对运维工作的理解

Posted 2021-03-22

（一）运维，从字面意思很容易理解，就是运营、维护。有很多朋友认为，在互联网公司中Linux系统运维的工作就是安装系统，部署服务处理紧急故障，为公司里的开发人员及其他部门提供支持服务。同时，还可能负责公司办公内部和IDC外网的网络业务稳定。
以上的工作的确是运维的一部分，但并不是全部，只是中小公司低级的运维劳动，在我看来，除了上面的角色外，运维人员还是管理、制度、规范、流程的制定、推行、监督角色。运维的核心是运维思想，而非运维技术本身，上百台以上的服务器的规模如果没有好的管理流程、规范、制度策略是无法协调工作的，上千台、上万台更时如此。
运维流程、运维规范、运维制度、自动化、智能化、批量部署、批量管理、网站架构优化、监控预警、流量及日志分析统计、权限、安全优化管理、账户统一认证等。这才是真正的运维人员需要做的。如何推进并完善上面的工作，提升工作效率，提升团队以一当十的战斗力才是最核心的内容。
运维的宗旨：7*24小时网络稳定、用户体验良好（包括内网的员工、外网的网站用户），所以我们做什么都不要离开运维的宗旨，否则你的工作可能就是徒劳的无用功。有经验的运维会先思考再动作，经验不足的运维只会做一步想一步，遇到问题再思考，这是完全不同的层次境界。所以别轻易说自己精通什么服务，会多少软件，那只是几块砖头、几袋水泥而已。盖好大楼，这些仅仅是基本的元素，运维同样如此。

（二）有人说运维的本质是“可视化”，这个观点是不客观的，在我看来，运维的本事是“可控”运维本身是一个复杂的体系，它除了技术之外，经验积累、视野、大局观、甚至是心胸都有可能决定成败。优秀的开发者比比皆是，但是优秀的运维少之又少。
第一点：稳定性“可控”。运维不是维护一两台机器，发布代码就好，而是要做成千上万，甚至几十万台的服务器和各种网络设备、存储设备等专有设备维护，这些服务器包含webserver、DB、cache、CDN、computing多种类型，如何让这些大量的服务器稳定的跑在生产环境中，不因为硬件损坏、发布变更、系统升级而引发的业务系统故障。没有东西是不会坏的，没有系统是没有bug的。硬件要坏，系统升级，发布变更，这些都没有关系，但是最重要的，一旦发生这些之后，运维人员知道，这些业务影响多大，需要多少时间和工作量恢复。
第二点：性能“可控”。对于系统DBA来说，最痛苦的地方不在于“慢”，而在于时快时慢，这样对于DBA在维护是无异于自杀，很多云计算厂商做设计的时候，往往也会忽略这一点，其实性能的问题，比最高性能，来的更重要的多！非常漂亮的数字不能解决问题，但是出现一次性能不足，可能就引发故障。
第三点：安全“可控”。有没有绝对的安全呢？理论上没有，所以运维的同学，总要花很多精力在系统安全上，比如控制哪些用户可以登录系统环境？哪些用户是可以进行变更？哪些用户甚至可以拿到最高权限？测试和开发隔离，公司内外隔离，都是因此而生。只要能够控制权限的面积，范围，就能知道风险，这便是所谓的安全“可控”。重要如上所示，但是正如一开头所说，运维的内容相当繁杂，交付“可控”，变更内容“可控”，效率“可控”都是可以值得深究的东西，因此，无论是“可视化”、“大数据”、“运维自动化”等等，都是在为“运维可控”服务的。数据可视化，带来的是规模可控；运维自动化，带来的是效率可控风险可控，如是而已。每一个点的提升，都是运维的提升，希望所有从事运维的同学，都能感受到，做什么可以让“可控力”提升，不要再半夜的时候处理故障，不要和女朋友看电影的时候回公司处理故障，也许我们再次遇到这些问题的时候，可以拿起一杯茶，做一个优雅的运维。