服务器突然无法访问、实例意外停止,或安全组规则被修改时,当前配置只能说明“现在是什么状态”,未必能解释变更经过。排查阿里云服务器操作日志时,先要分清云平台上的操作记录和服务器内部日志:前者记录账号对云资源做了什么,后者记录登录服务器后发生的活动。两类日志放在一起看,才更容易还原故障时间线。
先分清云平台记录和系统日志
云平台侧的记录主要涵盖通过控制台、OpenAPI 或 SDK 执行的操作,例如创建、停止或重启 ECS 实例,修改实例配置、调整安全组规则。这类事件通常通过操作审计(ActionTrail)查询,重点是确认哪个身份在什么时间调用了什么云服务接口。
服务器内部的日志由操作系统或应用生成。Linux 上常见的是 SSH 认证、sudo 提权、服务状态变化等记录;Windows 上则可检查安全事件、登录事件和系统事件。Web 服务、数据库等应用也可能有各自的访问或审计日志。这些内容不会因为开启操作审计就自动完整收集。
排查时可以先从云平台记录入手,确认故障前后是否发生过实例、网络或权限变更,再检查系统和应用日志,寻找登录、提权或服务异常的线索。如果实例已经无法登录,平台侧事件仍可能帮助定位变更;但要确认登录后执行过哪些命令,还需要相应的系统审计或主机安全能力。普通登录记录通常不能还原每一条命令。
如何查询阿里云服务器操作日志
在操作审计中查询云平台事件
- 登录阿里云控制台,进入操作审计相关页面,打开事件历史或事件查询。
- 先设定故障发生前后的时间范围,再按地域、事件源、事件名称、资源或操作者筛选。排查 ECS 时,可重点查看实例启停、属性变更和安全组规则调整等事件。
- 打开可疑事件详情,核对事件时间、调用身份、来源信息、请求参数和返回结果。字段会随事件类型变化,事件名称只能作为线索,不能单独作为结论。
- 需要长期保存或集中检索时,可创建跟踪并配置投递目标,例如对象存储 OSS 或日志服务 SLS。配置后要检查资源权限、投递范围和留存周期,并确认日志确实持续写入。
事件历史适合快速查找近期操作,不宜直接当作长期归档。可查询的时间范围、字段和投递能力可能随产品配置或版本变化,重要业务应查看控制台当前说明,并在正式依赖前验证查询和投递流程。不要等到故障发生后才开始配置留存,否则此前没有采集的记录无法靠事后设置补回。
在服务器内部检查系统记录
Linux 上可使用 journalctl 查看系统日志,也可检查当前发行版的认证日志文件。筛查时尽量缩小时间范围,并同时核对用户名、来源地址和相关服务,留意登录成功或失败、sudo 提权以及服务重启等记录。不同发行版的日志路径和默认保留方式可能不同,先确认系统实际使用的配置,避免查错位置。
Windows 服务器可通过事件查看器检查 Windows 日志中的安全和系统事件,关注登录、账户变更、服务状态及策略调整。若故障涉及网站或数据库,还应查看对应应用日志;仅凭操作系统事件,可能无法判断应用层发生了什么。需要记录命令执行过程时,应评估并部署合适的审计或主机安全方案,不能把普通登录日志当作完整操作录像。
实例被停止后,按时间线核对线索
假设一台 ECS 实例在凌晨停止,监控同时显示业务中断。运维人员可以先按实例资源和故障时间前后查询操作审计,查看是否存在停止操作,并核对事件中的调用身份和时间。若记录显示操作来自某个 RAM 用户,还需要继续确认该账号是否由自动化任务使用,不能仅凭账号名称就认定是某位人员亲自操作。
接着检查该 RAM 用户的授权范围、登录来源和相关工单,再查看服务器同一时段的认证日志,判断是否有异常登录。若内部记录显示有人按临时排障安排停止了错误实例,但执行前没有二次确认,就可以围绕这个环节改进:为高风险操作增加审批或确认要求,为关键实例做好标识,并收紧该 RAM 用户的权限。
操作审计能说明云平台上发生了什么调用,但未必能证明账号背后的实际操作者或完整意图。身份判断还要结合 RAM 用户管理、登录安全记录、工单和内部流程;服务器日志则补充主机内部的活动。两类记录各有边界,交叉核对比单独依赖某一份日志稳妥。
留存日志时要检查的几件事
- 提前启用并验证采集。在业务上线或变更前,确认关键事件能查到,投递目标也能收到记录。可定期抽查一条事件,避免配置看似完成、实际没有写入。
- 按业务风险设置留存周期。结合合规要求、业务价值和存储成本,确定云平台事件与主机日志的保存时长;同时检查生命周期策略,避免日志过早清理。
- 控制查看、删除和修改权限。日志可能包含账号、资源和来源信息,应按最小权限分配访问权限。归档记录也不应让普通业务账号随意删除或篡改。
- 统一时间和资源标识。保持服务器时间同步。记录排查过程时写明地域、实例 ID、账号和时间范围,方便把云平台事件与主机日志逐项对齐。
- 为高风险操作配置通知。关键实例停止、重要安全组规则变更或权限扩大等事件,可设置通知或分析规则。配置后要实际验证通知链路,确保告警能够送达负责人员。
日常维护时,最好定期演练一次查询流程:选取一项已知的云平台操作,确认操作审计中能找到对应事件;再检查服务器日志是否能按时间和账号定位相关活动。这样遇到异常时,运维人员能更快判断问题涉及平台配置、账号权限还是主机内部行为,也能减少因日志缺失或时间对不上的反复排查。