1. 常见故障有哪些？（澳门服务器租用/云主机）
在澳门服务器租用和云主机场景中，常见故障包括：网络中断、磁盘满、CPU/内存资源耗尽、服务进程崩溃、硬件故障（物理服务器）以及安全入侵或DDoS攻击等。
网络与连接故障
表现为外网无法访问、丢包高、延迟剧增，常见原因是路由器故障、链路带宽被占满或提供商线路问题。
存储与磁盘问题
包括磁盘I/O高、文件系统只读、快照失败，根因可为磁盘损坏、配额超限或备份任务堵塞。
服务与进程异常
如Web服务、数据库进程崩溃或响应超时，往往由配置错误、内存泄漏或突发流量导致。
2. 排查故障的标准流程是什么？（故障处理流程）
标准化的故障处理流程应包含：告警确认、初步判断、根因定位、补救措施、回归验证与记录归档六个步骤。
告警确认与影响评估
收到告警后先确认告警是否真实，判断影响范围（单机/集群/业务），并按影响等级分级响应。
初步定位与快照采集
收集关键指标（CPU、内存、磁盘、网络）、进程状态和最近日志，必要时在故障点采集快照或导出core文件。
制定临时缓解方案
若业务受影响严重，优先执行临时缓解（重启服务、切换流量、扩容实例），同时继续深度排查。
3. 快速恢复与应急运维SOP示例（运维SOP）
下面给出一套精简的运维SOP示例，便于在澳门服务器租用或云主机场景中快速执行。
第一阶段：紧急响应（0-15分钟）
确认告警并通知值班人员，执行流量切换或启用备机；记录时间线与初步处理动作。
第二阶段：根因定位（15-60分钟）
查看监控面板与日志，排查最近变更（发布、配置、证书等），通过回滚或配置修正验证假设。
第三阶段：恢复与验证（60-180分钟）
完成恢复后做压测或回放流量验证系统稳定，持续观察关键指标至少30分钟无异常再关闭应急通道。
4. 日常运维与预防措施有哪些？（预防与维护）
通过规范化的日常运维可以大幅降低故障率，建议包含变更管理、容量规划、补丁更新与定期备份策略。
变更管理与回滚策略
所有线上变更走审批流程并配备自动化回滚脚本，变更窗口内应有专人监控和回退预案。
容量预判与自动扩缩容
结合历史流量趋势设置阈值告警，利用云主机的弹性伸缩能力自动扩容减少因资源饱和导致的故障。
备份与演练
定期做全量与增量备份，并每季度至少一次演练恢复流程，验证备份可用性和恢复时间（RTO/RPO）。
5. 监控告警与日志分析的最佳实践是什么？（监控与日志）
建设覆盖网络、主机、应用和业务的统一监控体系，并将日志集中到ELK/Observe平台以便快速检索和关联分析。
多维度告警体系
结合阈值、趋势和异常检测告警，区分显式告警与机器学习异常检测，避免告警风暴并设置告警抑制规则。
日志结构化与追踪链路
对关键服务进行结构化日志输出并实现分布式链路追踪（Trace），可快速定位跨服务调用的性能瓶颈。
回放与根因分析工具
故障发生后使用告警与日志回放、指标时间序列比对，形成问题复盘报告并更新知识库与SOP。
