运维新手必避的5大服务器配置坑，第3个90%人中招

　　去年8月，凌晨三点十七分，我盯着屏幕右下角那个跳动的「23:57」——哦不对，是凌晨，时区切错了。测试机桌上排成一排，四台，三台亮着，一台黑着，黑的那台电源灯是绿的，但SSH死活不通，我拿手指甲刮了刮网口金属片，没灰，但莫名就想去刮。

　　第3个坑：systemd服务单元里写ExecStart=/usr/bin/java -jar app.jar，后面不跟--spring.profiles.active=prod，也不加Restart=always，更不设WorkingDirectory。90%人中招。我敢打包票。不是统计，是去年八月那一周，我们收了七份上线工单，五份在UAT环境跑两小时后静默退出，查journalctl -u xxx | tail -20，全是「Process exited, code=exited, status=143」——连OOM都不是，是java进程被kill -15之后，JVM连日志都懒得刷一行就躺平了。

　　我原以为是Java版本问题，把OpenJDK 11换成17，结果第二天监控告警又响，还是同一台机器。后来发现是systemd把进程挂到cgroup v1 root.slice下面，而应用自己启了个临时线程池，没配ThreadFactory.setName，结果在systemd kill前0.3秒，这线程池往/dev/stdout打了一串乱码，日志文件里只留下半行「[main] c.c.a.App : Startin」，然后戛然而止。

　　凉了的外卖还搁在键盘右边，铝箔盒底儿朝天，里面剩两块土豆，浮着一层油。我没动它。产品经理站在工位隔断外头，左手捏着iPad，右手食指悬在AirDrop图标上空没点下去，说：“就这么点东西，测完就能上。”他衬衫袖子挽到小臂中间，露出一块浅褐色胎记，像块陈年咖啡渍。我没接话，点了三下Enter，重启服务。没用。第四次我删掉整个[Unit]段，重写，把Type=notify改成simple，才活过来。但没人教新人这个——没人告诉ta，notify不是让你去写RuntimeDirectory=，而是逼你在代码里调System.exit()之前，先发个sd_notify("READY=1")。写了等于白写，因为Spring Boot默认压根不集成libsystemd。

　　UI走查时的沉默。那天下班前最后一轮，产品、前端、测试围在会议室白板前，我蹲在投影仪线缆堆里改Ansible playbook。他们讨论按钮圆角该是4px还是6px，声音很轻，但“6”字飘出来的时候，我手机在裤兜里震了一下——地铁上掏手机复现这个问题，是在回龙观站进站闸机刚刷完卡、还没抬脚那半秒。我划开微信，是SRE群里有人贴图：某银行客户环境，同样配置，同样静默挂，只不过人家用的是Zing JVM，所以exit时还多吐一行「[INFO] Zing GC paused for 0ms」，成了救命稻草。可这有啥用？Zing要钱，我们用OpenJDK——但OpenJDK不告诉你，-XX:+ExitOnOutOfMemoryError 这种参数，遇到systemd kill -15也照旧失效。

　　失败案例堆得比我工位抽屉还满：新同事给Redis配maxmemory-policy volatile-lru，结果线上缓存穿透瞬间打穿数据库；另一个给Nginx upstream写ip_hash却忘了keepalive timeout和upstream timeout差了三倍，连接池疯涨；还有个在/etc/crontab里直接写 root curl -s http://localhost:8080/health > /dev/null，结果每天00:00:00整点，所有实例同时发探针，SLB层直接熔断。这些都没第3个坑隐蔽——它不报错，不报警，不丢数据，就是凌晨四点你醒来摸手机看企业微信，弹出三条告警，点开，全是一模一样的log tail：“Started Application in 3.2 seconds (JVM running for 3.2)”，然后就没然后了。

文章配图，仅供参考

　　优胜劣汰？对。真不是狠话。去年八月我们团队转正三人，两人留，一人没过试用期。留下的俩，一个改完systemd unit之后，顺手把journald rate limit从1000/30s提到5000/30s，防日志淹没；另一个在CI阶段就把systemd-analyze verify xxx.service跑进流水线。淘汰的那个？他重装了三次系统，最后发现是SELinux开着，而他写的selinux-policy-modules根本没编译进内核模块——但他始终觉得是Java问题。这事我不说了，说多了像刻薄。但你说这算不算筛选？算。系统不筛你，时间筛，时间不筛，客户筛。

　　上周我又看到个case：K8s里用Deployment跑Spring Boot，initContainer里chown -R 1001:1001 /app，结果pod启动后主容器进不去，因为Java进程以user 1001跑，但jvm.pid写在/tmp里，而/tmp挂载时用了noexec,nodev——但这不是重点。重点是，这人在GitHub issue里抄别人答案，把startupProbe改成exec: ["sh", "-c", "ps aux | grep java"]，硬扛三分钟才探测成功。我截图发给运维老李，他回我三个字：“再练练。”

　　这事我暂时没法往下推了。我们组正在把systemd模板拆成三类：通用型、Spring Boot型、Netty专用型，每个都带注释，注释第一行写「别删WorkingDirectory，否则log可能落到/root目录下」。但我知道，只要文档没变成pre-commit hook里的check，就永远有人跳进去。我试过用shellcheck做CI校验，结果新同事把ExecStart=那一行用\\折行，shellcheck直接绕过去了。这我能咋办？让他背systemd.directives手册？算了。明天早会我说一句：“所有java服务，先配RestartSec=5，不管有没有Restart=always”。就这一句。说完我喝一口凉透的美式，杯子底儿有圈褐色渍，跟产品经理小臂上那块胎记差不多深。

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!