自己扛一台独立服务器,跟买台云主机完全是两回事。云主机挂了提工单,独立服务器挂了只能自己爬起来看 IPMI。我从 2021 年开始陆续管过 6 台独立机器,有跑站点的,有跑爬虫的,也有给客户做数据中转的。前两年基本靠 SSH 硬怼,出过两次事故之后才慢慢把运维流程理顺。

先说结论:独立服务器的运维核心不是"技术多牛",而是"别让单点故障把你半夜叫起来"。下面这些东西是我现在每台机器都会装的,能省掉大量重复劳动。

独立服务器运维三年,我踩过的坑和留下的工具清单

监控先立起来,别等出事再找原因

我见过太多人机器上只装个宝塔,磁盘快满了都不知道。独立服务器不像云厂商有控制台告警,硬件层面的问题你不管,就没人管。

独立服务器运维三年,我踩过的坑和留下的工具清单

轻量方案我用 Netdata,一条命令装完,CPU、内存、磁盘 IO、网络全有图,手机浏览器也能看。想做得规范点就上 Prometheus + node_exporter + Grafana,数据留得久,适合多台机器统一看。Uptime Kuma 单独跑在一台便宜的小鸡上,专门做存活探测,站点 30 秒不通就推 Telegram。

独立服务器运维三年,我踩过的坑和留下的工具清单

  • 磁盘 SMART 状态:装 smartd,配好邮件告警,坏道能提前几天发现
  • RAID 阵列健康:mdadm --detail 定期跑,降级了必须第一时间知道
  • 内存和 swap 使用率:swap 长期被吃说明内存不够,别硬撑
  • 带宽流量:独立服务器大多有月流量上限,超了会被限速
  • 证书到期:certbot renew 失败是常见事故源,单独监控

备份和自动化,是省时间的两个大头

备份这块我推荐 restic,配合对象存储(Backblaze B2 或者阿里云 OSS 都行)。它是增量加密的,第一次全量之后每天只传变化部分,我有一台机器 80G 数据,日常备份耗时不到 3 分钟。记住 3-2-1 原则:三份数据、两种介质、一份异地。本地 RAID 不是备份,RAID 只能防硬盘坏,防不了你手抖 rm -rf。

自动化我用 Ansible,不装 agent,走 SSH 就行。刚开始觉得写 playbook 麻烦,后来一次要给 4 台机器统一改 Nginx 配置,手敲得半小时还容易漏,用 playbook 三分钟跑完。现在的做法是:新机器装完系统,跑一个 init.yml,把用户、SSH 密钥、防火墙规则、时区、常用工具一次性配好。

安全方面别偷懒,几个动作成本很低但收益很大:

  • SSH 关掉密码登录,只留密钥,端口改掉 22
  • 装 fail2ban,默认规则就够挡掉绝大部分扫描爆破
  • 防火墙用 nftables 或 ufw,只开需要的端口,出站也建议限制
  • 系统更新开自动安全补丁,内核更新手动重启

讲个真实例子。去年 3 月有台机器,smartd 半夜发邮件说 sdb 出现重映射扇区。我当时没太在意,第二天早上查 mdadm,发现阵列已经在重建了。幸好是 RAID1,换盘之后同步了 4 个小时恢复。要是单盘又没监控,那天数据就没了。这件事之后我把所有机器的 SMART 告警都接到了手机上。

最后说个态度问题。独立服务器运维,图的是性价比和可控性,代价是你得对硬件和系统负责。别指望装个面板就万事大吉,面板能帮你管网站,管不了硬盘什么时候坏。我的建议是花两个周末把监控、备份、自动化这三件事搭起来,之后每个月抽半小时看看告警日志,基本就能安稳跑下去。