运维工程师缺乏开发能力或者说没有开发思维可能会...

Posted 2023-05-31 ttropsstack

这年头，运维人员要求要懂开发了，不信去BOSS招聘上看看，要求上都写着最好是懂Python、Golang或Java其中之一。可见，运维工程师如果不具备一点开发能力，估计是不好混呀！

那为啥要求运维人员需要具备一定的开发能力呢？我认为是自动化运维和DevOps文化的兴起所致。自动化和DevOps早都是大势所趋了，也不是什么新鲜事。所以，不是本篇的重点。

本篇的重点就是要聊一聊如果运维人员不具备开发能力或者说没有开发思维会怎么样。当然了，其实也不会怎么样，最多就是工作难找、或者让老板、领导觉得你能力不行，然后就是降你薪水甚至裁员的时候第一个想到你。疫情管控了3年虽然放开，但大环境还是那么差，工作机会更是少得可怜，如果连这点筹码都不好好掌握，我也不知道说什么好了。

我接触过还只停留在写shell、或者连shell都还不懂的运维人员，如果只是刚入行，那可以理解，如果是已经至少入行1-2年了，还是停留在写shell的这种水平，那是万万不可取的。

那么，缺乏开发能力或者说没有开发思维的运维人员，我个人认为在实际工作上可能会：

1. 不能深入的理解所维护的业务应用程序的逻辑，假设出现某些疑难杂症、奇奇怪怪的问题，并且从运维角度也查不出来是什么问题，这时候就不会想到说从开发的角度去看待这个问题，可能会发生和纯开发人员各种踢皮球，甚至是替纯开发人员背了个大铁锅。
2. 和开发人员讨论技术细节时，你可能会出现发懵的状态，比如讨论过程中可能会提到某些词汇，比如API、SDK、框架、回调、请求方式、消息格式（如json、yaml、xml等）、库、并发、多进程、多线程等等，这时候你可能会感到困惑或不理解。说白了就是懵了，但为了掩饰你的发懵状态，你还得不懂装懂的点点头示意听懂了。
3. 没法和开发人员对接，比如，有这样一个任务，需要将从数据库查询到的数据提交到某个http接口。这时候，开发人员也提供了API文档，那恐怕是连API文档都看不懂就很尴尬了，还谈什么对接。反正在我的实际工作中，是有很多这样的任务，不知道你们有没有。
4. 当在处理复杂的自动化任务和工具开发方面时，就会显得你不具备应对的能力。在实际工作中，往往会有自动化需求、运维工具开发的需求，你就不能开发功能较为复杂的自动化工具或是命令行工具。难不成，还要纯开发人员帮忙开发这种运维方面的各种工具呢？

总而言之，言而总之，运维工程师掌握开发技能、具备开发思想是很有用处的。如果你够牛：

1. 跟开发人员交流技术细节无压力。
2. 开发各种提升运维效率的工具、甚至是平台无压力。
3. 甚至还可以站在运维结合开发的维度来给纯开发人员提一些优化的建议。
4. 纯开发人员踢过来的锅，你可以接得住，并且能分析到底是谁的锅。
5. 跟纯开发人员对接各种接口无压力。

本文转载于WX公众号：不背锅运维（喜欢的盆友关注我们）：https://mp.weixin.qq.com/s/sTapAXrWD08VMbBlKWHf5Q

一个好的DevOps工程师如何兼顾运维与开发？(附思维导图)

作者介绍

高家升，现任职于滴滴运维部，曾负责滴滴登录系统的建设、监控系统存储与报警链路的重构。曾任职于小米，参与小米自动化运维平台的建设，负责服务树、权限、堡垒机等模块。专注于运维自动化与稳定性建设，代码熟手、Open-Falcon Commiter。

运维开发这个岗位与普通的业务开发不同，与日常的运维工作也不同。要求兼顾开发与运维两种能力。既要掌握不弱于业务开发的开发技术；又要负责SRE同学日常的运维能力；上线之前，还要像QA同学一样，对自己的服务进行测试和分级变更。

多种能力的交叉，造就不一样的视角：这群人给自己起了一个很简约的名字：DevOps。

DevOps

按百度百科解释：DevOps是开发、技术运营和质量保障三者的交集。在我看来，DevOps其实只是一种方法论，从这种综合的视角出发，包含一些基本原则和实践方法，仅此而已。

DevOps从架构、开发、测试、发布、运维、变更整个流程来考量，从这种综合的视角出发，能将部门之间的沟通隔阂消灭于无形，会给我们公司和项目注入新的活力。

DevOps这个概念，本文暂不做讨论，本文内容只针对运维领域自动化平台开发的工作进行探讨。

一、前言

运维开发的工作，所需能力的复杂，工作性质的交叉，自然会导致很多同学在其中会有些困扰。

很多刚毕业的小同学，接到运维开发的offer的时候，很可能是一头雾水：“运维？开发？到底是运维还是开发？”

有很多从业多年的同学，拼命的追求技术与对底层的探索，却忽略了产品层面的思考。

还有很多整天忙忙碌碌的同学，在业务方各种零碎的需求中修修改改，消耗了大多数的时间，最终平台却变得千疮百孔。

本文，我将自己关于这些问题的思考分享给大家。

二、什么样的平台是好的运维平台？

既然我们是在做平台，那我们要了解的第一点就是：好的运维平台是什么样子的？

如果让我们来从头设计一个平台，我们应该如何去考量？

1、效率 & 成本的均衡

运维平台是服务于运维的。对运维来说，除了稳定性之外，最重要的无非就是效率与成本。如果我们的平台可以用更少量的时间或资源成本来提高更多的效率，那就是一个非常成功的平台了。

至于如何量化比较，就因系统而异了。

2、体验 & 人性化

为什么我要把体验放在第二位？

因为有太多的运维开发工程师，在开发的过程中，过多地注重系统的稳定性和性能，完全不把体验放在眼里了。

我想说的是，有时候，如果不关注用户体验，我们做了再好的功能，没有人用，那这个功能意义何在？用户价值与用户体验在某些情况下，是会画等号的。

3、优秀的系统架构

在业界，无论是运维系统也好，业务系统也好，优秀系统的架构都是大同小异的：

• 稳定性：负载均衡、多活等。

• 扩展性：每次增加功能，可以很小的开发成本实现，而不是每次都要重构。

• 伸缩性：没有核心的单点，大部分性能瓶颈，都可以通过横向扩展来解决。

• 自我保护：把可能会导致性能瓶颈的点都拆解开，用队列、限流等手段消除流量突增的高峰带来的危害，保护自身。

• 安全性：敏感服务加入权限与认证，Web服务避免常见的漏洞如SQL注入、XSS、CSRF等。做好操作记录方便后续审计，尽量不要出现短板。

三、如何运维自己开发的平台？

运维开发在大多数时候，要负责运维自己开发出来的系统，俗称吃自己的狗粮；而很多人跳槽之后，第一件事情，也是从运维别人的系统开始的。那我们如何运维好一个平台呢？

运维与开发的工作，思路其实不尽相同。虽然都是基于稳定性来考量，但可能要想的更多、更广，任何有可能影响到我们业务的稳定性的因素，都要考虑在内。

用我的总监的一句话来讲，就是：我们运维同学与开发同学，最大的不同点，就是稳定性的意识。

1、架构上的稳定性

2、快速地发现问题

无论我们的架构多么完善，也很难做到尽善尽美。那么在一些需要人为介入处理的故障中，快速地发现异常，能直接降低服务的不可用时长。因此，对于一般的服务，将报警配置地更完善是我们能快速定位异常的第一步。

还有，对于监控系统，自身的故障不能通过自身的监控来发现，最好还有一套独立的自监控。

3、应急预案&演练

在梳理一个服务的运维工作的时候，其实我们能很明确的感知到某个地方出问题需要人力介入。而除变更之外的一般的故障，我们都是可预见的。一旦真的出现这种问题，如果我们没有准备，即使知道如何去做，也可能会因为手忙脚乱而出错。

因此，设定一些可能发生情况的应急预案，定时演练，是一个可以在故障时快速恢复服务的手段。

4、自我保护

一般的系统，都有上游，如何保证上游的数据异常对自身产生影响，也是很重要的一点。总结起来，总共有三类：

• 过载保护：上游流量太大，导致自身服务不堪负重。这种情况要根据场景不同，考虑加入消息队列，或者限流。

• 脏数据保护：上游来的数据，是否应该完全信任？是否有脏数据会来影响我内部数据的准确性？比如安全扫描的流量，很大程度上就会对很多系统产生脏数据。这种最好有过滤的规则的配置，能摘除这部分流量。

• 上游变更保护：上游的变更，需要及时知晓和跟进。如果上游不够规范，很可能会修改接口或者数据格式。即使上游规范，也要跟进上游变更容易造成的影响，人为确认没有问题。

5、容量规划

随着系统负载的升高，系统的服务能力并不是线性下降的。当负载到达临界线的时候，一个逐渐变慢的系统最终会停止一切服务。因此，要在系统瓶颈到来之前，预估未来一段时间内服务的量级，在量级到来之前，做好应对措施。

笔者公司目前有一个Topic，就是全链路压测。运维团队与所有业务团队一起建设，压测常态化，每时每刻对系统全链路各个环节的瓶颈都了如指掌。其实也是在做这件事情。

6、变更管理

SRE的经验告诉我们，大概70%的生产事故都是由某种部署的变更而触发。因此要管理好我们的变更的机制：

• 采用分级发布机制：先pre、再小流量、再中流量、再全量。

• 制定全面CheckList：保证变更部分所有功能都有测试可以覆盖，能快速发现问题，第一时间回滚。

• 出现问题，先回滚，再定位：这个不用多说，先止损，再慢慢查问题。

四、除了开发与运维，我们还要做什么？

运维开发的定位，注定要比业务开发承担更多的责任。因为这群人除了是自己的RD，还要自己做自己的PM、OP、QA。

因此，我们要考量的，还有产品和需求层面的东西：

1、需求管理

作为开发，尤其是没有正经PM的开发，管理好需求可以让我们把精力放在最重要的地方，解放我们的精力、提高产出。

• 流程闭环：从用户每次提一个需求开始，一直到这个需求跟进结束，或者需求被讨论后打回，都要有一个详细的流程管理工具，笔者公司用的是JIRA。有了这个工具，就可以很好的看到需求的状态，便于跟进和统计，真正解放我们的笔记本。

• 把控好优先级：根据项目的定位，来划分需求的优先级。比如，对于一个运维平台项目，一般来讲用户比较固定，针对的是一群高玩SRE，那优先级考量是：稳定性 > 性能 > 功能 > 体验。

  
  

  对于优先级的考量，要经常与自己的上级沟通。由于观点和视野的不同，个人考虑的优先级会与小组或者部门的优先级有所偏离，此时与上级及时的沟通，可以将个人的目标与团队的目标对齐，争取产出最大化。

• 产品视角 & 抽象能力：我们管理好了需求，确认好了优先级，是不是按照我们的优先级埋头苦干就行了呢？答案当然是否定的。视角、见解不同的用户们提出一堆细碎的需求，如果我们从头来实现一遍，并不能真正让这些用户满意，却只会让系统越来越烂。

  
  笔者之前就经手维护过这样的系统，勤劳的工程师兢兢业业，满足了一个又一个的需求，各种各样的高级功能。后来，却由于系统过于复杂，导致最基本、最常用的功能都要找半天。最终不得不重构。

  
  因此，去深度思考用户真正需要的是什么东西，而不是被业务推着走。将用户细碎的需求，真正抽象成平台要建设的一个一个的功能。

  
  

• 经常思考一下：用户虽然提了这个需求，但是他真正的痛点在哪里；多个类似需求之间会不会有什么共通点；是否可以抽象出一个公用的模型，用一个功能来满足多个需求。

2、量化

If You Can’t Measure It，You Can’t Improve It。量化是优化的前提。

量化有很多方面，比如说量级、延迟、成本，都可以量化。把所有的点量化完之后，我们做事情就不会蒙着头乱撞，所做的事情、所维护的服务，也不再是一个黑盒。我们可以对它的上下游关系、自身的稳定性作出宏观、统筹的分析。进一步的压测及SLA均要依赖量化。

3、制定SLA

简言之，SLA就是在一定的限制条件下我们服务可以保证的质量；是服务的维护者完全的了解了自己的系统，对系统的瓶颈有了深刻的理解之后，所给出的服务质量的保证；同时也是我们服务自身能力的一种说明。

一个系统性能再好，也总会有瓶颈。而把瓶颈和风险让用户知晓，是我们的义务。对服务的维护者来说，在提供服务之时，约定好服务的SLA，既能从一定程度上规范使用者的行为，也能在出现问题的时候保护自己。

五、除了做这些，我们还要思考什么？

1、制定规范，并让规范在平台落地

规范的制定是一个比较宏观的事情，一般情况是由稳定性负责部门向全公司整体给出的建议。约束的可能是全公司的变更的规则、以及平台的使用方式等。

规范的落地，不能仅仅依靠各方业务的自觉性，也要在平台做好限制与引导。

我们做平台，最终产出的仍然应该是业务的价值：比如效率的提高、成本的降低、稳定性的提高等。规则在平台的落地，可以产生直接的业务价值。

具体的实施方式可以考虑限制和引导两种手段：

• 限制：上线窗口的规范，非上线窗口必须走紧急流程由部门一级管理者审批；监控单台机器上报指标数的quota，都是使用的限制的手段。

• 引导：通过一些方式，让用户自觉的依照我们的规则来执行。可以使用奖励、通报的一些方式。比如笔者公司的变更信用分、监控健康分都是此类手段。

2、协调开发与答疑

运维开发的同学们，除了要做自己的PM和QA之外，有趣的是，还要担任自己的客服。

日常工作中，经典的答疑主要分为两类：使用方式、对平台的质疑。

使用方式的日常咨询，首先可以完善用户手册，把所有的使用方式和常见Q&A都写好。其次可以考虑机器人答疑，目前笔者负责的系统都接入了机器人自动答疑，把一些常见的问题以及文档都加入到知识库里，基本问题都可以解答出来。

除了日常使用的答疑之外，也会有很多的“高玩”来Challenge我们的系统。这些人基本分为两类：

• 一类是对运维平台有深度思考的人，Chanllenge的同时会带来很多建设性的意见和建议；

• 另一类就是单纯的小白用户，对系统思考不太深入，喜欢无脑Chanllenge。

我们也要同时思考如何与这类用户说明，提高小白用户的体验。

因此，给出服务的SLA、做好服务的自监控、将所有内部状态通过自监控暴露给开发者，而不让自己的服务变成一个黑盒，是我们作为DevOps的基本素质。

六、后记

时光荏苒，倏忽之间，我已从一个小小的实习生，成长到现在勉强可以独当一面的样子。这些年来，我一直在自动化运维平台开发领域耕耘。从刚开始重构服务树、权限系统模型、堡垒机登录；到后来的流量调度、监控系统报警与存储的深度建设，有很多个人的感悟与成长，梳理了一下，分享给大家。

最后附上笔者思考本文时的脑图：

近期热文

最新活动