在香港服务器使用CentOS Stream,怎样降低系统更新对业务的影响?

发布人:A5数据发布时间:2026-10-12 10:40阅读量:236

要降低香港服务器使用 CentOS Stream 时系统更新对业务的影响,重点不是长期不更新,而是把更新从“直接在生产机执行的即时操作”,改成有范围、有备份、有验证、有回滚依据的分阶段变更。生产环境通常应先确认版本、仓库、磁盘、运行服务和当前负载,再在低峰期执行小批量更新;更新后完成服务、网络、数据库连接和业务指标验证,确认观察窗口内没有异常后再结束变更。

CentOS Stream 的软件包会持续进入面向下一阶段 RHEL 次版本的开发和集成流程,更新内容可能涉及内核、systemd、glibc、OpenSSL、运行时库以及第三方依赖。香港机房本身不会改变更新机制,但镜像访问路径、出口带宽、跨区域备份延迟和业务高峰时间需要纳入安排。单台服务器应优先使用快照加可恢复备份;多台服务器则采用一台或一组节点先更新、验证通过后再逐步扩大范围。

A5数据提供中国香港物理服务器租用,覆盖入门建站、Xeon Gold与AMD EPYC等配置,并配备SSD或NVMe存储,适用于网站、业务后台、数据库及多任务服务部署。针对不同访问区域和业务连接需求,香港产品提供CN2与国际带宽选择;当业务需要分节点承载、分阶段更新或扩展资源时,也可结合A5数据在美国、日本、新加坡等地区的服务器产品,构建更匹配业务架构的基础设施。

现状核对:先确定这次更新到底会影响什么

确认 CentOS Stream 版本和维护状态

先不要直接执行 dnf upgrade -y。需要确认操作系统版本、内核、CPU 架构和主机角色,避免把不同版本的操作步骤混在一起。

cat /etc/centos-release
cat /etc/os-release
uname -r
uname -m
hostnamectl

如果系统版本已经停止维护,降低更新影响不能等同于继续保持原系统不变。已停止维护的版本可能无法持续获得修复,仓库内容也可能发生变化,应把迁移到仍受支持版本单独列为迁移项目,而不是在一次普通更新中顺便完成系统升级。

同时确认服务器是单机、主备、负载均衡节点,还是数据库、缓存、消息队列、文件存储等基础服务节点。不同角色的更新影响范围不同:

服务器角色主要影响更新前重点
无状态 Web 或 API 节点连接中断、进程重启、短时 5xx先摘除流量,确认健康检查和会话策略
单机 Web 与数据库服务同时中断、数据一致性风险数据库原生备份、维护页、可恢复快照
负载均衡后端节点单节点容量下降、连接排队确认剩余节点能承接峰值流量
缓存或消息队列连接重建、积压、数据丢失检查持久化、复制状态和消费延迟
文件或对象处理节点挂载、权限、内核模块异常检查挂载点、存储驱动和读写测试
依赖第三方驱动的节点驱动与新内核不兼容先确认驱动、代理、监控组件支持情况

如果同一台香港服务器同时承担 Web、数据库和定时任务,不能只按“系统补丁”评估。一次重启可能会同时影响对外连接、数据库连接池、计划任务和备份任务,应按最大影响范围设计维护窗口。

检查仓库、软件包和待更新内容

CentOS Stream 的更新范围由启用的仓库共同决定。除了系统仓库,还可能存在 EPEL、硬件驱动、监控代理、面板或厂商软件仓库。先记录仓库列表,不要在没有评估的情况下删除仓库或批量修改配置。

dnf repolist --enabled
dnf repolist all
dnf history list
dnf check

查看仓库配置和第三方仓库来源:

grep -R "^\[.*\]\|^name=\|^baseurl=\|^mirrorlist=\|^metalink=\|^enabled=\|^gpgcheck=" \
  /etc/yum.repos.d/ 2>/dev/null

重点关注以下情况:

  • 仓库是否仍然可访问,是否出现大量 404、签名错误或元数据过期;
  • 是否启用了不再维护的第三方仓库;
  • 软件包是否由多个来源提供;
  • 是否安装了依赖特定内核版本的驱动、代理或安全软件;
  • 是否存在未完成的事务或损坏依赖;
  • 是否设置了自动更新,可能与人工变更同时运行。

可以先刷新元数据并查看可更新软件包。makecache 不会安装软件包,但仍可能产生网络和磁盘 I/O,应在业务低峰执行。

dnf makecache --refresh
dnf list --upgrades
dnf history list

确认自动更新任务:

systemctl list-timers --all | grep -Ei 'dnf|yum|package|update' || true
systemctl status dnf-automatic.timer --no-pager 2>/dev/null || true

如果存在自动更新,应在变更记录中注明其运行时间和控制方式,避免自动任务与人工更新竞争 RPM 锁。不要为了本次操作永久关闭自动更新;如确需临时调整,应记录调整前状态,并在变更结束后恢复。

检查磁盘、内存和重启条件

系统更新不只需要下载空间,还需要解包、安装、生成缓存和写入日志的空间。重点检查根分区、/var、/boot 和 inode 使用情况。

df -hT
df -ih
free -h
swapon --show
ls -lh /boot

如果 /boot 空间不足,内核更新可能无法完成;如果 /var 或根分区空间紧张,下载和事务处理可能中断。不要用“磁盘还有几十 GB”这种笼统判断代替分区检查,因为空闲空间可能集中在与 DNF 无关的挂载点。

待更新事务的下载量以 DNF 的事务预览为准。示例中,如果预计下载 1.2 GB 的软件包,出口带宽为 100 Mbps,理论传输时间为:

1.2 GB × 8 × 1000 ÷ 100 Mbps = 96 秒

这里的 1.2 GB 按十进制计算,100 Mbps 是兆比特每秒,不是 100 MB/s。实际时间还会受到镜像响应、TCP/TLS、磁盘写入、软件包校验和依赖处理影响,因此不能把理论传输时间直接当作维护窗口。建议为下载、安装、服务重启和异常处理预留完整时间。

变更准备:先建立可恢复点和可观察基线

备份配置、软件包清单和业务数据

系统更新前至少应保留三类信息:

  1. 当前配置和服务定义;
  2. 当前已安装软件包清单;
  3. 应用和数据库的可恢复备份。

配置和软件包清单可以先保存到独立、已确认可写的备份路径。下面的示例不会修改生产服务,但执行前应确认备份目录不是本机即将损坏的同一磁盘,且其中可能包含密码、证书和密钥,必须限制访问权限。

CHANGE_ID=$(date +%F-%H%M)
BACKUP_DIR="/backup/centos-stream-${CHANGE_ID}"

mkdir -p "${BACKUP_DIR}"
chmod 700 "${BACKUP_DIR}"

rpm -qa | sort > "${BACKUP_DIR}/rpm-list.txt"
cp -a /etc/yum.repos.d "${BACKUP_DIR}/yum.repos.d"
tar --xattrs --acls --selinux \
  -czf "${BACKUP_DIR}/etc.tar.gz" /etc

dnf history list > "${BACKUP_DIR}/dnf-history.txt"
uname -a > "${BACKUP_DIR}/kernel.txt"
systemctl list-unit-files --state=enabled > "${BACKUP_DIR}/enabled-units.txt"
systemctl --failed > "${BACKUP_DIR}/failed-units.txt"

业务数据不能只依赖 /etc 备份。数据库应使用对应数据库的原生备份方式,并确认备份文件可以读取、校验和恢复。文件上传、订单、队列和日志等数据也要明确恢复范围。对于正在写入的数据库,云主机或虚拟化平台快照通常只是崩溃一致性副本,不一定等同于应用一致性备份。

如果服务商提供云盘或虚拟机快照,可以把快照作为快速回退手段,但要确认:

  • 快照是否包含系统盘、数据盘和独立挂载盘;
  • 快照创建期间是否会暂停 I/O;
  • 快照保留时间、费用和恢复耗时;
  • 是否能够在控制台或救援环境中恢复;
  • 恢复后数据盘是否会回到快照时刻,从而丢失之后的新写入。

更稳妥的组合是“数据库原生备份或文件备份 + 系统快照 + 配置清单”。三者解决的问题不同,不能相互替代。

提前测试仓库连接和下载路径

香港服务器更新时,镜像连接速度和稳定性可能与业务访问速度不同。不要仅凭 ping 判断仓库质量,实际应让 DNF 刷新元数据并观察耗时、错误和下载中断情况。

time dnf makecache --refresh
dnf repolist --enabled

如果需要提前下载软件包,可先确认系统是否支持下载插件以及磁盘空间是否足够:

dnf help upgrade | grep -E -- '--downloadonly|--downloaddir' || true
rpm -q dnf-plugins-core

在插件可用、软件包来源已确认、备份已完成的前提下,可以把下载阶段安排在更早的低峰期。预下载只能减少正式变更期间的网络传输时间,不能替代正式安装、服务重启和验证。

STAGE_DIR="/var/tmp/centos-stream-update-${CHANGE_ID}"
mkdir -p "${STAGE_DIR}"

dnf upgrade --downloadonly --downloaddir="${STAGE_DIR}"

如果命令提示不支持相关选项,不要为了预下载随意安装未知来源的插件;应先检查启用仓库和系统版本。也不要使用 --nogpgcheck 绕过签名检查,或把来源不明的 RPM 直接放入生产系统。

建立更新前基线

更新前至少观察一个短周期,记录正常状态下的 CPU、内存、磁盘 I/O、连接数、请求延迟、5xx 比例、数据库连接数和队列积压。监控平台可以使用现有系统,关键是保留变更前数值,方便更新后进行对比。

在服务器上可记录基础状态:

date
uptime
free -h
df -hT
systemctl --failed --no-pager
ss -s
ss -lnt

应用侧应确认:

  • 健康检查接口正常;
  • 业务域名解析和 TLS 证书正常;
  • 关键接口能完成一次只读或测试交易;
  • 数据库连接池没有持续增长;
  • 消息队列没有异常积压;
  • 定时任务没有正在执行大批量写入;
  • 备份、日志采集和监控代理状态正常。

监控告警不应在维护窗口中全部关闭。可以将计划内的重启、短时连接失败标记为维护事件,但仍保留磁盘、内存、持续 5xx、数据库不可用和主机失联等关键告警。

设定维护窗口和人员分工

香港时间为 UTC+8,维护窗口应根据实际访问者、批处理任务、备份任务和服务商控制台可用时间安排。不要仅按“香港本地凌晨”判断低峰,跨地区业务可能在该时间仍有较高访问量。

变更单中应明确:

  • 开始和结束时间;
  • 更新主机和不更新主机;
  • 负责人、观察人和回滚决策人;
  • 服务商控制台、救援系统或带外管理入口;
  • 备份位置和恢复方式;
  • 监控面板与业务验证地址;
  • 预计重启次数;
  • 不能执行的高风险操作。

如果是单台生产服务器,必须在执行前确认可以通过服务商控制台访问。只依赖 SSH 进行内核或网络相关更新,一旦新内核、网卡驱动或防火墙规则出现异常,可能无法远程登录。

分步实施:先小范围验证,再扩展到生产节点

先在克隆环境或一台节点上试运行

有多台相同配置的服务器时,建议按照以下顺序处理:

以待更新节点为主流程,旁侧保留其他节点承接业务的状态栏;用容量确认和验证通过两个判断节点控制前进,异常路径汇入停止扩大范围

  1. 选择流量最低、可摘除、数据写入较少的节点;
  2. 从负载均衡中摘除该节点,并等待已有连接自然结束;
  3. 确认其他节点有足够容量承接流量;
  4. 在该节点执行更新、重启和完整验证;
  5. 观察一个短周期后再恢复流量;
  6. 确认无异常后,按批次处理下一台。

如果只有一台服务器,可以使用与生产版本一致的测试虚拟机或克隆环境。克隆机不能直接使用生产 IP、主机名、证书和数据库写入连接,避免重复上报、IP 冲突或向生产数据写入。

单节点无法实现真正的无感更新,因此目标应是缩小中断时间、保证数据可恢复,而不是承诺完全没有业务影响。

先预览事务,不要直接全量确认

正式变更前再次生成事务预览,并保存输出。预览中的软件包数量、版本变化和依赖替换是判断风险的重要依据。

PLAN_FILE="/root/centos-stream-upgrade-${CHANGE_ID}.plan"

dnf upgrade --assumeno | tee "${PLAN_FILE}"

重点查看是否包含以下高影响组件:

  • kernel、kernel-core、kernel-modules;
  • systemd、udev;
  • glibc;
  • openssl、openssl-libs;
  • NetworkManager;
  • 存储、文件系统或虚拟化驱动;
  • Web 服务器、数据库、运行时和消息组件;
  • 监控、备份、安全代理等第三方软件。

事务中如果出现大范围删除、替换不熟悉的软件包、无法满足依赖、签名验证失败或仓库不可用,应停止变更。不要为了让命令继续执行而直接添加 --allowerasing、--nobest 或 --skip-broken。这些选项可能隐藏真正的依赖冲突;如果确实需要使用,应先在测试环境验证并单独审批。

在维护窗口内执行更新

确认备份可用、事务计划符合预期、监控正常、业务已经摘流或进入维护状态后,再执行正式更新。

dnf upgrade

首次正式执行建议不要直接使用 -y,让负责人确认最终事务内容。已经在测试节点验证过且流程成熟的批量变更,可以使用自动确认,但仍应保存完整输出和返回码。

可以使用终端复用工具或服务商控制台执行,避免网络抖动导致 SSH 会话中断。更新过程中不要重复开启第二个 DNF 事务,也不要手工使用 rpm -Uvh 混合安装同一批软件包。

执行后立即记录事务信息:

dnf history list
dnf history info last
dnf check

如果 dnf check 报告依赖问题,不应继续进行无关软件安装。先保存日志、确认更新事务是否成功,再决定是修复依赖、恢复节点还是回滚。

判断是否需要重启

用户态软件包更新后,部分服务可能仍在使用旧的动态库;内核、glibc、systemd、网络组件或底层驱动更新后,通常需要更严格地评估重启条件。

先比较内核版本和服务状态:

uname -r
rpm -q kernel --last
systemctl --failed --no-pager

如果系统已安装 needs-restarting,可以使用它作为辅助判断:

if command -v needs-restarting >/dev/null 2>&1; then
    needs-restarting -r
else
    echo "needs-restarting command is not installed; use package and service review instead."
fi

该命令只能作为辅助信息,不能取代对关键服务和驱动的判断。以下情况通常应纳入重启计划:

  • 新内核已经安装且需要切换;
  • glibc、systemd 或底层网络组件发生更新;
  • 服务依赖的动态库已更新,但进程仍长期运行;
  • 监控、备份或安全代理明确要求重启;
  • 测试节点重启后才能验证启动顺序和挂载状态。

重启前再次确认控制台可用、SSH 端口策略没有改动、数据写入已完成,并通知观察人员。执行重启会中断当前连接,属于明确的业务影响操作:

systemctl reboot

不要在没有控制台、没有可用备份或没有明确维护窗口的情况下,为了“让所有进程加载新库”直接重启生产主机。

验证观察:分别验证系统、服务和真实业务

主机和启动项验证

重启后先确认主机本身恢复,不要立即把流量全部切回。可以按以下顺序检查:

uptime
uname -r
cat /etc/centos-release
systemctl is-system-running
systemctl --failed --no-pager
df -hT
df -ih
free -h

如果 systemctl is-system-running 返回 degraded,需要查看具体失败单元,而不是只看命令是否执行成功。

systemctl --failed
journalctl -b -p err..alert --no-pager
journalctl -b -u NetworkManager --no-pager

上一轮启动日志也应对比查看:

journalctl -b -1 -p err..alert --no-pager

重点检查:

  • 根分区和业务数据分区是否全部挂载;
  • 网卡、默认路由和 DNS 是否正常;
  • 防火墙状态是否符合变更前配置;
  • 时间同步是否正常;
  • SSH、日志、监控、备份服务是否启动;
  • 内核模块、存储盘和应用目录是否可访问;
  • 失败服务是否由更新引起,还是原本就存在。

应用和依赖链验证

主机状态正常不代表业务已恢复。应从底层到上层逐步验证:

  1. 监听端口和本地进程;
  2. 本机健康检查;
  3. 数据库、缓存和消息队列连接;
  4. 应用接口;
  5. 外部访问和业务指标。

查看监听状态:

ss -lntup
systemctl --type=service --state=running --no-pager

如果应用提供本地健康检查,可以替换为实际端口和路径:

curl --fail --silent --show-error \
  --max-time 5 \
  http://127.0.0.1:8080/health

如果生产服务只提供 HTTPS,应使用实际域名、证书和健康检查地址,不要因为本机 HTTP 返回结果正常就认为公网访问正常。外部验证至少覆盖 DNS、TLS、登录、核心读操作和一项关键写操作。写操作应使用经过批准的测试数据或可安全回收的业务流程,不能随意向生产库写入测试记录。

数据库验证应以应用连接池和只读查询为主,避免在不了解业务结构的情况下直接执行修改性 SQL。消息队列则要观察生产者连接、消费者状态和积压趋势,而不只是确认端口正在监听。

对比更新前后的业务指标

建议把更新后前 15 分钟作为启动观察期,再观察一个完整的业务小高峰。对比指标包括:

  • HTTP 4xx、5xx 和网关错误;
  • P50、P95、P99 延迟;
  • 活跃连接数和连接拒绝数;
  • CPU、内存、负载和磁盘 I/O;
  • 数据库连接、锁等待和慢查询;
  • 队列积压、任务失败和重试次数;
  • 日志中的 error、timeout、permission denied、segmentation fault;
  • 备份、日志采集和监控数据是否持续上报。

不要只检查“网页能打开”。系统更新引发的问题有时会在定时任务、批量导入、夜间备份、日志轮转或下一次应用进程重启时才出现。

如果是多节点环境,恢复流量时可以先接入少量流量,观察一段时间后再逐步提高权重。单节点环境则应在维护页解除前完成至少一次外部访问和关键业务链路验证。

回滚条件:先判断数据风险,再选择恢复方式

需要立即停止观察并回退的情况

以下情况应视为明确的回滚或故障处置触发条件:

  • 主机无法正常启动,或只能通过救援环境访问;
  • SSH、服务商控制台以外的管理入口不可用;
  • 新内核导致网卡、存储、文件系统或关键模块异常;
  • 核心服务反复崩溃,且日志指向更新后的库或依赖;
  • 数据库无法连接、出现持续恢复、锁等待或数据一致性异常;
  • 5xx、超时、队列积压持续超过变更前基线;
  • 业务关键功能失败,且短时间内无法通过配置或服务重启恢复;
  • 磁盘空间快速耗尽、文件系统变为只读或日志大量报错;
  • 监控、备份或安全代理无法工作,导致无法继续观察生产状态。

阈值应提前写入变更单。例如,可以约定核心接口 5xx 连续 5 分钟超过基线数倍、主机失联超过规定时间、数据库连接恢复失败达到规定次数时触发回滚。不要等到业务完全中断后才临时讨论“是否回滚”。

选择合适的回退手段

回滚不是简单执行一条命令。不同方式会影响不同对象:

  1. 优先回退流量或节点角色

多节点环境中,先保持异常节点摘流,让其他节点继续提供服务。这种方式不会改变异常节点上的数据,适合先保护业务连续性。

  1. 使用经过验证的应用或服务配置回退

如果问题只涉及服务配置或应用依赖,应按照已有发布流程恢复配置和应用版本,避免同时修改操作系统、数据库和业务代码。

  1. 恢复系统快照

适合系统盘和服务状态需要快速回到更新前的场景,但必须先评估快照时间点之后产生的数据。数据库、订单、文件上传和消息写入可能在快照后继续变化,直接恢复可能造成数据丢失或重复处理。恢复前应停止写入、保存现有日志和必要数据,并确认数据库恢复流程。

回滚条件:先判断数据风险,再选择恢复方式/选择合适的回退手段配图

  1. 从备份重建或恢复主机

如果主机已经处于不一致状态,或快照不包含完整数据盘,通常应通过救援环境重建系统,再恢复配置和业务数据。单纯在损坏系统中反复执行 DNF 命令,可能扩大问题范围。

  1. 使用 DNF 历史事务回退

dnf history undo 只适用于事务边界清晰、软件包仍可获取、依赖关系允许且已经测试过的场景。它不能恢复数据库数据、手工修改的配置、第三方驱动状态或所有服务运行时状态,因此不应作为默认回滚方案。

查看事务编号:

dnf history list
dnf history info <事务编号>

只有在确认影响范围、已经保留当前状态并处于维护窗口时,才考虑:

dnf history undo <事务编号>

执行前必须确认命令列出的降级、安装和删除内容。若需要使用 --allowerasing 才能完成回退,通常应停止操作,改用快照恢复或重新部署方案。回退完成后仍需重启或重新验证服务,不能把命令返回成功当作业务恢复成功。

观察窗口与回滚触发条件

普通用户态软件包更新,至少应观察更新后的主机启动、服务健康和一个业务高峰;涉及内核、systemd、glibc、OpenSSL、网络驱动、存储驱动或数据库运行库时,应覆盖下一次计划任务、备份任务和主要访问时段。可以把 30 至 60 分钟作为基础观察期,但实际结束时间应由业务峰值和批处理周期决定;如果夜间才运行关键任务,观察窗口就不能在重启后几分钟内结束。

观察窗口与回滚触发条件配图

建议在变更记录中保留以下内容:

  • 更新前后的系统版本、内核和事务编号;
  • 实际变更的软件包范围;
  • 备份位置、快照编号和恢复验证结果;
  • 重启时间、服务恢复时间和外部验证结果;
  • 更新前后的错误率、延迟、资源使用和队列指标;
  • 是否出现告警、如何处理、是否需要后续观察;
  • 明确的回滚截止时间和触发阈值。

在观察窗口结束前,不要立即删除快照、清理备份或关闭监控告警。只要出现持续性核心服务异常、主机不可管理、数据一致性风险、错误率超出约定阈值,或无法确认问题是否与本次更新相关,就应停止扩大更新范围,并按预先批准的路径回退。确认主机和业务连续稳定运行一个完整周期后,再将本次更新标记为完成,并为下一批节点复用已经验证过的步骤。

本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/3372.html

相关推荐