网站故障排查全流程：按层级快速定位问题根源
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /5ba4339f7616.html
📄
网站访问变慢、白屏或接口报错时，与其反复刷新甚至盲目重启服务，不如按从网络、服务器、应用到数据库的顺序逐层筛查。这样有步骤的排查思路能快速缩小范围，避免在不相关环节浪费时间。
1. 确认网络链路与域名解析状态
动服务器之前，先判断问题出在客户端网络还是域名解析。可以换成手机流量访问，或请异地同事打开同一网址。若换网后正常，多半是本地网络问题；若仅特定地区用户打不开，可能是骨干链路波动或DNS节点未同步。
1.1 核对解析记录与实际指向
用nslookup或dig命令查看域名解析出的IP是否与服务器真实地址一致。解析为空或指向旧IP，说明A记录或CNAME被改动，也可能是TTL太长导致新记录未生效。登录域名管理后台逐项比对解析值，同时检查CDN回源配置。部分地区无法访问常因CDN节点缓存旧源站信息，刷新CDN缓存即可。
1.2 验证端口开放与连通性
有时ping正常但浏览器打不开页面，大概率是防火墙或安全组拦截了HTTP/HTTPS流量。云服务器需进控制台确认80和443端口已放行；用telnet 服务器IP 443测试端口，若超时或拒绝，问题指向防火墙或运营商限制，可临时换端口测试或联系网络服务商。
2. 检查服务器资源消耗与进程负载
页面响应迟缓、请求频繁超时，往往意味着服务器资源逼近极限。CPU满载、内存紧张、磁盘告急、带宽被占满都会让请求排队，表现为卡顿甚至中断。用top、free -h和df -h查看实时状态，能较快锁定瓶颈。
2.1 追踪高占用进程来源
在top中按CPU排序，细看靠前进程。常见情况包括：被植入挖矿脚本、数据库慢查询堆积、爬虫未限频。结合Web访问日志，确认哪些URL或IP带来异常流量。例如某接口被每秒请求数十次，PHP进程暴涨，日志会留下该IP痕迹，封禁即可恢复。
2.2 关注磁盘与内存预警
磁盘使用率超过80%就要警惕。日志、临时或Session目录写满后，网站会因无法写入而抛500错误，清理过期日志和缓存通常能解决。内存方面，若free -h显示Swap占用持续偏高，说明物理内存吃紧，系统频繁交换数据，性能大降。需削减常驻进程或考虑扩容。
3. 深入应用代码与运行时日志细节
白屏、部分功能失效多与应用层相关。先看应用日志最近报错，再结合请求入口排查。
3.1 分类查看错误日志
PHP、Node或Java应用各有错误日志路径。出现500错误时，日志会给出具体堆栈信息，重点看最后几条调用记录。常见原因如第三方接口超时未设置降级、内存溢出或数组越界。修复后建议在预发环境复现一次，确认问题不再出现。同时检查依赖库版本是否有已知漏洞或兼容性问题，升级时留意破坏性变更。
3.2 关注慢请求与超时配置
若接口偶尔超时，可能是某个外部调用延迟过高。查看请求耗时分布，找出最慢的环节。建议为外部API调用设置合理超时（如3-5秒），并增加重试机制。注意避免无限重试导致雪崩，可在网关层加熔断策略。
4. 核查数据库性能与连接状态
数据库慢查询或连接耗尽会直接拖垮网站。慢日志是首要线索。
4.1 分析慢查询与索引使用
开启数据库慢查询日志，找到执行时间超过阈值的SQL。常见问题是缺索引或查询条件导致全表扫描。用EXPLAIN查看执行计划，确认是否命中索引。例如某列表页每次请求都扫描百万行，加上复合索引后耗时从秒级降到毫秒级。定期清理无效索引也很有必要，减少写入开销。
4.2 监控连接数与锁等待
连接数耗尽时，应用会报"too many connections"。检查连接池配置及是否有泄漏。同时观察是否有长事务持有锁，阻塞其他请求。通过SHOW PROCESSLIST查看当前会话状态，kill掉长时间空闲或卡住的连接。建议给数据库配置告警，连接数超过阈值时及时通知。
5. 常见问题
5.1 网站完全打不开，ping也不通，应该先查什么？
先检查服务器是否宕机或网络隔离。登录云控制台看实例状态，确认是否欠费或安全组策略变更。若服务器正常，再测试本地到服务器的路由，使用tracert或mtr定位丢包点。
5.2 网站时好时坏，刷新几次又能打开，怎么回事？
多与负载均衡或缓存失效有关。后端多台服务器中某台异常时，请求会被轮询到问题节点。同时检查CDN或Redis缓存是否频繁过期，导致回源压力变大。建议查看各节点健康检查状态，并适当延长缓存时间。
5.3 排查了很久都没找到原因，有什么兜底方法？
先做好流量切换，把用户导向备用节点或静态页面，保证可用性。同时保留现场并抓包或dump内存，便于后续分析。复盘时用时间线整理操作记录，避免遗漏关键线索。
6. 总结
按网络、服务器、应用、数据库四层逐级排查，配合日志和监控工具，能大幅缩短故障恢复时间。建议日常就做好监控告警和巡检，记录典型故障处理步骤形成手册。下次遇到类似问题，按图索骥即可快速定位。
