云上新手排障三步：先看日志，再看配额，最后看网络

前言

在云端部署和运行应用时，服务不可用、响应超时或连接中断是开发者最常遇到的问题。很多新手容易在未排查原因的情况下反复重启云主机或容器，往往丢失现场甚至引发连锁反应。遵循一套自底向上的标准化排查路径，能够事半功倍。

第一步：先看日志，还原第一现场

日志是排查问题的黄金入口。在定位时需要区分两个层级：

• 应用级日志： 检查业务进程的标准输出或日志文件，关注致命错误（FATAL/ERROR）及发生异常时的调用栈（Stack Trace）。
• 系统与平台事件： 若应用进程静默退出，往往是系统 OOM-Killer 所致，需检查系统内核日志（如 /var/log/messages 或 dmesg），关注内存耗尽等系统级动作。

第二步：再看配额与资源水位

很多偶发性或突发性的故障本质是资源限制触发了瓶颈：

• 计算与内存： 通过监控看板检查 CPU 使用率是否长期打满、内存水位是否触顶、磁盘空间是否满载（特别是 /var 或日志分区）。
• 云平台配额： 检查 API 调用频次、VPC 路由表条目、弹性公网 IP 数量等是否达到租户配额上限。配额超限通常表现为新建连接失败或请求直接被拒绝。

第三步：最后看网络与安全策略

当日志无报错、系统资源充裕但外部请求仍然不通时，问题通常出在网络路径：

• 安全组与防火墙： 确认入方向与出方向规则是否放行了目标端口，尤其注意跨 VPC 或公网访问时的协议与网段限制。
• 链路可达性与 DNS： 在云主机内使用 curl -v 或 nc -zv 测试目标端点连通性，排查域名解析延迟或异常。

总结

云上排障讲求“先定性、后定量”。按照“日志找线索 → 配额查瓶颈 → 网络验连通”的顺序逐步排除假因，能大幅提升排障效率并保障系统稳定性。