半年前机房里一周炸了5块盘，RAID重建还没跑完第二块又掉了，那个晚上我盯着iDRAC面板手都在抖。事后复盘发现这5块盘的SMART数据在故障前2-4周就已经有明显异常了——只是没人看。从那之后我搞了一套磁盘预测感知的东西，用smartmontools采集SMART数据，跑一个轻量的XGBoo...
连个服务器要过三道关卡，排查问题先花十分钟想命令，好不容易跑完一轮发现方向错了还得重来。运维人的时间，大半耗在"准备干活"上，而不是"干活"本身。最近用了Chaterm之后，排查故障直接敲中文描述问题，它自动生成命令、自动执行、自动分析结果，整个链路一气呵成。今天掰开讲讲这个工具。运维人的命令...
先搞清楚NotReady到底意味着什么很多人一看到NotReady就慌，其实这个状态本身不是故障，是一个信号。Kubernetes的node-controller每隔一段时间检查节点的心跳。具体来说，kubelet会持续更新两个东西：一个是Node对象的.status.conditions，一...
先搞明白：RBAC 到底是个啥？在说怎么设计之前，得先聊清楚 RBAC 这东西的本质。我见过很多团队，上来就"我们要做 RBAC"，但问到 RBAC 是啥、能解决啥问题，就支支吾吾说不清。说白了，RBAC（Role-Based Access Control，基于角色的访问控制）就是一句话：把权...
某天收到监控告警，服务器出口带宽被打满，业务响应变慢。本文记录完整的排查思路和处理过程。定位流量来源：iftop带宽被打满，第一步要搞清楚流量到底流向哪里。iftop 是最直观的工具。启动模型工具# 安装 yum install -y iftop # CentOS/RHEL apt ...
热爱技术的云计算运维工程师，Python全栈工程师，分享开发经验与生活感悟。
欢迎关注我的微信公众号@运维躬行录，领取海量学习资料
