrotate，别用「删掉日志」糊弄——句柄还开着，磁盘不会释放，重启进程才释放；
• /var/log 单独分区（或至少监控），避免日志写满根分区拖垮系统。

Shell 与脚本纪律

#!/usr/bin/env bash
set -euo pipefail        # 出错即停 / 变量未定义即报错 / 管道失败不被吞

• 脚本要幂等：重复执行结果一致（先判断再创建、idempotent 操作优先）；
• 不要在脚本里用交互式命令（rm -i、mysql 无密码提示）；
• 敏感信息走环境变量或密钥文件，不硬编码、不打进脚本仓库；
• cron 里跑脚本注意 PATH 与环境变量为空，日志要重定向到文件。

# 每天 2:30 执行并留日志（cron）
30 2 * * * /opt/backup.sh >> /var/log/backup.log 2>&1

长期任务优先用 systemd timer（可看日志、可控环境、可依赖），cron 适合简单调度。

常见坑速查

坑	现象	解法
删除文件磁盘没释放	空间依旧不足	lsof +L1 找占用进程，重启或重开句柄
目录 755 看成文件可删	删不掉/误删	记住：删除看目录写权限
改了 unit 文件不生效	systemctl 报错	daemon-reload 先做
chown -R 整库误操作	系统服务起不来	操作前确认目标，备份属主表
看日志找不到服务	服务没起来	ps + systemctl status + journalctl 顺序排查
cron 环境变量空	脚本跑一半失败	脚本内显式 PATH；输出重定向留痕
端口通但连接失败	被防火墙/安全组挡	本地 ss、远端 nc -vz、云安全组逐层查
inode 满	提示磁盘已满但 df 有空间	df -i，删海量小文件

检查清单

• [ ] 生产变更前有回退方案，关键操作先备份；
• [ ] 服务走 systemd 托管且 enable 自启，日志通过 journalctl 可查；
• [ ] 权限遵循最小化：应用不用 root、目录属主正确、umask 合理；
• [ ] 网络故障有固定排查顺序并能快速定位断点；
• [ ] 日志已配置轮转并单独监控容量，无「磁盘写满」隐患；
• [ ] 脚本满足 set -euo pipefail 与幂等，无明文密钥入库。