Home

打江山难，守江山更难

每个公司都有自己的核心产品，一般也是其主盈利点。为了盈利就需要保持产品的领先地位，就需要对其进行不断的改进，功能上的改进大多以研发(RD)项目的形式存在，而稳定性的改进就要靠运维(OP)。运维是持续化的投入，只要公司不倒闭，就会有运维的事情要做。

RD开发的程序，OP要放到服务器上，使得用户可以使用。直观的问题就是如何快速、自动的完成这个过程，最直接的答案是使用shell等脚本语言，一个具体的例子是：

1. 从X处获取程序Y和配置Z

2. 将其分发到N台机器上

3. 依次重启程序生效

转化为shell后，可能是：

wget ftp://XXXXXXXXXXXXXXXXX file

for host in `cat list`;do scp ;done

ssh host “restart”

我们直接用脚本语言将人的思维步骤展现出来，并力求其可复用，这个就是最初的运维。就这一点能说很多页，我们先看个稍简单些的东西。

人有生老病死，机器和服务亦然。为了及时发现服务异常，就需要OP第二大利器——监控。

需要发现机器死掉，于是有了ping，ssh等探测监控

需要发现资源占用，于是有了sar，vmstat，iostat等性能监控

需要发现安全隐患，于是有了对message等的日志监控

需要发现服务状况，于是有了共享内存、程序日志等状态监控

监控多了不好看，不好分析，于是有了监控视图和环比、同比等经典功能

有的问题，需要根据多种监控的结论，于是有了智能监控

当几乎什么都有了监控的时候，邮件、短信已经多的泛滥

于是为了减少报警，有了报警聚类

既然监控能发现问题，是不是能自己解决问题？就有了故障自处理分支

为了管理很多的故障处理分支，于是有了分层分级模型的流程平台

至此，监控基本成型。我想守江山为什么难大家也有体会了——

1. 你要解决的问题是随着规模扩大，而难度增大的

2. 你要解决的问题是让机器代替人

3. 你要解决的问题是广阔的，不会束缚你的发展，但是你要理清思绪，不然很容易死掉

运维对公司意味着什么？我们来看个图

如果项目失败，我们至多损失一个功能

如果架构失败，我们可能会浪费些钱

如果运维失败，我们的事业就会付之东流

那么，运维的挑战是什么？

1. 高度复杂的服务关联：随着时间的发展，越来越多的服务关系和服务依赖纠结，而OP只能笔记甚至眼睁睁的呼救。这就直接导致了“牵一发而动全身”，没有人敢动是运维差到极致的表现

2. 有限甚至紧迫的时间：运维是功能被用户感知的最后一道关卡，肉到嘴边上，不能吃，这会儿是最难受的。也因为这种难受，任何服务留给运维的时间往往很少，OP要做的是“性价比”。当然，更多的工作应该在平时，用以提高紧迫时候的效率。最厉害的消防员就是让这个地方永远别着火

3. 林立的平台，以及各种平台的问题：为了提高效率，为了减少问题，开发和使用了各种平台，各种平台的藕断丝连，甚至bug都是对OP耐性极限的考验，就像是社会主义初级阶段，要煎熬，要坚定不移，还要推动改进

4. RD/QA等越来越高的期望：运维的事情圈子大，别人的期望越来越高，其实我还是很开心的

好的运维是什么样的？只有两条8个字

1. 可信赖的

2. 有效率的

下期预告：【运维做什么事儿】做运维的人需要会什么

【运维做什么事儿】运维是守江山