前情提要：2020 年年底的时候，公司购买的阿里云服务器突然出故障。服务器装的操作系统是 Windows 2012 R2 ，故障表现为 IIS 无法正常提供服务，上网搜索了报错信息也没找到有用的解决方案。
想着重启服务器试试，结果重启之后没法通过远程桌面连接登录服务器了，接着通过阿里云管理控制台的 Web 端 VNC 方式登录到服务器上，发现系统卡在开机后与进入 Windows 前的一个蓝色界面，只能选择“恢复或初始化电脑，或者使用高级工具”，要不就是只能关闭电脑。
当时看到这个界面之后更加不敢乱动了，给阿里云提交了工单，结果阿里云的工程师捣鼓了半天也搞不定。虽然公司购买了快照服务，但当时只保留了最近 7 天的云盘快照，用这几个快照尝试恢复系统，结果发现每个快照在恢复完成并开机后，服务器依然处在那个故障状态，也就是说服务器出故障是在 7 天之前了，所以快照都没有派上用场。
还好系统盘只是装了一些软件，服务器上各网站的代码、资源文件、数据库还有各种其他文件都在非系统盘，最后花了一天时间重装系统 + 安装配置软件，总算把服务器恢复正常了。
比较闹心的是，虽然服务器重新跑起来了，但是出现这个问题的原因当时并没有找到。这台服务器我和另一个同事都有权限操作，两个人负责各自的业务，因此也就会安装各自所需的软件，并根据需要对系统进行配置，比如同事配置他的 PHP + MySQL 环境，我配置我的 Node.js + MongoDB 环境。加上服务器上安装的操作系统版本是 Windows 2012 R2 ，而这台服务器本身就是虚拟化的，2012 R2 不支持在虚拟化的机器中使用 Docker ，得 Windows 2016 及更高版本才行。所以服务器从 2016 年运行到 2020 年底，这几年的时间我和另一个同事对系统、软件等各个方面做过太多的改动，后来想想出现崩溃也是在所难免。
在经历过这次事故之后，自己把服务器运维工作进行了一些规范：
- 所有云盘保留最近 30 天自动创建的快照。
- 如果安装了软件或者系统补丁，在安装之前会给所有云盘创建手动快照，这样的手动快照会保留最近的 3 份。
- 每周二凌晨重启服务器。
- 记录自己对服务器系统、软件、阿里云等各个方面所做过的操作或改动。
上面的 4 点规范中，第 1 、3 两点是通过阿里云提供的服务自动实现的，第 2 点的频率很低，所以能够保证做到。而第 4 点最头疼，虽然专门在本机建了一个文档，用来记录自己对服务器所做的所有操作，但是时不时地还是会忘记做记录。
而且就像前面所说的，这台服务器自己和另一个同事都有操作权限，即使记录了自己的所有操作，但另一个同事所做的操作自己是无法得知的，所以依然无法保证能够记录下对服务器的所有操作。
因此，我想就这台服务器的运维工作咨询大家的意见：
- 有什么办法能够记录对服务器的所有操作？或者说这个需求是否有意义？能够自动记录操作最好，现在越来越发现，靠人工手动方式来做的事，总是容易出岔子。
- 要想减少对服务器系统的改动或操作，是否有必要上 Docker ？
- 是否需要将 Windows 升级到支持 Docker 的更高版本？或者将 Windows 系统更换成 CentOS 或 Ubuntu ？这样能否给业务开发、服务器运维带来更多便利？
- 如何对服务器的操作进行限制、规范？比如软件只能安装在指定目录，只有拥有特定权限的用户才能安装软件。网站代码及静态文件等也只能存放在指定目录之类的。
- 以上操作能否尽量避免服务器挂掉？为了达成这个目标，还有哪些重要的点我遗漏掉了？
以及如果服务器有一天还是挂掉了，该怎么做才能尽快将服务器上的所有业务恢复？我的想法是，一旦服务器发生崩溃，说明是之前对服务器所做的各种操作积累起来导致了这种情况。在这种情况下，当务之急是先让服务器上的业务恢复运行。
要想实现这个目的，一方面要用历史快照尝试恢复服务器到正常状态。另一方面，如果尝试了所有快照都无法将系统恢复到正常状态，这个时候又该如何处理？
欢迎大家给出各种意见和建议，谢谢先~
2
Select Language