TG咨询
服务突然打不开时，先不要急着重启云主机。重启可能暂时恢复访问，却会清除部分现场信息，也无法解决安全组、磁盘写满或应用配置错误。更稳妥的云服务器故障排查，应从外到内依次检查六个环节：实例状态、网络策略、域名解析、系统资源、磁盘存储，以及应用和外部依赖。
一、先看实例状态与平台事件
第一步进入云平台控制台，确认实例是否处于“运行中”，并查看监控图表、系统状态检查和近期操作记录。以阿里云ECS、腾讯云CVM或AWS EC2为例，控制台通常能显示实例重启、底层宿主机维护、磁盘异常或网络状态变化。
- 核对实例所在地域、可用区、实例名称和私有地址，避免误操作了同名服务器。
- 查看近一小时至近二十四小时的状态变化，重点关注异常重启、停止启动和配置变更。
- 若控制台提示底层故障或实例无法正常启动，先保存错误信息，再按平台工单或迁移流程处理。
如果实例本身正常运行，再进入网络层；如果实例已停止或状态检查失败，继续修改应用配置通常没有意义。
二、检查网络连通性与访问策略
网络连通性需要区分“服务器不可达”和“端口没有服务”。从客户端测试目标地址的连通情况，再在云平台检查安全组、网络访问控制列表、路由表和公网地址绑定关系。安全组放行规则与操作系统防火墙是两道独立的门，前者允许，后者仍可能拒绝。
建议的检查顺序
- 确认公网IP或弹性公网IP仍绑定在目标实例上，避免因解绑、变更或负载均衡配置调整导致地址指向错误。
- 核对入方向规则的协议、端口、来源地址和优先级，不要只看规则是否存在。
- 在服务器内部查看端口监听情况，例如使用系统提供的 ss 或 netstat 工具，确认目标进程确实监听在预期地址和端口。
- 分别测试内网访问与公网访问。内网正常而公网失败，通常应优先检查公网路由、安全策略或负载均衡。
不要为了快速恢复而长期开放全部来源地址。临时放宽规则后，应记录变更并在验证结束后立即收紧。
三、核对DNS解析是否指向正确目标
如果直接访问公网地址正常，而访问域名失败，问题可能不在云服务器本身。检查域名的A记录、AAAA记录、CNAME记录和TTL。近期更换地址、启用CDN或调整负载均衡时，常见错误是域名仍指向旧地址，或者IPv6解析存在但服务器没有可用的IPv6路径。
- 使用不同网络环境查询域名解析结果，比较办公网络、移动网络和公共DNS返回的地址。
- 确认解析记录的主机名、线路类型和生效时间；TTL较长时，修改后的结果可能需要一段时间才在各地更新。
- 若只关闭AAAA记录后访问恢复，应进一步检查IPv6路由、监听地址和防火墙，不宜把删除记录当作最终修复。
四、查看系统资源是否耗尽
系统资源异常是云服务器变慢、连接超时和进程被系统终止的常见原因。重点观察内存、负载、进程数量和连接数，并结合故障发生时间判断是否存在定时任务、流量突增或异常进程。
- 内存：可用内存持续接近零、交换空间频繁使用时，应用可能出现响应变慢或被系统终止。
- 负载：负载持续高于正常水平并不只代表计算能力不足，也可能由磁盘等待或大量阻塞进程造成。
- 进程：检查是否有单个进程持续占用资源，确认其属于业务组件，而不是误启动的重复任务。
- 连接：连接数突然升高可能来自访问增长、连接未释放或重试风暴，应同时查看应用超时和连接池设置。
资源不足时先定位消耗者，再决定限流、调整并发、扩容或优化任务。直接升配可以缓解容量问题，但对死循环、内存泄漏和错误重试往往只是延后故障。
五、检查磁盘空间、inode与读写状态
磁盘分区写满后，日志无法继续写入，数据库、队列和应用都可能出现看似无关的报错。除了检查剩余容量，还要查看inode是否耗尽，因为大量小文件同样会导致无法创建新文件。
- 分别查看根分区、数据分区和日志分区，不要只看总磁盘容量。
- 按目录定位增长最快的位置，优先处理可重建缓存、过期临时文件和已确认不再需要的日志。
- 检查磁盘读写延迟和云盘状态；容量充足但读写等待很高时，问题可能来自IO压力或底层存储异常。
- 删除文件前确认进程是否仍持有已删除文件，否则空间可能不会立即释放。
日志轮转应设置保留周期和单文件上限，不能用无限增长的日志掩盖应用问题。
六、回到应用日志与外部依赖
前五项正常后，再检查应用进程、配置文件、证书、数据库、缓存、消息队列和第三方接口。先看故障时间段的应用日志，再对照部署记录，通常比反复重启更容易找到直接原因。
用分层方式确认故障边界
- 确认进程是否存在、端口是否监听，以及本机访问是否成功。
- 检查应用连接的数据库、缓存或消息服务，区分认证失败、连接超时和查询变慢。
- 核对环境变量、证书有效期、配置文件权限和最近一次发布内容。
- 用一条最小化请求验证核心功能，再逐步恢复完整流量。
涉及数据写入时，应先确认备份和恢复方案；涉及可疑外联、权限异常或文件被改动时，则应暂停常规修复，保留日志和快照并按安全事件流程处理。
常见问题
为什么不能一开始就重启？
重启可能清除内存、连接和临时日志等现场信息，只适合明确判断为进程卡死或系统临时异常且已完成基本取证的情况。
实例能登录就代表网络正常吗？
不代表。管理通道可用，业务端口仍可能被安全组、防火墙、监听地址或负载均衡规则阻断。
域名解析正常但页面仍打不开怎么办？
继续检查解析得到的地址是否正确、端口是否监听、证书是否有效，以及反向代理到后端的连接是否成功。
什么时候应该扩容？
当资源瓶颈持续存在且确认不是异常进程、配置错误或流量攻击时，再根据监控趋势选择升配、增加实例或优化架构。
按这六个环节记录现象、时间、变更和验证结果，云服务器故障排查就能从“猜原因”转为逐层排除，既能缩短恢复时间，也能减少重复发生。
