运维日志

RMAN 备份恢复写过，日常运维也写过，但这篇讲另一件真出事才显价值的事——给 Oracle 19c 建一套物理备库。主机板子烧了、机房网络断了，有 DG 你一条命令切过去继续跑；没有，就只能从备份恢复， downtime 和数据丢失都够喝一壶。从前置条件、RMAN 复制建库、broker 配置到 switchover/failover 和那些必踩的坑，这篇都给你敲出来。

有段时间 Redis 每隔几秒就冒一次百毫秒级的延迟尖刺，CPU 闲着、慢日志干净、大 key 也查不出来。最后定位到不是程序也不是网络，是内核在后台帮我们「好心」合并大页。这篇文章从一次真实的毛刺排查讲起，说清 THP 到底是啥、为什么延迟敏感的服务最怕它、怎么确认它在捣乱，以及临时关、systemd 关、grub 关、容器里关各自怎么落地、踩过哪些坑。

RMAN 备份那套另写过，这篇只讲上线之后每天真会撞上的事：表空间悄悄涨满、业务喊慢你却不知道慢在哪、ORA-01555 和 ORA-00257 半夜报警、还有一句 ALTER SYSTEM KILL SESSION 救活被锁死的接口。不堆概念，给能直接敲的命令、能看懂的判断，以及我踩过的几个弯。

有人觉得有了 ZFS 和 LVM 就不需要 mdadm 了，可真到给一台老服务器加两块盘做镜像、或者把一组 SATA 盘凑成读写盘的时候，mdadm 还是最顺手的那一个。这篇文章不堆概念，直接讲怎么从零建 RAID、盘坏了怎么热替换、重建进度怎么盯，以及那些文档不会告诉你的坑——比如 RAID5 掉盘重建时第二块盘也读不出、bitmap 没开导致重建慢一倍、还有 RAID 永远不是备份这件事。

Redis 默认纯内存，进程一退数据全没。RDB 快照、AOF 日志、Redis 4.0 起的混合持久化，三者取舍和坑点远比「开个 AOF」复杂：fork 内存翻倍、AOF 重写期间丢数据、文件损坏启动不了、FLUSHALL 后怎么抢时间救。从一次断电复盘讲起，把配置、取舍、崩溃恢复和运维观测拆开说。

kill -9 把进程干不掉，ps 里却还挂着一行 defunct——这类现象八成被错怪成「服务僵死」。从一次凌晨告警讲起，把信号到底是什么、为什么 -9 也会失效、僵尸进程怎么定位又该怎么回收讲透，顺带把 D 状态、孤儿进程、systemd 的信号投递这几个真正容易踩的点拆开。