ITPub博客

1、POD启动异常、部分节点无法启动pod容器里管理应用pod是 K8s 中最小调度单元，POD里面的容器共享pod的空间、资源、网络、存储等。pod管理一个容器。pod管理多个容器。pod 出现异常的原因：资源过剩：大量POD在同一个物理节点，出现资源占用太多导致物理节点宕机。内存和CPU超标：pod中的应用出现内存泄露，导致pod内存迅速增多，pod kill 了影响节点正常提供服务。（解决办

原文链接：https://blog.gmem.cc/limit-disk-usage-for-podsPod 如何使用磁盘容器在运行期间会产生临时文件、日志。如果没有任何配额机制，则某些容器可能很快将磁盘写满，影响宿主机内核和所有应用。容器的临时存储，例如 emptyDir，位于目录/var/lib/kubelet/pods 下：/var/lib/kubelet/pods/└── ac0

一切的变化来自于数据中心规模、复杂度、设备多样性的挑战，将运维平台的重要性推向历史高点。

医院运维，听起来平平无奇毫不惊艳，但其中的含金量，可不是“维持系统正常运行”就能总结的。毕竟医院对业务连续性的超高要求，让运维面对的问题都是暂时的，下一秒可能就有新问题需要发现解决。 医疗信息化不断提高，各类设备、终端数量呈爆发式增长。IT运行环境日趋复杂，系统间关联逐渐加深，机房管理、系统监控...运维工作加量不加价。在保障信息系统高可用，稳定与安全之间，信息部门选择所有。 

一、Redis为什么变慢了1.Redis 真的变慢了吗？对 Redis 进行基准性能测试例如，我的机器配置比较低，当延迟为 2ms 时，我就认为 Redis 变慢了，但是如果你的硬件配置比较高，那么在你的运行环境下，可能延迟是 0.5ms 时就可以认为 Redis 变慢了。所以，你只有了解了你的 Redis 在生产环境服务器上的基准性能，才能进一步评估，当其延迟达到什么程度时，才认为 Redis

引言当提到命令行界面(CLI)时, 我们通常会想到一种强大而高效的方式来与计算机进行交互。在众多的 Shell 中最常用的就数 Bash 和 zsh 了，除此之外还有一颗闪耀的明星 Fish Shell，它以其现代化的设计和强大的特性而备受赞誉，成为许多开发人员和系统管理员钟爱的选择，正如官网宣传的 Finally, a command line shell for the 90s,  

线上故障主要会包括cpu、磁盘、内存以及网络问题，而大多数故障可能会包含不止一个层面的问题，所以进行排查时候尽量四个方面依次排查一遍。同时例如jstack、jmap等工具也是不囿于一个方面的问题的，基本上出问题就是df、free、top 三连，然后依次jstack、jmap伺候，具体问题具体分析即可。CPU一般来讲我们首先会排查cpu方面的问题。cpu异常往往还是比较好定位的。原因包括业务逻辑问题

一、云计算正在杀死运维吗？随着云计算的发展，企业上云已经成为一种趋势。企业上云的初衷是把复杂的IT基础设施交给云平台去管理，企业可以专注于业务与应用、从而降低企业IT运营成本，提高IT部门工作效率。因此有人会误以为，业务上云以后，运维就和企业没有关系了，只要业务系统可用就完事大吉了。然而实践并不如想的那么简单，而是给运维人员新的责任和机会，云平台的管理和运维依然需要专业人员进行监控，维护和故障排查

过线上 MySQL 维护经验的童鞋都知道，主从延迟往往是一个让人头疼不已的问题。不仅仅是其造成的潜在问题比较严重，而且主从延迟原因的定位尤其考量 DBA 的综合能力：既要熟悉复制的内部原理，又能解读主机层面的资源使用情况，甚至还要会分析 binlog。导致主从延迟的一个常见原因是，对于 binlog 中的事务，从库上只有一个 SQL 线程进行重放，而这些事务在主库中是并发写入的。就好比你多个人（多

11月12日晚间阿里云发生故障。“阿里云盘崩了” “淘宝又崩了” “闲鱼崩了” “钉钉崩了” 等话题相继登上热搜，阿里系诸多产品受到影响。阿里云对此公告称，2023年11月12日17:44起，阿里云监控发现云产品控制台访问及API调用出现异常，阿里云工程师正在紧急介入排查。18:54阿里云再度公告，经过工程师处理，杭州、北京等地域控制台已恢复，其他地域控制台服务逐步恢复中。这次故障使大部分阿里系产

1、项目背景内容架构是 QQ 浏览器搜索的内容接入和计算层，主要负责腾讯域内的内容接入和处理，当前接入了多个合作方的上千类内容。正如前面《如何避免旧代码成包袱？5步教你接手别人的系统》中提到，这是一套包含 93 个小服务的微服务架构。经过 23 年 Q1 的大力治理，让我们稳住阵脚，进一步对老系统做深入的评估：研发效率较低：新增一类数据需要在 3~4 个服务上做开发，代码量不多，但很繁琐。系统性能

更新的补丁导致系统或者应用软件崩溃案例：微软Win10频频翻车，多个补丁都引发了较大数量的蓝屏故障，其实重启后，卸载补丁也就没事了。但是当年赛门铁克误杀门，崩溃的电脑和服务器，真是不计其数。 正确的做法是：补丁要先给测试机更新，两三天后，没什么问题，再大面积部署，即便如此，还是要定期做好系统的状态备份，万一有事儿，还能快速恢复。 No.2 病毒及恶意程序的破坏尽管部署了企业级的

一、简介1 认识Rsync（remote synchronize）是一个远程数据同步工具，可通过LAN/WAN快速同步多台主机间的文件。Rsync使用所谓的“Rsync算法”来使本地和远 程两个主机之间的文件达到同步，这个算法只传送两个文件的不同部分，而不是每次都整份传送，因此速度相当快；Rsync支持大多数的类Unix系统，无论是Linux、Solaris还是BSD上都经过了良好的测试；此外，它

什么是SRE？在刚刚接触SRE时，很多人认为就是Google的一个具备全栈能力的岗位，可以独立解决很多问题的人。而在深入探究之后发现，SRE 确实可以解决很多问题，但问题实在太多了，一个岗位或一个人是很难高效快速的解决的。比如怎么做容量评估、怎么进行故障演练、怎么能做到服务限流、怎么做到异常熔断、怎么让监控告警更有效等。所以为了解决这些问题，不难看出需要测试、开发、运维以及其他相关岗位人员都得进行

Dockerfile 的语法非常简单，然而如何加快镜像构建速度，如何减少 Docker 镜像的大小却不是那么直观，需要积累实践经验。这篇文章可以帮助你快速掌握编写Dockerfile 的技巧。目标更快的构建速度更小的Docker镜像大小更少的Docker镜像层充分利用镜像缓存增加Dockerfile可读性让Docker容器使用起来更简单总结编写.dockerignore文件容器只运行单个应用将多个

之前介绍过 ModSecurity 这款优秀的开源 WAF，它是一个入侵检测与阻止的引擎，原本是Apache的一个模块，现在可作为单独模块编译添加到 Nginx 服务中虽然这款 WAF 很优秀，但是使用起来并没有那么容易，之前也整理了文章介绍它的原理和规则，然而还有一个问题，就是它的日志分析，之前介绍原理规则的时候，也介绍了它的日志规则，但是在使用过程中，纯文本的记录方式，对于入侵分析太不友好了所

打工人的焦虑，已经延伸到在线文档了。近日，语雀P0级故障想必大家都有所体会，宕机近8小时，笔记、离线同步完全不可用。作为用户尤其担心我的文档资料是否会因此消失。这泼天的8小时，放眼互联网界也是相当炸裂的。从次日的故障处理通报可知，团队在收到运维监控系统报警后，定位故障根因来自于新的运维升级工具中的一个致命bug，该bug带来了一系列严重的影响。更深层次的问题在于高可用架构体系的设计、运维流程，以及

一、问题出发点Jun 1 10:30:21 audit1 kernel: swapper: page allocation failure. order:1, mode:0x20  Jun 1 10:30:21 audit1 kernel:&nbs

Prometheus 监控业务指标在 Kubernetes 已经成了事实上的容器编排标准之下，微服务的部署变得非常容易。但随着微服务规模的扩大，服务治理带来的挑战也会越来越大。在这样的背景下出现了服务可观测性（observability）的概念。在分布式系统里，系统的故障可能出现在任何节点，怎么能在出了故障的时候快速定位问题和解决问题，甚至是在故障出现之前就能感知到服务系统的异常，把故障扼杀在摇篮

Redis 作为互联网业务的远程缓存工具而被大面积使用，作为访问客户端的 Jedis 同样被大面积使用。本文主要分析 Redis3.x 版本集群模式发生主从切换场景下 Jedis 的参数设置不合理引发服务雪崩的过程。一、背景介绍Redis 作为互联网业务的远程缓存工具而被被大家熟知和使用，在客户端方面涌现了Jedis、Redisson、Lettuce等，而Jedis属于其中的佼佼者。目前笔者的项目