Linux系统稳定性检测指南

1. 系统资源监控

1.1 CPU使用率检测

# 实时监控CPU使用率
top
htop

# 查看CPU负载
uptime
cat /proc/loadavg

# 查看CPU核心温度(需要lm-sensors)
sensors

1.2 内存使用检测

# 查看内存使用情况
free -h
vmstat 1 5

# 检测内存泄漏
valgrind --leak-check=full your_application

1.3 磁盘I/O检测

# 查看磁盘使用情况
df -h
du -sh /path/to/directory

# 监控磁盘I/O
iostat -x 1
iotop

2. 系统日志分析

2.1 关键日志文件

# 系统日志
/var/log/syslog
/var/log/messages

# 内核日志
dmesg
journalctl -k

# 认证日志
/var/log/auth.log

2.2 日志分析工具

# 查找错误信息
grep -i error /var/log/syslog
grep -i fail /var/log/syslog

# 使用logwatch分析日志
logwatch --detail high

3. 内核稳定性检测

3.1 内核错误检测

# 检查内核oops消息
dmesg | grep -i "Oops"
dmesg | grep -i "segfault"

# 检查内核panic
journalctl -k | grep -i "kernel panic"

3.2 内核参数调优检测

# 查看当前内核参数
sysctl -a

# 检查关键参数
sysctl vm.swappiness
sysctl vm.overcommit_memory

4. 网络稳定性检测

4.1 网络连接检测

# 查看网络连接状态
netstat -tulnp
ss -tulnp

# 检查丢包率
ping -c 100 example.com | grep "packet loss"

# 网络带宽测试
iperf3 -c server_ip

4.2 防火墙检测

# 检查防火墙规则
iptables -L -n
nft list ruleset

# 检查被拒绝的连接
grep "DROP" /var/log/syslog

5. 系统服务稳定性

5.1 服务状态检查

# 查看所有服务状态
systemctl list-units --type=service --state=running

# 检查失败的服务
systemctl --failed

# 查看服务日志
journalctl -u service_name -n 50

5.2 进程监控

# 查看僵尸进程
ps aux | grep 'Z'

# 检查异常进程
ps aux --sort=-%cpu | head
ps aux --sort=-%mem | head

6. 自动化监控工具

6.1 安装监控工具

# 安装常用监控工具
sudo apt install sysstat dstat lm-sensors net-tools

6.2 使用Prometheus+Grafana

# 安装Prometheus和Node Exporter
# 配置Grafana仪表板监控系统各项指标

7. 长期稳定性测试

7.1 压力测试

# CPU压力测试
stress --cpu 8 --timeout 300

# 内存压力测试
stress --vm 4 --vm-bytes 1G --timeout 300

# 磁盘I/O压力测试
fio --name=test --ioengine=libaio --rw=randrw --bs=4k --numjobs=16 --size=1G --runtime=60 --time_based

7.2 系统重启测试

# 检查系统启动时间
systemd-analyze
systemd-analyze blame

8. 故障排查流程

1. 收集系统日志和错误信息
2. 检查系统资源使用情况
3. 分析最近系统变更
4. 重现问题(如可能)
5. 隔离问题组件
6. 应用修复并验证
7. 监控修复后的系统稳定性

通过以上全面的检测方法，您可以系统地评估Linux系统的稳定性，及时发现并解决潜在问题，确保系统长期稳定运行。