磁盘写入失败告警：先判断方向，再动手处理
服务器告警群里弹出一条“磁盘写入失败”，不少运维人员的第一反应是磁盘满了，随即登录服务器删日志、清缓存，甚至直接扩容。可一轮操作下来，写入仍然失败，故障时间反而被拉长。实际上，磁盘写入失败是一个结果，不是原因。容量不足只是其中一种可能，权限问题、挂载状态异常、文件句柄未释放，都会表现为同样的报错。先判断方向，再动手处理，比急着清理更有效。
按顺序排查，避免盲目操作
判断顺序可以按容量、挂载状态、目录权限、文件句柄占用依次推进。先看容量，是因为它最直观，一条命令就能确认，而且容量问题的影响范围通常最大。如果容量水位正常，再确认挂载点是否处于只读状态。只读挂载下，磁盘空间再充足也无法写入，这类情况常出现在文件系统异常之后。挂载状态正常，再核对运行账号对目标目录是否有写权限。最后排查进程占用未释放文件的情况，这类问题不占可见空间，却会让写入持续失败。
逐项检查的关键点
容量部分重点看分区使用率和inode使用率。两者任意一项接近上限，都会导致写入失败，只盯空间大小容易漏掉inode耗尽。挂载状态部分，查看挂载信息中是否出现只读标记，同时确认目标目录所在分区与预期一致，避免程序写到了临时挂载点。权限部分，先确认服务以哪个账号运行，再检查该账号对目标目录的属主、属组和权限位，注意父目录缺少执行权限时，子目录权限再正确也无法写入。文件句柄部分，查找已删除但仍被进程占用的文件，这类文件空间不会立即释放，重启对应进程前应先确认业务影响。
处理时的取舍原则
处理时的取舍原则是，先判断能否在不破坏现场的前提下恢复写入。如果容量确实接近上限，可以优先清理明确的临时文件和过期日志，但不要直接删除正在写入的日志文件，删除后句柄未释放，空间不会回收，还会丢失排查线索。如果怀疑挂载异常或权限被改动，应先记录当前挂载参数、目录权限和报错时间，再进行调整。重启服务、重新挂载、修改权限这些动作都会改变现场状态，执行前尽量保留关键命令的输出结果。恢复写入优先，但保留证据同样重要，两者并不冲突，关键是动作有顺序、有记录。
事后复盘与巡检清单
事后复盘可以围绕一份巡检清单展开。把磁盘写入失败告警纳入日常巡检项，定期查看各分区容量与inode水位、挂载状态和关键目录权限。每次告警记录触发时间、影响范围、判断依据和处置动作，注明是容量、挂载、权限还是句柄问题。同类告警反复出现时，说明巡检项或监控阈值需要调整，而不是每次临时处理。it数运在网站维护和技术支持中，也按这种先判断、再处理、后复盘的顺序推进，让每一次告警都留下可查的记录，减少同类问题重复发生。
