6个Linux运维典型问题，看大牛的分析解决思路

问题1：文件系统破坏导致系统无法启动

Checking root filesystem

/dev/sda6 contains a file system with errors, check forced

An error occurred during the file system check

这个错误可以看出，操作系统/dev/sda6分区文件系统出现了问题，这个问题发生的机率很高，通常引起这个问题的原因主要是系统突然断电，引起文件系统结构不一致，一般情况下，解决此问题的方法是采用fsck命令，进行强制修复。

# umount /dev/sda6

# fsck.ext3 -y /dev/sda6

问题2：“Argument list too long”错误与解决方法

# crontab -e

编辑完后保存退出后，报错no space left on device

根据上面的报错了解到是磁盘空间满了，那么首先是检查磁盘空间，

# df -h

查看到是/var磁盘分区空间已经达到100%，至此定位了问题所在。是/var磁盘空间饱满导致，因为crontab会在保存时将文件信息写到/var目录下面，然而这个磁盘没有空间了，所以报错。

接着通过命令du –sh * 命令检查/var目录下面的所有文件或者目录的大小，发现/var/spool/clientmqueue目录占用了/var整个分区大小的90%，那么/var/spool/clientmqueue目录下的文件都是怎么产生的，能否删除，基本上都是邮件信息，可以删除

# rm *

/bin/rm :argument list too long

当在linux 系统中试图传递太多参数给一个命令时，就会出现“argument list too long ”错误，这是linux系统一直以来都有的限制，查看这个限制可以通过命令“getconf ARG_MAX”来实现，

# getconf ARG_MAX

# more /etc/issue 查看版本

解决方法：1、

# rm [a-n]* -rf

# rm [o-z]* -rf

2、使用find命令来删除

# find /var/spool/clientmqueue –type f –print –exec rm –f {} \;

3、通过shell脚本

#/bin/bash

RM_DIR=’/var/spool/clientmqueue’

cd $RM_DIR

for I in `ls`

rm –f $i

done

4、重新编译内核

需要手动增加内核中分配给命令行参数的页数，打开kernel source 下面的include/linux/binfmts.h文件，找到如下行：

#denfine MAX_ARG_PAGES 32

将32改为更大的值，例如64或者128，然后重新编译内核

问题3：inode耗尽导致应用故障

客户的一台Oracle数据库如武器在关机重启后，Oracle监听无法启动，提示报错 Linux error : No space left on device

从输出信息看出来是因为磁盘耗尽导致监听无法启动，因为Oracle在启动监听时需要创建监听日志文件，于是首先查看磁盘空间使用情况

# df -h

从磁盘输出信息可知，所有的分区磁盘空间都还有剩余不少，而Oracle监听写日志的路径在/var分区下，/var下分区空间足够。

解决思路：

既然错误提示语磁盘空间有关，那就深入研究关于磁盘空间的问题，在linux系统中对磁盘空间的占用分为三个部分：第一个是物理磁盘空间，第二个是inode节点所占用的磁盘空间，第三个是linux用来存放信号量的空间，而平时接触较多的是物理磁盘空间。既然不是物理磁盘空间的问题，接着就检查是否是inode节点耗尽的问题，通过执行命令“df -i”查看可用的inode节点。由输出结果看出确实是因为inode耗尽导致无法写入文件。

可以通过下面的命令查看某个磁盘分区inode的总数

# dumpe2fs -h /dev/sda3 |grep ‘Inode count’

每个inode都有一个号码，操作系统用inode号码来区分不同的文件，通过‘ls -i’命令可以查看文件名对应的inode号

如果要查看这个文件更详细的inode信息，可以通过stat命令来实现

# stat install.log

解决问题

# find /var/spool/clientmqueue/ -name “*” -exec rm -rf {} \;

问题4：文件已经删除，但是空间没有释放的原因

运维监控系统发来通知，报告一台服务器空间满了，登陆服务器查看，根分区确实满了，这里先说一下服务器的一些删除策略，由于linux没有回收站功能，所以线上服务器上所有要删除的文件都会先移到系统/tmp目录下，然后定期清除/tmp目录下的数据。这个策略本身没有什么问题，但是通过检查发现这台服务器的系统分区中并没有单独划分/tmp分区，这样/tmp下的数据其实占用根分区的空间，既然找到了问题，那么删除/tmp目录下一些占用空间较大的数据文件即可。

# du -sh /tmp/* | sort -nr |head -3

通过命令发现在/tmp目录下有个66G大小的文件access_log，这个文件应该是apache产生的访问日志文件，从日志大小来看，应该是很久没有清理的apache日志文件了，基本判定是这个文件导致的根空间爆满，在确认此文件可以删除后，执行如下删除命令，

# rm /tmp/access_Iog

# df -h

从输出来看，根分区空间仍然没有释放，这是怎么回事

一般来说不会出现删除文件后空间不释放的情况，但是也存在例外，比如文件进程锁定，或者有进程一直在向这个文件写数据，要理解这个问题，就需要知道linux下文件的存储机制和存储结构。

一个文件在文件系统中存放分为两个部分：数据部分和指针部分，指针位于文件系统的meta-data中，在将数据删除后，这个指针就从meta-data中清除了，而数据部分存储在磁盘中。在将数据对应的指针从meta-data中清除后，文件数据部分占用的空间就可以被覆盖并写入新的内容，之所以出现删除access_log文件后，空间还没有释放，就是因为httpd进程还在一直向这个文件写入内容，导致虽然删除了access_Ilog文件，但是由于进程锁定，文件对应的指针部分并未从meta-data中清除，而由于指针并未删除，系统内核就认为文件并未被删除，因此通过df命令查询空间并未释放。

问题排查：

既然有了解决思路，那么接下来看看是否有进程一直在向access_log文件中写入数据，这里需要用到linux下的losf命令，通过这个命令可以获取一个仍然被应用程序占用的已删除文件列表

# lsof | grep delete

从输出可以看出，/tmp/access_log文件被进程httpd锁定，而httpd进程还一直向这个文件写入日志数据，最后一列的‘deleted’状态说明这个日志文件已经被删除，但是由于进程还在一直向此文件写入数据，因此空间并未释放。

解决问题：

到这里问题就基本排查清楚了，解决这一类问题的方法有很多，最简单的方法就是关闭或者重启httpd进程，当然重启操作系统也可以。不过这些并不是最好的办法，对待这种进程不停对文件写日志的操作，要释放文件占用的磁盘空间，最好的方法是在线清空这个文件，具体可以通过如下命令完成:

# echo “ ” >/tmp/access_log

通过这种方法，磁盘空间不但可以马上释放，也可以保障进城继续向文件写入日志，这种方法经常用于在线清理apache /tomcat/nginx等web服务产生的日志文件。

问题5："too many open files" 错误与解决方法

问题现象：这是一个基于java的web应用系统，在后台添加数据时提示无法添加，于是登陆服务器查看tomcat日志，发现如下异常信息，java.io.IOException: Too many open files

通过这个报错信息，基本判断是系统可以用的文件描述符不够了，由于tomcat服务室系统www用户启动的，于是以www用户登陆系统，通过ulimit –n 命令查看系统可以打开最大文件描述符的数量，输出如下：

$ ulimit -n

65535

可以看到这台服务器设置的最大可以打开的文件描述符已经是65535了，这么大的值应该够用了，但是为什么提示这样的错误呢

解决思路，这个案例涉及ulimit命令的使用

在使用ulimit时，有以下几种使用方法：

1、在用户环境变量中加入

如果用户使用的是bash，那么可以在用户目录的环境变量文件.bashrc或者.bash_profile中加入“ulimit –u128”来限制用户最多可以使用128个进程

2、在应用程序的启动脚本中加入

如果应用程序是tomcat，那么可以再tomcat的启动脚本startup.sh中加入‘ulimit -n 65535’来限制用户最多可以使用65535个文件描述符

3、直接在shell命令终端执行ulimit命令

这种方法的资源限制仅仅在执行命令的终端生效，在退出或者和关闭终端后，设置失效，并且这个设置不影响其他shell终端

解决问题：

在了解ulimit知识后，接着上面的案例，既然ulimit设置没有问题，那么一定是设置没有生效导致的，接下来检查下启动tomcat的www用户环境变量是否添加ulimit限制，检查后发现，www用户并无ulimit限制。于是继续检查tomcat启动脚本startup.sh文件是否添加了ulimit限制，检查后发现也没有添加。最后考略是否将限制加到了limits.conf文件中，于是检查limits.conf文件，操作如下

# cat /etc/security/limits.conf | grep www

www soft nofile 65535

www hard nofile 65535

从输出可知，ulimit限制加在limits.conf文件中，既然限制已经添加了，配置也没有什么错，为何还会报错，经过思考，判断只有一种可能，那就是tomcat的启动时间早于ulimit资源限制的添加时间，于是首先查看下tomcat启动时间，操作如下

# uptime

Up 283 days

# pgrep -f tomcat

4667

# ps -eo pid,lstart,etime|grep 4667

4667 Sat Jul 6 09;33:39 2013 77-05:26:02

从输出可以看出，这台服务器已经有283没有重启了，而tomcat是在2013年7月6日9点启动的，启动了将近77天，接着继续看看limits.conf文件的修改时间，

# stat /etc/security/limits.conf

通过stat命令清除的看到，limits.conf文件最后的修改时间是2013年7月12，晚于tomcat启动时间，清楚问题后，解决问题的方法很简单，重启一下tomcat就可以了。

问题6：Read-only file system 错误与解决方法

解析：出现这个问题的原因有很多种，可能是文件系统数据块出现不一致导致的，也可能是磁盘故障造成的，主流ext3/ext4文件系统都有很强的自我修复机制，对于简单的错误，文件系统一般都可以自行修复，当遇到致命错误无法修复的时候，文件系统为了保证数据一致性和安全，会暂时屏蔽文件系统的写操作，讲文件系统变为只读，今儿出现了上面的“read-only file system”现象。

手工修复文件系统错误的命令式fsck，在修复文件系统前，最好卸载文件系统所在的磁盘分区

# umount /www/data

Umount : /www/data: device is busy

提示无法卸载，可能是这个磁盘中还有文件对应的进程在运行，检查如下：

# fuser -m /dev/sdb1

/dev/sdb1: 8800

接着检查一下8800端口对应的什么进程，

# ps -ef |grep 8800

检查后发现时apache没有关闭，停止apache

# /usr/local/apache2/bin/apachectl stop

# umount /www/data

# fsck -V -a /dev/sdb1

# mount /dev/sdb1 /www/data