今年年初刚来到目前这家公司时，一个十五平米左右的小机房，摆了两个服务器机柜，一个网络机柜，里面放满了服务器，一个不给力的空调费劲的吹着不冷的风，噩梦就这样开始了。
三月底的北京，还算是比较冷的，可是我们的机房却不冷，空调吹出来的风还没室外的风凉，当时机房的温度估计在30度左右，温度这个问题当时是我一个最大的心病，在接下来的两个多月中，服务器的故障率非常高，平均每周都有服务器出现故障，经过统计，从我刚来公司，到机房温度问题得到解决这段时间里，有29次服务器故障，其中2次硬件故障，5次服务器性能问题，7次服务器死机，4次服务器宕机，11次服务器重启。在这段时间里干着非常被动的运维工作，在机房温度这个大问题没有解决的情况下，每次服务器出现故障都要明确找出故障原因给领导汇报，除了服务器重启和宕机还有硬件故障在惠普ilo里有明确的记录外，服务器莫名其妙出现性能问题，莫名其妙卡死、宕机，虽然在linux 日志里有相应的记录，可大多是一篇一篇看不懂的信息，却没有明确表明是温度引起的（虽然这个时候机房温度偏高）。两次硬件故障分别是电源模块坏了，网卡坏了，领导一方面质疑硬件质量，一方面想知道为什么坏了，却不关心机房温度已经破30了，无奈通过惠普服务器ilo收集服务器一个星期的温度情况，做成曲线图给领导看，得到的回复是新机房正在规划，再坚持一段时间，随着时间的推移，北京的天气也变热了，机房温度升到了34、35、36度，服务器机箱内的温度也长期维持在40度以上，45度就要宕机的呀，眼看服务器实在受不住了，跟领导汇报后，这才又买了一台空调，两台空调温度调到最低，之后，服务器几乎再没有出现过问题。
回头看看那两个月被动的工作，心有余悸，但是也让我在linux服务器故障排查方面有些感悟。在有几次服务器莫名出现性能问题，莫名宕机时，linux系统也记录了相关的日志信息，把这些日志信息放到google一查，也有人遇到了一样的问题，在网上讨论问题原因，大多数回复是根据日志信息字面上的问题做出相应的猜测，他们做出那样的猜测不无道理，不过他们的思路局限在了linux系统，忽略了linux系统之外的大环境（服务器硬件，机房环境，网络环境等）。
在我接触到的问题中，有不少是由于系统以外的问题导致系统不正常的，所以我觉得在做linux系统运维时，当服务器出现问题，除非明确是系统问题，否则故障的排查应该从外往内，既从外围的机房环境（温度，湿度等）到网络环境（需要有一定的网络基础），到服务器硬件（磁盘，raid卡、网卡，内存等），再到操作系统，这样才能准确又快速的找到问题的原因。