WEB-31：网站故障排查指南

王尘宇网站建设 2026-03-29 17:25:24 1

作者：王尘宇

公司：西安蓝蜻蜓网络科技有限公司

网站：wangchenyu.com

微信：wangshifucn | QQ：314111741

地点：西安 | 从业经验：2008 年至今（18 年）

一句话答案

网站故障排查指南 是通过系统化的排查流程、常用诊断工具、问题分类方法、快速恢复策略，快速定位和解决网站故障，最大限度减少停机时间和业务损失的技术方法。

故障分类

故障级别 ⭐⭐⭐⭐⭐

P0 - 严重故障：

定义:
- 网站完全不可用
- 核心功能失效
- 数据丢失

响应:
- 立即响应
- 全员参与
- 15 分钟内恢复

示例:
- 服务器宕机
- 数据库崩溃
- DDoS 攻击

P1 - 重大故障：

定义:
- 主要功能受影响
- 大量用户无法使用
- 性能严重下降

响应:
- 30 分钟内响应
- 1 小时内恢复

示例:
- 支付失败
- 登录失败
- API 大面积超时

P2 - 一般故障：

定义:
- 部分功能受影响
- 少数用户受影响
- 性能下降

响应:
- 2 小时内响应
- 4 小时内恢复

示例:
- 部分页面 404
- 图片加载失败
- 搜索功能异常

P3 - 轻微故障：

定义:
- 非核心功能问题
- 用户体验问题
-  cosmetic 问题

响应:
- 24 小时内处理

示例:
- 样式错乱
- 文字错误
- 小功能 bug

排查流程

标准流程 ⭐⭐⭐⭐⭐

第 1 步：确认故障
├── 复现问题
├── 确定影响范围
└── 确定故障级别

第 2 步：收集信息
├── 错误日志
├── 监控数据
├── 用户反馈
└── 变更记录

第 3 步：定位问题
├── 网络层
├── 服务器层
├── 应用层
└── 数据库层

第 4 步：解决问题
├── 临时方案
├── 根本解决
└── 验证修复

第 5 步：复盘总结
├── 故障原因
├── 处理过程
├── 改进措施
└── 文档记录

快速检查清单 ⭐⭐⭐⭐⭐

□ 网站是否能访问？
□ 错误信息是什么？
□ 影响范围多大？
□ 何时开始出现问题？
□ 最近有变更吗？
□ 监控告警有什么？
□ 日志有什么错误？
□ 服务器资源正常吗？

常见问题排查

网站无法访问 ⭐⭐⭐⭐⭐

排查步骤：

# 1. 检查 DNS
dig example.com
nslookup example.com

# 2. 检查服务器
ping example.com
telnet example.com 80
telnet example.com 443

# 3. 检查服务
systemctl status nginx
systemctl status php-fpm
systemctl status mysql

# 4. 检查端口
netstat -tlnp | grep :80
netstat -tlnp | grep :443

# 5. 检查防火墙
iptables -L
firewall-cmd --list-all

常见原因：

1. DNS 问题
   - DNS 未生效
   - DNS 配置错误
   - 域名过期

2. 服务器问题
   - 服务器宕机
   - 服务未启动
   - 端口未开放

3. 网络问题
   - 防火墙阻止
   - 路由问题
   - CDN 问题

502/504 错误 ⭐⭐⭐⭐⭐

502 Bad Gateway：

原因:
- 后端服务未启动
- 后端服务崩溃
- 配置错误

排查:
# 检查后端服务
systemctl status php-fpm
ps aux | grep php

# 检查配置
nginx -t

# 检查日志
tail -f /var/log/nginx/error.log

504 Gateway Timeout：

原因:
- 后端响应慢
- 超时设置短
- 资源不足

排查:
# 检查资源
top
free -h
df -h

# 检查慢请求
tail -f /var/log/nginx/access.log

# 调整超时
proxy_read_timeout 60s;
fastcgi_read_timeout 60s;

数据库连接失败 ⭐⭐⭐⭐⭐

排查步骤：

# 1. 检查数据库服务
systemctl status mysql
systemctl status postgresql

# 2. 检查连接
mysql -u root -p
mysql -h localhost -u user -p

# 3. 检查配置
cat /etc/mysql/my.cnf

# 4. 检查连接数
mysql -u root -p -e "SHOW PROCESSLIST;"
mysql -u root -p -e "SHOW STATUS LIKE 'Threads_connected';"

# 5. 检查日志
tail -f /var/log/mysql/error.log

常见原因：

1. 服务未启动
2. 连接数已满
3. 密码错误
4. 权限不足
5. 网络问题

网站加载慢 ⭐⭐⭐⭐⭐

排查步骤：

# 1. 检查服务器资源
top
free -h
iostat
iotop

# 2. 检查网络
ping -c 4 example.com
traceroute example.com

# 3. 检查慢查询
mysql -u root -p -e "SHOW PROCESSLIST;"
cat /var/log/mysql/slow.log

# 4. 检查应用日志
tail -f /var/log/app/error.log

# 5. 性能分析
# PHP
apt-get install php-xdebug
# Node.js
node --inspect app.js

优化方向：

1. 启用缓存
   - 页面缓存
   - 对象缓存
   - CDN 缓存

2. 优化数据库
   - 索引优化
   - 查询优化
   - 配置优化

3. 优化代码
   - 性能分析
   - 瓶颈优化
   - 异步处理

诊断工具

在线工具 ⭐⭐⭐⭐⭐

可用性检查：

- downforeveryoneorjustme.com
- isitdownrightnow.com
- 站长工具

性能分析：

- Google PageSpeed Insights
- GTmetrix
- WebPageTest
- Pingdom Tools

DNS 检查：

- whatsmydns.net
- dnschecker.org
- intodns.com

SSL 检查：

- SSL Labs (ssllabs.com/ssltest)
- Why No Padlock
- SSL Checker

命令行工具 ⭐⭐⭐⭐⭐

网络诊断：

# DNS 查询
dig example.com
nslookup example.com

# 连通性测试
ping example.com
traceroute example.com

# 端口检查
telnet example.com 80
nc -zv example.com 443

# HTTP 请求
curl -I https://example.com
curl -v https://example.com
wget --spider https://example.com

系统诊断：

# CPU
top
htop
vmstat 1

# 内存
free -h
vmstat 1

# 磁盘
df -h
iostat
iotop

# 网络
netstat -tlnp
ss -tlnp
iftop

日志分析：

# 实时日志
tail -f /var/log/nginx/access.log
tail -f /var/log/nginx/error.log

# 搜索错误
grep -i error /var/log/nginx/error.log
grep " 500 " /var/log/nginx/access.log

# 统计分析
awk '{print $9}' /var/log/nginx/access.log | sort | uniq -c

应急处理

快速恢复 ⭐⭐⭐⭐⭐

回滚策略：

1. 代码回滚
   git revert <commit>
   git checkout <previous_version>

2. 配置回滚
   cp /etc/nginx/nginx.conf.bak /etc/nginx/nginx.conf
   nginx -s reload

3. 数据库回滚
   从备份恢复
   执行回滚脚本

降级策略：

1. 功能降级
   - 关闭非核心功能
   - 启用静态页面
   - 简化流程

2. 服务降级
   - 限流
   - 熔断
   - 备用服务

3. 数据降级
   - 只读模式
   - 缓存数据
   - 延迟处理

沟通机制 ⭐⭐⭐⭐

内部沟通：

1. 立即通知
   - 技术团队
   - 相关负责人
   - 管理层

2. 状态更新
   - 每 15-30 分钟
   - 进展同步
   - 预计恢复时间

3. 事后复盘
   - 故障报告
   - 改进措施
   - 责任追踪

外部沟通：

1. 用户通知
   - 网站公告
   - 社交媒体
   - 邮件通知

2. 客户沟通
   - 重点客户
   - 受影响客户
   - 补偿方案

3. 公关处理
   - 统一口径
   - 官方声明
   - 媒体沟通

预防措施

监控告警 ⭐⭐⭐⭐⭐

监控配置：

可用性监控:
- Uptime Robot
- 阿里云监控
- 腾讯云监控

性能监控:
- APM 工具
- 日志分析
- 链路追踪

业务监控:
- 订单量
- 转化率
- 用户行为

告警设置：

P0: 电话 + 短信 + 即时通讯
P1: 短信 + 即时通讯
P2: 即时通讯
P3: 邮件

备份容灾 ⭐⭐⭐⭐⭐

备份策略：

- 数据库：实时 + 每日
- 文件：每日 + 每周
- 配置：每次变更后
- 完整镜像：每周

容灾方案：

- 多可用区部署
- 主从切换
- 异地备份
- 冷备服务器

王尘宇实战建议

18 年经验总结

预防为主

- 监控告警

- 定期巡检

- 容量规划

快速响应

- 值班制度

- 响应流程

- 升级机制

系统排查

- 标准流程

- 检查清单

- 工具准备

文档记录

- 故障报告

- 知识库

- 经验分享

持续改进

- 复盘总结

- 改进措施

- 预防再发

西安企业建议

建立值班制度
配置监控告警
准备应急预案
定期演练

常见问题解答

Q1：如何快速定位问题？

答：

使用检查清单
从外到内排查
查看日志错误
使用诊断工具

Q2：故障如何处理优先级？

答：

P0: 立即处理
P1: 30 分钟内
P2: 2 小时内
P3: 24 小时内

Q3：如何避免故障？

答：

监控告警
定期巡检
变更审核
备份容灾

Q4：故障后需要做什么？

答：

复盘总结
故障报告
改进措施
知识沉淀

Q5：如何建立值班制度？

答：

排班表
联系方式
响应流程
升级机制

总结

网站故障排查指南核心要点：

📋 故障分类 — P0-P3 级别
🔄 排查流程 — 标准化流程
🛠️ 诊断工具 — 在线 + 命令行
🚨 应急处理 — 回滚、降级、沟通
🛡️ 预防措施 — 监控、备份、容灾

王尘宇建议： 故障不可避免，但可以减少影响。建立完善的排查流程和预防机制，快速恢复，持续改进。

关于作者

王尘宇

西安蓝蜻蜓网络科技有限公司创始人

联系方式：

🌐 网站：wangchenyu.com
💬 微信：wangshifucn
📱 QQ：314111741
📍 地址：陕西西安

本文最后更新：2026 年 3 月 18 日

下一篇：WEB-32：网站版本管理与发布

本文地址： http://wangchenyu.com/jianzhan/155686.html

文章来源：王尘宇