در این مقاله میخوانید
- 1️⃣ بررسی داشبورد مانیتورینگ
- 2️⃣ بررسی اینترنت، WAN و ارتباط شعب
- 3️⃣ بررسی تجهیزات Core و Distribution
- 4️⃣ بررسی Firewall و امنیت لبه شبکه
- 5️⃣ بررسی سرویسهای حیاتی Windows و Active Directory
- 6️⃣ بررسی زیرساخت مجازیسازی
- 7️⃣ بررسی Backup و قابلیت بازیابی
- 8️⃣ بررسی سرورها و سرویسهای سازمانی
- 9️⃣ بررسی رویدادهای امنیتی
- 🔟 مرور تغییرات و درخواستهای کاربران
- 1️⃣1️⃣ ثبت گزارش روزانه
ادمین حرفهای نباید منتظر تماس کاربران یا خاموششدن یک سرویس بماند تا متوجه مشکل شود. بسیاری از اختلالهای بزرگ، ساعتها قبل با نشانههای کوچکی مثل افزایش Latency، پرشدن دیسک، خطای Backup یا Down شدن یک لینک پشتیبان آغاز میشوند.
این چکلیست میتواند در ابتدای هر روز کاری، تصویری سریع و قابلاعتماد از سلامت زیرساخت به شما بدهد.
1️⃣ بررسی داشبورد مانیتورینگ
ابتدا داشبورد ابزارهایی مانند Zabbix، PRTG، SolarWinds یا LibreNMS را بررسی کنید:
☐ تجهیزات یا سرورهای Down
☐ Triggerهای جدید و تأییدنشده
☐ افزایش غیرعادی CPU و RAM
☐ کمبود فضای دیسک
☐ Packet Loss یا Latency بالا
☐ Interfaceهای Down یا Flapping
☐ افزایش پهنای باند نسبت به حالت عادی
☐ خطاهای SNMP، Agent یا ICMP
☐ طولانیشدن Queue مانیتورینگ
☐ آیتمهای Unsupported یا بدون داده
⚠️ فقط صفحه Problems را نگاه نکنید؛ نمودارهای ۲۴ ساعت گذشته را نیز بررسی کنید. بعضی مشکلات هنوز Trigger ایجاد نکردهاند، اما روند غیرعادی آنها در نمودار مشخص است.
2️⃣ بررسی اینترنت، WAN و ارتباط شعب
☐ وضعیت لینک اصلی اینترنت
☐ وضعیت لینک پشتیبان
☐ میزان مصرف پهنای باند
☐ Packet Loss به سمت Gateway و چند مقصد اینترنتی
☐ Latency و Jitter
☐ وضعیت MPLS، GRE، IPsec و SD-WAN
☐ وضعیت تونلهای ارتباطی شعب
☐ تغییر مسیر ناخواسته به لینک Backup
☐ افزایش Error یا Drop روی رابطهای WAN
☐ صحت Public IP و DNS Resolution
نمونه تست سریع:
"ping <ISP-Gateway>"
"traceroute <Remote-Site>"
"show ip interface brief"
"show interface counters errors"
"show ip route"
"show crypto session"
اگر Failover رخ داده است، فقط Up بودن اینترنت کافی نیست؛ علت خروج لینک اصلی از مدار را مشخص کنید.
3️⃣ بررسی تجهیزات Core و Distribution
☐ سلامت Core Switchها
☐ وضعیت Stack و اعضای آن
☐ وضعیت Power Supply و Fan
☐ دمای تجهیزات
☐ میزان CPU و Memory
☐ وضعیت Uplinkها و Port-Channelها
☐ تغییرات STP و Root Bridge
☐ MAC Flapping
☐ Interface Error، CRC و Discard
☐ Portهای Err-disabled
☐ تغییر غیرمنتظره VLAN یا Trunk
☐ لاگهای Critical و Warning
فرمانهای مفید Cisco:
"show logging"
"show processes cpu sorted"
"show memory statistics"
"show interfaces status"
"show interfaces counters errors"
"show etherchannel summary"
"show spanning-tree root"
"show environment all"
افزایش CRC معمولاً چیزی نیست که بتوان آن را نادیده گرفت؛ کابل، ماژول SFP، Patch Panel، Duplex یا کیفیت لینک را بررسی کنید.
4️⃣ بررسی Firewall و امنیت لبه شبکه
☐ وضعیت HA و Synchronization
☐ سلامت Interfaceها
☐ وضعیت VPNها
☐ مصرف CPU، RAM و Session
☐ تعداد Sessionهای غیرعادی
☐ لاگهای Deny و Threat
☐ تلاشهای ناموفق ورود به پنل مدیریت
☐ تغییرات جدید Policy و Object
☐ انقضای Certificateها
☐ وضعیت Subscription و Signature Update
☐ ارتباط با Syslog، SIEM یا FortiAnalyzer
☐ IPهای مشکوک و اسکنهای پرتکرار
⚠️ اگر Firewall در حالت HA است، فقط Master را بررسی نکنید. سلامت Node دوم، Heartbeat و وضعیت Synchronization نیز باید کنترل شود.
5️⃣ بررسی سرویسهای حیاتی Windows و Active Directory
☐ در دسترس بودن Domain Controllerها
☐ صحت AD Replication
☐ وضعیت DNS
☐ وضعیت DHCP Scopeها
☐ درصد مصرف IP Addressها
☐ وضعیت NTP و هماهنگی زمان
☐ وضعیت SYSVOL و NETLOGON
☐ خطاهای Critical در Event Viewer
☐ قفلشدن غیرعادی حسابهای کاربری
☐ تغییر عضویت گروههای مدیریتی
☐ توقف سرویسهای حیاتی
☐ نزدیکشدن Certificateها به تاریخ انقضا
فرمانهای مفید:
"repadmin /replsummary"
"dcdiag /q"
"w32tm /query /status"
"Get-Service"
"Get-DhcpServerv4Scope"
"Get-DhcpServerv4ScopeStatistics"
خطای Replication اگر امروز دیده و ثبت نشود، ممکن است فردا به مشکل DNS، Authentication، GPO یا SYSVOL تبدیل شود.
6️⃣ بررسی زیرساخت مجازیسازی
☐ وضعیت vCenter و ESXi Hostها
☐ VMهای خاموش یا Unreachable
☐ Alarmهای جدید
☐ مصرف CPU و Memory Hostها
☐ Datastore Usage
☐ Snapshotهای قدیمی و حجیم
☐ وضعیت VMware Tools
☐ وضعیت vMotion و Management Network
☐ رخدادهای HA و Host Isolation
☐ تغییر غیرمنتظره در Port Group یا VLAN
☐ سلامت Storage Pathها
☐ وضعیت NTP روی Hostها
⚠️ Snapshot جای Backup نیست. باقیماندن Snapshot برای مدت طولانی میتواند باعث مصرف فضای Datastore و افت Performance شود.
7️⃣ بررسی Backup و قابلیت بازیابی
☐ موفقیت Jobهای شب گذشته
☐ Jobهای Failed یا Warning
☐ حجم غیرعادی Backupها
☐ وضعیت Repository
☐ فضای آزاد Repository
☐ وضعیت Immutable Backup
☐ سلامت Backup Configuration
☐ تعداد Restore Pointها
☐ وضعیت Replication یا Offsite Copy
☐ نتیجه آخرین Restore Test
مهمترین سؤال روزانه این نیست که:
«آیا Backup انجام شده؟»
بلکه باید بپرسیم:
«آیا این Backup واقعاً قابل بازیابی است؟»
8️⃣ بررسی سرورها و سرویسهای سازمانی
☐ CPU، RAM و Disk Usage
☐ سرویسهای متوقفشده
☐ خطاهای System و Application Log
☐ وضعیت Database
☐ وضعیت IIS، Apache یا Nginx
☐ Queue یا Connectionهای غیرعادی
☐ زمان پاسخگویی برنامهها
☐ وضعیت Antivirus و EDR
☐ وضعیت Updateها
☐ ارتباط سرورها با DNS و NTP
☐ تغییرات فایلهای سیستمی یا تنظیمات حساس
پرشدن درایو سیستم، Log یا Database میتواند بدون هشدار اولیه یک سرویس حیاتی را متوقف کند.
9️⃣ بررسی رویدادهای امنیتی
☐ ورودهای ناموفق پرتعداد
☐ Login از IP یا موقعیت غیرعادی
☐ ایجاد حساب کاربری جدید
☐ تغییر دسترسیهای Administrator
☐ عضویت جدید در گروههای حساس
☐ غیرفعالشدن Antivirus یا EDR
☐ اجرای فایل یا Process مشکوک
☐ تغییر Firewall Rule
☐ ارتباط با IPهای مخرب
☐ افزایش ناگهانی ترافیک خروجی
☐ تغییرات غیرمجاز در تجهیزات شبکه
هر رخداد امنیتی را با این چهار سؤال بررسی کنید:
1. چه اتفاقی افتاده است؟
2. چه زمانی رخ داده است؟
3. چه سیستمها یا حسابهایی درگیر هستند؟
4. چه شواهدی باید قبل از هر تغییر حفظ شوند؟
🔟 مرور تغییرات و درخواستهای کاربران
☐ تغییرات انجامشده از روز قبل
☐ درخواستهای باز Help Desk
☐ تغییرات برنامهریزیشده امروز
☐ تأثیر تغییرات بر سرویسهای وابسته
☐ وجود Backup و Rollback Plan
☐ دریافت تأییدیههای لازم
☐ ثبت زمان شروع و پایان تغییر
☐ مستندسازی نتیجه نهایی
هیچ تغییر مهمی را بدون این موارد اجرا نکنید:
✅ هدف مشخص
✅ Backup
✅ برنامه تست
✅ Rollback Plan
✅ مستندسازی
1️⃣1️⃣ ثبت گزارش روزانه
در پایان بررسی، نتیجه را کوتاه و دقیق ثبت کنید:
📅 تاریخ و ساعت
🟢 سرویسهای سالم
🟡 هشدارهای نیازمند پیگیری
🔴 اختلالهای بحرانی
🔧 اقدامات انجامشده
👤 مسئول پیگیری
⏳ زمان بررسی بعدی
📎 شماره Ticket یا Change Request
نمونه:
"09:15 – Tunnel شعبه قطع است؛ Gateway مخابرات در دسترس، مقصد GRE در دسترس نیست. موضوع با Provider پیگیری و Ticket ثبت شد."
این نوع ثبت گزارش، در رخدادهای بعدی به یک Timeline فنی و بسیار ارزشمند تبدیل میشود.
✅ اولویتبندی درست مشکلات
🔴 Critical: قطعی سرویس، رخداد امنیتی، خرابی Backup یا از دست رفتن Redundancy
🟠 High: افت شدید Performance، کمبود جدی فضا یا ناپایداری لینک
🟡 Medium: هشدار قابلکنترل که نیازمند پیگیری است
🟢 Low: بهینهسازی، مستندسازی و کارهای غیرفوری
هر هشدار یک Incident نیست؛ اما هر هشدار نادیدهگرفتهشده میتواند به یک Incident جدی تبدیل شود.
💡 نکته حرفهای
چکلیست روزانه نباید فقط در ذهن ادمین باشد. آن را به Dashboard، Script، Scheduled Report یا Ticket خودکار تبدیل کنید تا بررسیها تکرارپذیر، قابل اندازهگیری و قابل استناد باشند.
یک ادمین خوب مشکل را حل میکند؛
یک ادمین حرفهای، مشکل را پیش از تبدیلشدن به بحران شناسایی میکند.
