Linux运维排障实战：系统信息、日志、服务与网络命令全解析

写这一篇的时候，距离这个系列第一篇已经隔了不少时间。前面九篇把文件操作、权限、压缩、文本处理这些基础命令都过了一遍，如果你全部跟下来，单条命令大概率已经不成问题。但有个现象我反复遇到：新人拿着命令清单，看到一台陌生的服务器或者接到一个故障通知，依然会卡住手脚——因为真实环境里没有哪道题会写着“这道题用awk解决”，所有问题都是拿到现场信息，再临时决定用哪条命令。所以作为系列第十篇，我想换一种方式来写：不按命令类型往下罗列，而是用四个最常见的排障和运维场景来带命令，后面再补两块日常高频的组合操作。这样既能复习前几篇里出现过的基础命令，又能补上一些偏实战的系统级命令，争取让你看完就能直接照着用。

1. 拿到陌生系统先别慌：系统信息聚合命令，摸清家底再动手

我刚工作那会儿，接手一台没人维护的服务器，第一件事就是连上去看目录都是乱的，想干什么都不知道从哪下手。后来带我的师傅说了一句话，我一直记着：排查问题前先分清是“资源不够”还是“程序写错”，这两个方向差了十万八千里。分清的第一步，就是用系统信息命令把机器的家底摸清楚。

1.1 lscpu与free：CPU和内存的真实与表面

lscpu 是查看CPU信息最快的方式，不用去 /proc/cpuinfo 里翻半天。它的输出直接列清楚了架构、型号、核心数、线程数、套接字数，还有CPU的MHz频率和虚拟化支持情况。比如我遇到过一台机器，业务方说是单核，但lscpu一看是4核8线程，程序是按单核写的，后来一查问题根本不在资源上，而在锁竞争。这种误判，就是没先看硬件信息。

重点看这几项：

• Architecture：x86_64还是aarch64，决定你装软件包选哪个版本。
• CPU(s)：逻辑核总数，按这个来定线程池大小、并发数。
• Core(s) per socket：每个物理CPU的物理核数。
• Model name：具体型号，排查指令集兼容性时有用。

内存这边，很多人习惯只看 free -h 的used列，这其实是个大坑。Linux的内存策略决定了它会尽量用内存做页缓存，所以 free 列出来的“free”往往很小，但这是正常的，不代表内存不够。真正要看的字段是 available，它表示“在不触发明显交换的情况下，还能分给新进程多少内存”。我接手过一台报OOM的机器，业务同事截图说used占了95%，我上去free -h一看，available还剩8G多，问题根本不在这台机器上，而是被监控脚本误判了。

bash复制free -h

建议养成习惯：内存告警先看available，再看si/so（swap换入换出量）。如果si和so两个数字长期不为0，说明物理内存确实顶不住了，这时候再怀疑内存不足才合理。

1.2 lsblk、df、blkid：磁盘关系盘清楚

磁盘相关的命令我建议按三层来看：lsblk 看结构，df 看使用率，blkid 看磁盘身份标识。三者的分工完全不同，但组合起来能把一台机器的磁盘情况看得很透彻。

lsblk 以树状结构展示块设备，挂载点、容量、类型一眼就能看明白。新加一块磁盘时，用 lsblk 看到一块没有挂载点的新盘，是最快的确认方式。df -hT 则是从文件系统角度统计使用率，其中 -T 会显示文件系统类型，这一点在判断是ext4、xfs还是overlay时特别有用。比如容器环境里常见overlay，你用df只看容量没问题，但要知道这是堆叠文件系统，实际底层空间可能来自同一个宿主机分区，这时候单独df的容量数字就有误导性。

bash复制# 查看块设备树状结构
lsblk

# 查看文件系统容量和使用率，带文件系统类型
df -hT

# 查看指定磁盘的UUID和文件系统类型
blkid /dev/sda1

还有一个容易踩的坑是inode耗尽。df -hT 看容量明明还有剩余，但系统就是报“No space left on device”，这种情况八成是inode被小文件占满了。用 df -i 看一下就明白，inode使用率达到100%时，文件系统写不进去任何新文件，哪怕容量还很多。常见于邮件队列目录、临时目录或者跑定时任务的输出目录。

1.3 vmstat与lspci：瞬时状态与外设识别

前面几个命令看的是静态信息，但排查性能问题的时候还需要动态观察。vmstat 1 5 是一个经典的动态采样命令，后面跟两个参数，单位是秒，表示每隔1秒输出一次，共输出5次。采样输出里最值得关注的是 r 和 wa 两列：r表示当前等待CPU的进程队列长度，持续大于CPU核数，说明CPU存在竞争；wa表示I/O等待时间占比，如果这个值长期很高，说明磁盘或存储子系统是瓶颈。

bash复制vmstat 1 5

外设识别方面，lspci 可以列出所有PCI总线上的设备，网卡、显卡、RAID卡都能看到。排查网卡丢包、型号不识别这类问题时，先跑一条 lspci | grep -i ethernet，再对应去看驱动模块是否加载，路径清晰很多。像我们排查过一台服务器的网卡流量异常，最后发现是机器上有两套网卡，业务流量走的是板载网卡，监控看的却是独立网卡，两个lspci一对比就清楚了。

2. 查日志是排障的第一步：journalctl和dmesg的高效检索姿势

很多人排障第一反应是去 /var/log 下面翻文件，这个方向没错，但效率太低。现代主流发行版基本都用systemd管理服务，日志体系也统一由journald接管。与其到每个服务的日志目录里人肉grep，不如先把journalctl用熟。

2.