在 Linux 运维工作中,命令记得多并不等于排障快。真正重要的是:知道什么时候运行哪条命令、该看输出中的什么指标,以及怎样避免把排查操作变成新的故障。

这篇文章保留八大常见分类,补充现代 Linux 系统里更实用的命令和生产环境注意事项。命令以 Rocky Linux 9 为主要示例,同时说明 Ubuntu/Debian 的差异;涉及故障的演示均明确区分“已验证的实验”和“模拟排查场景”。

使用范围: Rocky Linux 9 / RHEL 系、Ubuntu Server 等采用 systemd 的现代 Linux。部分命令依赖额外安装的软件包。在生产系统执行停止服务、删除文件、升级软件、修改时间、网络或权限之前,请先评估影响、备份并准备回滚方案。

一、系统信息查看命令

这类命令适合登录服务器后的第一轮巡检:先搞清楚“这是什么机器、什么系统、负载和资源是什么状态”。

1. 系统版本、内核与硬件

命令作用重点
uname -a显示内核、架构等综合信息排查内核/驱动兼容性
uname -r只查看运行中的内核版本与已安装内核区分
cat /etc/os-release查看发行版与版本Rocky / Ubuntu 不同命令路径
hostnamectl查看主机名、系统与内核systemd 环境推荐
hostname当前主机名只读操作
lscpuCPU 架构与逻辑 CPU核心数、虚拟化信息
nproc当前进程可用的处理器数量结合 CPU 配额判断
systemd-detect-virt判断虚拟化或容器环境KVM / VMware / container 等
who、w当前登录用户与活动排查异常会话
uname -r
cat /etc/os-release
hostnamectl
lscpu | head -n 30
nproc

主机名修改: hostname newname 在不少系统上只是临时设置;现代系统优先使用 hostnamectl set-hostname newname。在 Kubernetes 节点上修改主机名之前必须评估 kubelet、证书与 Node 身份的影响,不要直接照搬。

2. 时间、负载、内存与磁盘

命令作用关键判断
date、date -Is当前系统时间时区、日志时间戳
timedatectl时间同步与时区状态是否同步、时区是否正确
chronyc trackingchrony 同步状态Rocky Linux 常用
uptime运行时长、1/5/15 分钟平均负载Load Average 不是 CPU 使用率
free -h内存与 Swap重点看 available,不只看 free
df -hT文件系统容量、类型哪个挂载点快满了
df -iinode 使用情况容量没满也可能无法建文件
du -sh /var/log目录占用汇总查看目录所占空间
lsblk -f块设备、文件系统、挂载关系磁盘/PV 排查
findmnt /var查找指定路径所属挂载避免误判磁盘位置
uptime
free -h
df -hT
df -i
lsblk -f
timedatectl

读数容易误解的地方:

  • uptime 的三个数字是 1、5、15 分钟平均负载。负载包含 CPU 可运行任务,以及部分不可中断睡眠的任务,不能直接当作 CPU 百分比。
  • 多核服务器上的单个进程占用一个逻辑 CPU,不代表整台机器的 CPU 已经全部跑满。
  • Linux 会使用空闲内存做页缓存;free -h 中的 available 往往比 free 更有参考价值。
  • df 看文件系统总体用量,du 统计可遍历的文件/目录;二者明显不一致时还要想到“文件已删除、进程仍持有文件描述符”。

风险提示: date -s 是直接手工设置系统时间,不是时间同步命令。生产机器修改时间可能影响 TLS 证书校验、数据库、日志和分布式系统;优先检查 NTP/chrony,不要随意手动跳时。


二、文件与目录管理命令

1. 目录与文件的基本操作

命令用途示例
pwd查看当前目录pwd
ls -lah含隐藏文件的详细列表ls -lah /etc
cd、cd ..、cd ~目录切换cd /var/log
mkdir -p递归创建目录mkdir -p /tmp/nativeopslab/logs
rmdir删除空目录rmdir /tmp/empty-dir
touch创建空文件或更新时间戳touch test.txt
cp -a尽可能保留属性复制cp -a app.conf app.conf.bak
mv移动或重命名mv app.conf.new app.conf
rm -i删除前交互确认rm -i old.txt
stat查看文件时间、权限、属主stat /etc/hosts

比 rm -rf 更稳妥的习惯:先列出目标,再执行删除。 生产环境尤其要核对当前目录、路径变量以及文件是否被其他应用使用。Linux 通常没有可以依赖的“回收站”。

2. 查询、过滤与查看日志

命令使用场景
find /var/log -type f -name '*.log'按文件名找日志
find /var/log -type f -mtime -1找近一天修改的文件
cat file查看较小文本文件
less file分页读取大文件,q 退出
head -n 20 file读取开头 20 行
tail -n 100 file读取末尾 100 行
tail -F file持续跟踪日志,文件轮转后仍尝试追踪文件名
`grep -nEi ’errorfailed
grep -C 3 'ERROR' file输出匹配行前后 3 行
wc -l file统计行数
sort、uniq -c排序与计数
awk、sed文本字段提取与处理

实用示例:

# 查看最近 100 行,并持续跟踪日志轮转
tail -n 100 -F /var/log/app/app.log

# 从日志中找错误并显示上下文
grep -nEi -C 2 'error|failed|timeout' /var/log/app/app.log

# 列出 /var/log 下大于 100MiB 的文件(只查看,不删除)
find /var/log -type f -size +100M -printf '%s %p\n' | sort -nr | head

# 查看 /var 每个一级目录的用量,不跨文件系统
du -xhd1 /var 2>/dev/null | sort -h

find / -name '*.log' 虽然能用,但可能扫描大量挂载、遇到无权限目录或对繁忙磁盘造成额外 I/O。排查时尽量限定范围,如 /var/log、应用数据目录。

3. 运维常用的小技巧

# 安全查看文件是否包含某关键字
grep -n 'listen' /etc/nginx/nginx.conf

# 查看符号链接最终指向哪里
readlink -f /etc/localtime

# 查看目录内容、时间和属主
ls -lah --time-style=long-iso /var/log

风险提示: rm -rf、find ... -delete、带覆盖效果的 mv 或重定向 > 都可能不可逆地破坏数据。不要对未知路径直接递归删除;更不要把 AI、博客或论坛中的占位路径不加检查就复制到生产环境执行。


三、文件权限与用户管理命令

Linux 文件权限分为属主、属组及其他用户三个维度;服务器运维中还经常涉及 sudo、ACL 和进程实际运行身份。

1. 权限检查与调整

命令用途
ls -l file查看 rwx、属主和属组
stat -c '%a %U:%G %n' file数字权限、属主、属组
namei -l /path/to/file沿路径逐级检查目录权限
chmod 640 file给文件设置指定权限
chmod u+x script.sh给文件属主添加执行权限
chown user:group file修改属主属组
getfacl file查看扩展 ACL(若已安装)
setfacl -m u:appuser:r file单独授予指定用户读取权限
umask查看新建文件默认权限掩码
ls -l /etc/hosts
stat -c '%a %U:%G %n' /etc/hosts
namei -l /var/www/html/index.html

755 和 644 是常见模式,但不是所有目录和文件都适合的统一默认权限。私钥通常应更严格,例如 600;包含敏感配置的文件也不应让所有用户读取。

风险提示: 不要为了解决 Permission denied 直接执行 chmod -R 777。应先使用 namei -l、stat、ACL 等明确是哪一级路径、哪个运行用户没有权限。chown -R 也会递归改变大量文件归属,操作前必须确认范围。

2. 用户与组管理

命令用途
id username查看 UID、GID 和组
groups username查看所属组
getent passwd username查用户数据库中的账号信息
useradd username创建账号(具体默认行为依发行版)
passwd username设置/更改密码
usermod -aG wheel username在 Rocky 系中追加辅助组
su - username以目标用户登录环境切换
sudo -l查看当前用户允许执行的 sudo 命令
visudo安全编辑 sudoers 配置
userdel -r username删除账号及其家目录(高风险)
id
id nginx
sudo -l

注意: usermod -aG 的 -a 不能随意省略,否则可能覆盖用户原来的辅助组;组变更后通常需要重新登录才能在新会话中生效。Ubuntu 管理组一般是 sudo,Rocky/RHEL 系常见为 wheel,以机器实际 sudoers 为准。


四、进程管理命令

进程排查不仅要知道 PID,还要观察 CPU、内存、线程、父子关系以及哪个进程正在监听端口。

命令使用场景
ps -ef查看进程、PPID 和启动命令
ps aux查看用户、CPU 和内存占用
ps -eo pid,ppid,user,cmd,%cpu,%mem --sort=-%cpu按 CPU 排序
top动态查看系统负载和进程
top -H -p PID查看指定进程的线程
pidstat -u 1 3查看进程 CPU 使用情况(sysstat)
mpstat -P ALL 1 3查看每个逻辑 CPU 的使用情况
vmstat 1 5快速观察 CPU、内存、交换和 I/O 等待
pgrep -a nginx按名称查 PID 与命令
kill -TERM PID请求进程正常退出
kill -KILL PID最后手段,强制终止
ss -lntup查看监听 TCP/UDP 端口及进程信息
lsof -nP -iTCP:80 -sTCP:LISTEN查看监听 TCP 80 的进程
# 定位 CPU 使用率较高的进程
ps -eo pid,ppid,user,cmd,%cpu,%mem --sort=-%cpu | head -n 15

# 连续观察 CPU 情况(需要 sysstat)
mpstat -P ALL 1 3
pidstat -u 1 3

# 检查 80/443 端口监听
ss -lntp '( sport = :80 or sport = :443 )'

netstat -tulpn 在老教程里很常见;现代发行版优先用 ss -lntup(来自 iproute2/iproute)。netstat 可能需要额外安装 net-tools。

停进程的正确顺序

# 1. 先定位并确认进程归属
ps -fp <PID>

# 2. 先发送正常退出信号
kill -TERM <PID>

# 3. 仍未退出且确认可以强制结束时,最后才使用
kill -KILL <PID>

尖括号 <PID> 是占位符,执行时替换为真实 PID。

风险提示: 不要上来就 kill -9。它不会让应用执行正常退出流程,可能导致数据丢失或中断正在写入的事务。pkill 尤其是 pkill -f 可能误杀多个相似进程,先用 pgrep -af 确认匹配范围。


五、网络管理命令

排查“网站打不开”时,优先建立边界:域名解析有问题?路由/ARP 有问题?TCP 端口不可达?还是已经到达 HTTP 服务但 Host、路径或后端有问题?

1. IP、路由、邻居与 DNS

命令用途
ip -br addr紧凑查看网卡和地址
ip route查看路由表
ip route get 192.168.6.61查看目标 IP 的实际选路
ip neigh查看 ARP/邻居缓存状态
ping -c 3 192.168.6.61ICMP 连通性测试
getent hosts demo.nativeopslab.local按系统名称解析规则查询,包含 /etc/hosts
dig +short example.comDNS 查询(通常需 bind-utils/dnsutils)
nslookup example.com常见 DNS 排查工具
tracepath example.com观察路径与 MTU 线索
traceroute example.com追踪到目标的中间节点(可能需安装)
ip -br addr
ip route
ip route get 192.168.6.61
ip neigh show 192.168.6.61
getent hosts demo.nativeopslab.local

dig 通常直接查询 DNS,而 getent hosts 走系统名称解析机制,因此包含 /etc/hosts。验证本地映射时应优先用 getent。另外,ping 失败不能单独证明 HTTP/TCP 服务不可用:ICMP 可能被防火墙或对端策略过滤。

2. 端口、HTTP 与抓包

命令用途
ss -lntup本机监听的 TCP/UDP 端口
nc -vz -w3 192.168.6.61 80快速检查 TCP 连接
curl -I URL仅获取 HTTP 响应头(HEAD 请求)
curl -v URL显示请求与连接过程
curl --resolve host:80:IP http://host/绕过 DNS 但保留正确 Host
curl -w '%{http_code}' URL输出 HTTP 状态码
tcpdump -ni IFACE 'host IP and tcp port 80'观察网络包
firewall-cmd --list-all查看 firewalld 规则(Rocky)
# 仅确认目标 TCP 80 是否能建立连接
nc -vz -w3 192.168.6.61 80

# 输出状态码与实际连接的远端地址
curl -sS -o /dev/null \
  -w 'HTTP=%{http_code} RemoteIP=%{remote_ip}\n' \
  http://demo.nativeopslab.local/

# 排除 DNS 的影响,同时保留正确 HTTP Host
curl -v \
  --resolve demo.nativeopslab.local:80:192.168.6.61 \
  http://demo.nativeopslab.local/

curl -I 发送的是 HEAD 请求,某些服务对 HEAD 和 GET 的处理不同;必要时用正常 GET 请求验证。对于通过 Ingress 按 Host 匹配的应用,直接 curl http://IP 不一定等价于访问域名。

抓包示例(将网卡名替换为真实名称):

ip -br addr
sudo tcpdump -ni <网卡名> -c 20 \
  'arp or (host 192.168.6.61 and tcp port 80)'

风险提示: 抓包文件可能包含业务请求、Cookie、Token 等敏感数据,不要未经脱敏就公开。不要为了排障简单地关闭整个服务器防火墙;应先检查真实规则和命中路径。


六、压缩解压与备份命令

1. tar:备份和恢复目录

# 打包并 gzip 压缩:-c 创建、-z gzip、-f 指定文件
mkdir -p /tmp/nativeopslab-backup
tar -czf /tmp/nativeopslab-backup/config.tar.gz \
  -C /srv nativeopslab

# 先列出归档内容,确认路径
tar -tzf /tmp/nativeopslab-backup/config.tar.gz | head

# 解压到已确认的恢复目录
mkdir -p /tmp/nativeopslab-restore
tar -xzf /tmp/nativeopslab-backup/config.tar.gz \
  -C /tmp/nativeopslab-restore

常用参数:-c 创建、-x 解包、-t 查看目录、-z gzip、-v 显示文件、-f 指定归档文件、-C 指定操作目录。

以上 /srv/nativeopslab 是示例目录,操作前检查其存在性和真实用途,不要原样用于未知系统。

2. zip、unzip 与 rsync

# zip/unzip
zip -r config.zip ./config
unzip -l config.zip
unzip config.zip -d /tmp/restore-config

# rsync 预演:只显示预计同步操作,不真正复制
rsync -aHAXn --itemize-changes /srv/app/ /backup/app/

# 确认预演结果无误后,再考虑实际同步
rsync -aHAX /srv/app/ /backup/app/

特别注意 rsync 结尾斜杠: /srv/app/ 表示同步目录内部内容;/srv/app 的行为不同。也不要没核对目标目录就加 --delete。

3. 备份不是恢复

备份工作至少需要回答三个问题:

  1. 归档是否生成,能否列出内容?
  2. 能否在隔离的测试目录或环境成功恢复?
  3. 数据库等有状态应用是否要求一致性备份,而不是直接打包正在写入的数据目录?

风险提示: 解压来自不可信来源的压缩包要警惕路径穿越和覆盖。生产备份文件可能包含账号、私钥和数据库数据,应加密、限制访问并存放到不同故障域。


七、软件安装与服务管理命令

1. Rocky Linux 与 Ubuntu 的包管理差异

操作Rocky Linux 9 / RHEL 系Ubuntu / Debian 系
刷新软件源信息dnf makecacheapt update
安装软件dnf install nginxapt install nginx
查询软件包dnf info nginxapt show nginx
删除软件包dnf remove nginxapt remove nginx
更新已安装软件dnf upgradeapt upgrade
查看升级历史dnf history可查 /var/log/apt/history.log

Rocky 9 应优先用 dnf;yum 在一些系统中仍作为兼容命令存在。Ubuntu/Debian 通常使用 apt。

日常排障中常用的工具包:

# Rocky Linux 9
sudo dnf install -y \
  sysstat lsof tcpdump bind-utils nmap-ncat

# Ubuntu / Debian
sudo apt update
sudo apt install -y \
  sysstat lsof tcpdump dnsutils netcat-openbsd

这些命令会改变系统安装状态,生产环境先检查软件源、版本和变更窗口;如果机器已有这些工具,无需重复安装。

风险提示: dnf upgrade / apt upgrade 可能触发依赖升级、服务重启,某些更新还需要重启系统才能生效。生产环境先看变更清单并做好验证/回滚,尤其不要在 Kubernetes 集群所有节点上同时滚动升级。

2. systemd 服务管理

命令用途
systemctl status nginx --no-pager状态和最近日志
systemctl is-active nginx判断当前是否运行
systemctl is-enabled nginx是否设为开机启动
systemctl start nginx启动服务
systemctl stop nginx停止服务
systemctl restart nginx重启(会中断现有进程/连接,视服务实现)
systemctl reload nginx若服务支持,重载配置
systemctl enable --now nginx设置开机启动并立即启动
systemctl disable nginx取消开机自启,不等于立即停止
systemctl list-units --failed列出失败的服务单元
systemctl cat nginx查看服务单元和覆盖配置

以 Nginx 配置变更为例:

# 先检查配置语法,再做变更
nginx -t

# 如服务支持 reload,优先使用平滑重载
sudo systemctl reload nginx

# 检查状态和日志
systemctl status nginx --no-pager
journalctl -u nginx -n 50 --no-pager

风险提示: systemctl restart 不是“不会有副作用的排障工具”。对数据库、网络、远程登录服务和 Kubernetes 相关守护进程,重启前必须了解影响范围。


八、日志查看与日常运维命令

现代 Linux 使用 systemd 时,journalctl 是最重要的日志工具之一。不同发行版的传统日志文件布局可能不同;例如 /var/log/messages 在部分 Rocky/RHEL 系可见,但 Ubuntu 更常用 /var/log/syslog 或 journald。

1. journalctl 与故障定位

命令作用
journalctl -b -p err --no-pager本次启动后的错误级别日志
journalctl -u nginx -n 100 --no-pager查看 Nginx 最近 100 条日志
journalctl -u sshd -f实时跟踪 Rocky 系 SSH 日志
journalctl --since '1 hour ago'查看近 1 小时日志
journalctl -k -b本次启动的内核日志
journalctl --disk-usage查看日志占用空间
systemctl --failed查看失败服务
`dmesg -Ttail -n 50`
history当前 Shell 可访问的命令历史
wc -l file统计文件行数
# 检查本次启动中的错误日志
journalctl -b -p err --no-pager | tail -n 100

# 查询指定时间窗口
journalctl --since '2026-10-13 09:00:00' \
  --until '2026-10-13 10:00:00' --no-pager

# 过滤特定服务
journalctl -u nginx -b -n 100 --no-pager

安全意识: history 并不是完整、不可篡改的系统审计记录,也不一定包含所有用户的所有命令;日志需要配合审计配置及访问控制。历史命令里还可能意外包含密码和 Token,截图分享前应检查。

2. 关机与重启

# 查看当前运行状况
uptime
who
systemctl --failed

# 以下会中断当前业务,非必要不要在生产环境执行
# sudo systemctl reboot
# sudo systemctl poweroff

clear 只清理终端显示,不会删除命令历史,也不是安全擦除。


九、把命令组合起来:三个典型排障案例

下面的案例是可复用的排查流程。其中第 3 个案例包含 NativeOpsLab 已经验证的真实结果;前两个为演示思路,不能冒充曾在本实验室实际发生的故障。

案例 1:CPU 占用高,先确认是“单核满”还是“整机满”(演示)

现象:告警系统提示 CPU 相关指标异常,或者运维人员感觉应用变慢。

uptime
nproc
top -b -n 1 | head -n 25
mpstat -P ALL 1 3
pidstat -u 1 3
ps -eo pid,ppid,user,cmd,%cpu,%mem --sort=-%cpu | head -n 15

分析顺序:

  1. 先查看 nproc 和 mpstat -P ALL,判断有多少逻辑 CPU、哪些 CPU 繁忙。
  2. 用 pidstat 和 ps 找到持续消耗 CPU 的进程。
  3. 配合 vmstat 1 5 看运行队列和等待情况,必要时进一步看磁盘 I/O。
  4. 确认是预期计算任务、异常死循环还是资源限制,再制定处置办法。

关键结论: 一个线程占满一个 CPU,并不必然等于整机 CPU 100%;Load Average 也不能直接解释为 CPU 百分比。

案例 2:df 提示磁盘满,但 du 算不出来(演示)

# 先确认哪个文件系统满
df -hT
df -i

# 限定在目标文件系统内排查目录用量
du -xhd1 /var 2>/dev/null | sort -h

# 查看已删除但仍被进程打开的文件(需 lsof)
sudo lsof +L1

如果 df 使用率很高,但 du 看不到对应的大文件,原因可能是日志已删除但进程仍持有打开的文件描述符。不要直接删除更多系统文件,也不要未经评估就重启数据库服务。 应先确认持有者、数据性质及安全释放方案。

案例 3:Kubernetes 集群外访问验证(NativeOpsLab 真实实验)

在 NativeOpsLab 中,Nginx Deployment、Service 和 Ingress 已创建。h11 上观察到:

  • Nginx Deployment 两个副本就绪;
  • nginx-demo Service ClusterIP:10.100.169.199:80;
  • 后端地址:10.244.1.140:80、10.244.1.231:80;
  • Cilium Ingress 地址:192.168.6.61;
  • Host:demo.nativeopslab.local。

在集群外的 h16 执行:

curl http://demo.nativeopslab.local/

实际成功返回带有 NativeOpsLab 标题的 HTML 页面,说明该 HTTP 请求的端到端验证通过。本次没有真实发生“外部无法访问”的故障。

以后如果访问失败,可以复用下面的顺序:

# h16:先验证系统名称解析与路由
getent hosts demo.nativeopslab.local
ip route get 192.168.6.61
ip neigh show 192.168.6.61

# h16:绕开 DNS 单独检查 HTTP/Ingress
curl -v --connect-timeout 5 --max-time 15 \
  --resolve demo.nativeopslab.local:80:192.168.6.61 \
  http://demo.nativeopslab.local/

# h11:检查 Service/Ingress/Pod 后端关系
kubectl -n demo get pods,svc,ingress -o wide
kubectl -n demo get endpointslice \
  -l kubernetes.io/service-name=nginx-demo

这里的 IP 是 NativeOpsLab 的实验地址,其他环境请替换。它体现了一个通用原则:先拆分 DNS、Route/ARP、TCP、Ingress、Service/Pod 等故障边界,避免靠猜测重启网络组件。


十、生产环境执行前的风险检查

每当操作涉及写入、删除或中断业务时,建议先问自己以下问题:

  • 目标对吗? 当前主机、命名空间、路径、服务名和 PID 是否正确?
  • 影响范围多大? 是单个测试进程,还是数据库、网关、Kubernetes 节点?
  • 有没有备份与回滚? 备份是否可恢复?配置能否撤回?
  • 能不能先只读检查? status、describe、--dry-run、rsync -n 等通常优于直接修改。
  • 有没有敏感信息? 日志、history、tcpdump、终端截图中可能出现 IP、凭证和业务数据。
  • 如何确认恢复? 不能只看命令退出码,还要执行业务访问与监控验收。

一组值得收藏的“首次登录服务器”巡检命令

hostnamectl
cat /etc/os-release
uptime
free -h
df -hT
df -i
ip -br addr
ip route
ss -lntup
systemctl --failed
journalctl -b -p err --no-pager | tail -n 50

这组命令大体以观察为主,适合先建立基线。但仍需注意在高负载或敏感生产环境中控制检查频率和输出的共享范围。


总结

Linux 运维命令不需要一口气背完。更有效的方法,是把命令放进真实场景里反复使用:

  • 系统信息: 先看负载、内存、磁盘和时间;
  • 文件管理: 限定路径,避免误删;
  • 权限管理: 先查身份和路径权限,别盲目 777;
  • 进程管理: 先找原因,优先正常退出而不是 kill -9;
  • 网络管理: 把 DNS、路由、ARP、TCP、HTTP 分开定位;
  • 压缩与备份: 生成归档只是第一步,恢复验证才是关键;
  • 软件与服务: 升级、重启和配置变更要有窗口和回滚;
  • 日志运维: 尽量带上服务、时间窗口和错误上下文。

这也是 NativeOpsLab 持续记录 Linux / Kubernetes 实验的方法:现象 → 收集证据 → 定位边界 → 修复 → 验证 → 复盘。