我們已經(jīng)發(fā)過不少Linux 面試題，但是單獨(dú)的面試題總感覺會過于零碎，沒有體系化內(nèi)容給人的幫助大。

知乎上有這樣一個(gè)問題：一個(gè)新手面試 Linux 運(yùn)維工作至少需要知道哪些知識？其中有一個(gè)答案對這一話題的解讀非常深入，今天特別分享給大家。

一、什么是大型網(wǎng)站運(yùn)維？

首先明確一下，全文所講的”運(yùn)維“是指：大型網(wǎng)站運(yùn)維，與其它運(yùn)維的區(qū)別還是蠻大的；然后我們再對大型網(wǎng)站與小型網(wǎng)站進(jìn)行范圍定義，此定義主要從運(yùn)維復(fù)雜性角度考慮，如網(wǎng)站規(guī)范、知名度、服務(wù)器 量級、pv量等考慮，其它因素不是重點(diǎn)；因此，我們先定義服務(wù)器規(guī)模大于1000臺，pv每天至少上億（至少國內(nèi)排名前10），如sina、baidu、 QQ，http://51.com等等；其它小型網(wǎng)站可能沒有真正意義上的運(yùn)維工程師，這與網(wǎng)站規(guī)范不夠和成本因素有關(guān)，更多的是集合網(wǎng)絡(luò)、系統(tǒng) 、開發(fā)工作于一身的“復(fù)合性人才”，就如有些公司把一些合同采購都納入了運(yùn)維職責(zé)范圍，還有如IDC網(wǎng)絡(luò)規(guī)劃也納入運(yùn)維職責(zé)。所以，非常重要一定需要明白：運(yùn)維對其它關(guān)聯(lián)工種必須非常了解熟悉：網(wǎng)絡(luò)、系統(tǒng)、系統(tǒng)開發(fā)、存儲，安全,DB等；我在這里所講的運(yùn)維工程師就是指專職運(yùn)維工程師。

我們再來說說一般產(chǎn)品的“出生”流程：

1、首先公司管理層給出指導(dǎo)思想，PM定位市場需求（或copy成熟應(yīng)用）進(jìn)行調(diào)研、分析、最終給出詳細(xì)設(shè)計(jì)。

2、架構(gòu)師根據(jù)產(chǎn)品設(shè)計(jì)的需求，如pv大小預(yù)估、服務(wù)器規(guī)模、應(yīng)用架構(gòu)等因素完成網(wǎng)絡(luò)規(guī)劃,架構(gòu)設(shè)計(jì)等（基本上對網(wǎng)絡(luò)變動不大，除非大項(xiàng)目）

3、開發(fā)工程師將設(shè)計(jì)code實(shí)現(xiàn)出來、測試工程師對應(yīng)用進(jìn)行測試。

4、好，到運(yùn)維工程師出馬了。首先明確一點(diǎn)不是說前三步就與運(yùn)維工作無關(guān)了，恰恰相反，前三步與運(yùn)維關(guān)系很大：應(yīng)用的前期架構(gòu)設(shè)計(jì)、軟/硬件資源評估申請采購、應(yīng)用設(shè)計(jì)性能隱患及評估、IDC、服務(wù)性能\安全調(diào)優(yōu)、服務(wù)器系統(tǒng)級優(yōu)化（與特定應(yīng)用有關(guān)）等都需運(yùn)維全程參與，并主導(dǎo)整個(gè)應(yīng)用上線項(xiàng)目；運(yùn)維工程師負(fù)責(zé)產(chǎn)品服務(wù)器上架準(zhǔn)備工作，服務(wù)器系統(tǒng)安裝、網(wǎng)絡(luò)、IP、通用工具集安裝。運(yùn)維工程師還需要對上線的應(yīng)用系統(tǒng)架構(gòu)是否合理、是否具備可擴(kuò)展性、及安全隱患等因素負(fù)責(zé)，并負(fù)責(zé)最后將產(chǎn)品（程序）、網(wǎng)絡(luò)、系統(tǒng)三者進(jìn)行拼接并最優(yōu)化的組合在一起，最終完成產(chǎn)品上線提供用戶使用，并周而復(fù)使：需求->開發(fā)（升級）->測試->上線（性能、安全問題等之前預(yù)估外的問題隨之慢慢就全出來了）在這里提一點(diǎn)：網(wǎng)站開發(fā)模式與傳統(tǒng)軟件開發(fā)完全不一樣，網(wǎng)站一天開發(fā)上線1~5個(gè)升級版本是家常便飯，用戶體驗(yàn)為王嘛，如果某個(gè)線上問題像M$ 需要1年解決，用戶早跑光了；應(yīng)用上線后，運(yùn)維工作才剛開始，具體工作可能包括：升級版本上線工作、服務(wù)監(jiān)控、應(yīng)用狀態(tài)統(tǒng)計(jì)、日常服務(wù)狀態(tài)巡檢、突發(fā)故障處理、服務(wù)日常變更調(diào)整、集群管理、服務(wù)性能評估優(yōu)化、數(shù)據(jù)庫管理優(yōu)化、隨著應(yīng)用PV增減進(jìn)行應(yīng)用架構(gòu)的伸縮、安全、運(yùn)維開發(fā)工作：

a 、盡量將日常機(jī)械性手工工作通過工具實(shí)現(xiàn)（如服務(wù)監(jiān)控、應(yīng)用狀態(tài)統(tǒng)計(jì)、服務(wù)上線等等），提高效率。

b、解決現(xiàn)實(shí)中服務(wù)存在的問題，如高可靠性、可擴(kuò)展性問題等。

c、大規(guī)模集群管理工具的開發(fā)，如1萬臺機(jī)器如何在1分鐘內(nèi)完成密碼修改、或運(yùn)行指定任務(wù)？2000臺服務(wù)器如何快速安裝操作系統(tǒng)？各分布式IDC、存儲集群中數(shù)PT級的數(shù)據(jù)如何快速的存儲、共享、分析？等一系列挑戰(zhàn)都需運(yùn)維工程師的努力。

在此說明一下其它配合工種情況，在整個(gè)項(xiàng)目中，前端應(yīng)用對于網(wǎng)絡(luò)/系統(tǒng)工程師來說是黑匣子，同時(shí)開發(fā)工程師職責(zé)只是負(fù)責(zé)完成應(yīng)用的功能性開發(fā)，并對應(yīng)用本身性能、安全性等應(yīng)用本身負(fù)責(zé)，它不負(fù)責(zé)或關(guān)心網(wǎng)絡(luò)/系統(tǒng)架構(gòu)方面事宜，當(dāng)然軟/硬件采購人員等事業(yè)部其它同事也不會關(guān)心這些問題，各司其職，但項(xiàng)目的核心是運(yùn)維工程師~！所有其它部門的橋梁。

上面說了很多，我想大家應(yīng)該對運(yùn)維有一些概念了，在此打個(gè)比方吧，如果我們是一輛高速行駛在高速公路上的汽車，那運(yùn)維工程師就是司機(jī)兼維修工，這個(gè)司機(jī)不簡單，有時(shí)需要在高速行駛過程中換輪胎、并根據(jù)道路情況換檔位、當(dāng)汽車速度越來越快，汽車本身不能滿足高速度時(shí)對汽車性能調(diào)優(yōu)或零件升級、高速行進(jìn)中解決汽車故障及性能問題、時(shí)刻關(guān)注前方安全問題，并先知先覺的采取規(guī)避手段。這就是運(yùn)維工作~！

最后說一下運(yùn)維工程師的職責(zé)：”確保線上穩(wěn)定“，看似簡單，但實(shí)屬不容易，運(yùn)維工程師必須在諸多不利因素中進(jìn)行權(quán)衡：新產(chǎn)品模式對現(xiàn)有架構(gòu)及技術(shù)的沖擊、產(chǎn)品高頻度的升級帶來的線上BUG隱患、運(yùn)維自動化管理承度不高導(dǎo)致的人為失誤、IT行業(yè)追求的高效率導(dǎo)致流程執(zhí)行上的缺失、用戶增漲帶來的性能及架構(gòu)上的壓力、IT行業(yè)寬松的技術(shù)管理文化、創(chuàng)新風(fēng)險(xiǎn)、互聯(lián)網(wǎng)安全性問題等因素，都會是網(wǎng)站穩(wěn)定的大敵，運(yùn)維工程師必須把控好這最后一關(guān)，需具體高度的責(zé)任感、原則性及協(xié)調(diào)能力，如果能做到各因素的最佳平衡，那就是一名優(yōu)秀的運(yùn)維工程師了。

另外在此聊點(diǎn)題外話，我在這里看到有很多人要sina、QQ、baidu,http://51.com等聊自已的運(yùn)維方面的經(jīng)驗(yàn)，其實(shí)這對于它們有點(diǎn)免為其難：

a、各公司自已網(wǎng)絡(luò)架構(gòu)、規(guī)模、或多或少還算是公司的核心秘密，要保密，另外，對于大家所熟知的通用軟件、架構(gòu)，由于很多公司會根據(jù)自已實(shí)際業(yè)務(wù)需要，同時(shí)因?yàn)樵嫘阅堋踩浴⒁阎猙ug、功能等原因，進(jìn)行過二次開發(fā)（如apache,php,mysql ），操作系統(tǒng)內(nèi)核也會根據(jù)不同業(yè)務(wù)類型進(jìn)行定制的，如某些應(yīng)用屬于運(yùn)算型、某些是高IO型、或大存儲大內(nèi)存型。根據(jù)這些特點(diǎn)進(jìn)行內(nèi)核優(yōu)化定制，如sina就在 memcache上進(jìn)行過二次開發(fā)，搞出了一個(gè)MemcacheDB，具體做得如何我們不談，但開源了，是值得稱贊的，國內(nèi)公司對于開源基本上是索取，沒有貢獻(xiàn)；另外，服務(wù)器也不是大家所熟知的型號，根據(jù)業(yè)務(wù)特點(diǎn)，大部份都是找DELL/HP/ibm進(jìn)行過定制；另外，在分布式儲存方面都有自已解決方案，要不就是使用現(xiàn)成開源hadoop等解決方案，或自已開發(fā)。但90%都是借鑒google GFS的思想:分布式存儲、計(jì)算、大表。

b、各公司業(yè)務(wù)方向不一樣，會導(dǎo)致運(yùn)維模式或方法都不一樣，如http://51.com和baidu運(yùn)維肯定區(qū)別很大，因?yàn)樗麄儤I(yè)務(wù)模式?jīng)Q定了其架構(gòu)、服務(wù)器量級、 IDC分布、網(wǎng)絡(luò)結(jié)構(gòu)、通用技術(shù)都會不一樣，主打新聞門戶的sina與主打sns的http://51.com運(yùn)維模式差異就非常大,甚至職責(zé)都不大一樣；但有一點(diǎn)，通用技術(shù)及大致架構(gòu)上都大同小異，大家不要太神化，更多的公司只是玩壘積木的游戲罷了，沒什么技術(shù)含量。

c、如上面所講，目前大型網(wǎng)站運(yùn)維還處于幼年時(shí)期理念和經(jīng)驗(yàn)都比較零散，沒有成熟的知識體系，可能具體什么是運(yùn)維，大家都要先思索一番，或壓根沒想過，真正討論也只是運(yùn)維工作的冰山一角，局限于具體技術(shù)細(xì)節(jié)，或某某著名網(wǎng)站大的框架，真正運(yùn)維體系化東西沒有，這也許是目前網(wǎng)上運(yùn)維相關(guān)資料 比較少的原故吧。或者也是國內(nèi)運(yùn)維人員比較難招，比較牛的運(yùn)維工程師比較少見的原因之一吧。

二、運(yùn)維工作師需要什么樣的技能及素質(zhì)

做為一名運(yùn)維工程師需要什么樣的技能及素質(zhì)呢，首先說說技能吧，如大家上面所看到，運(yùn)維是一個(gè)集多IT工種技能與一身的崗位，對系統(tǒng)->網(wǎng)絡(luò) ->存儲->協(xié)議->需求->開發(fā)->測試->安全等各環(huán)節(jié)都需要了解一些，但對于某些環(huán)節(jié)需熟悉甚至精通，如系統(tǒng) (基本操作系統(tǒng)的熟悉使用,*nix,windows ..)、協(xié)議、系統(tǒng)開發(fā)(日常很重要的工作是自動運(yùn)維化相關(guān)開發(fā)、大規(guī)模集群工具開發(fā)、管理）、通用應(yīng)用（如lvs、ha、web server 、db、中間件、存儲等）、網(wǎng)絡(luò),IDC拓樸架構(gòu)；

技能方面總結(jié)以下幾點(diǎn)：

1、開發(fā)能力，這點(diǎn)非常重要，因?yàn)檫\(yùn)維工具都需要自已開發(fā)，開發(fā)語言：perl、python、php（其中之一）、shell（awk,sed,expect….等），需要有過實(shí)際項(xiàng)目開發(fā)經(jīng)驗(yàn)，否則工作會非常痛苦。

2、通用應(yīng)用方面需要了解：操作系統(tǒng)（目前國內(nèi)主要是linux、bsd）、webserver相關(guān) (nginx,apahe,php,lighttpd,java。。。)、數(shù)據(jù)庫(mysql,oralce)、其它雜七八拉的東東；系統(tǒng)優(yōu)化，高可靠性；這些只是加分項(xiàng)，不需必備，可以邊工作邊慢慢學(xué)，這些東西都不難。當(dāng)然在運(yùn)維中，有些是有分工偏重點(diǎn)不一樣。

3、系統(tǒng)、網(wǎng)絡(luò)、安全，存儲，CDN，DB等需要相當(dāng)了解，知道其相關(guān)原理。

個(gè)人素質(zhì)方面：

1、溝通能力、團(tuán)隊(duì)協(xié)作：運(yùn)維工作跨部門、跨工種工作很多，需善于溝通、并且團(tuán)隊(duì)協(xié)作能力要強(qiáng)；這應(yīng)該是現(xiàn)代企業(yè)的基本素質(zhì)要求了，不多說。

2、工作中需膽大心細(xì)：膽大才能創(chuàng)新、不走尋常路，特別對于運(yùn)維這種新的工種，更需創(chuàng)新才能促進(jìn)發(fā)展；心細(xì)，運(yùn)維工程師是網(wǎng)站admin,最高線上權(quán)限者，一不小心就會遺憾終生或打入十八層地獄。

3、主動性、執(zhí)行力、精力旺盛、抗壓能力強(qiáng)：由于IT行業(yè)的特性，變化快；往往計(jì)劃趕不上變化，運(yùn)維工作就更突出了，比如國內(nèi)各大公司服務(wù)器往往是全國各地，哪里便宜性價(jià)比高，就那往搬，進(jìn)行大規(guī)模服務(wù)遷移（牽扯的服務(wù)器成百上千臺），這是一個(gè)非常頭痛的問題；往往時(shí)間 非常緊迫，如限1周內(nèi)完成，這種情況下，運(yùn)維工程師的主動性及執(zhí)行力就有很高的要求了：計(jì)劃、方案、服務(wù)無縫遷移、機(jī)器搬遷上架、環(huán)境準(zhǔn)備、安全評估、性能評估、基建、各關(guān)聯(lián)部門扯皮,7X24小緊急事故響應(yīng)等。

4、其它就是一些基本素質(zhì)了：頭腦要靈光、邏輯思維能力強(qiáng)、為人謙虛穩(wěn)重、親和力、樂于助人、有大局觀。

5、最后一點(diǎn)，做網(wǎng)站運(yùn)維需要有探索創(chuàng)新精神，通過創(chuàng)新型思維解決現(xiàn)實(shí)中的問題，因?yàn)檫@是一個(gè)處于幼年的職業(yè)（國外也一樣，但比國內(nèi)起步早點(diǎn)），沒有成熟體系或方法論可以借鑒，只能靠大家自已摸索努力。

三、怎樣才算是一個(gè)合格的運(yùn)維工程師

1、保證服務(wù)達(dá)到要求的線上標(biāo)準(zhǔn)，如99.9%；保證線上穩(wěn)定，這是運(yùn)維工程師的基本責(zé)職所在。

2、不斷的提升應(yīng)用的可靠性與健壯性、性能優(yōu)化、安全提升；這方面非常考驗(yàn)主動性和創(chuàng)新思維。

3、網(wǎng)站各層面監(jiān)控、統(tǒng)計(jì)的覆蓋度，軟件、硬件、運(yùn)行狀態(tài)，能監(jiān)控的都需要監(jiān)控統(tǒng)計(jì)，避免監(jiān)控死角、并能實(shí)時(shí)了解應(yīng)用的運(yùn)轉(zhuǎn)情況。

4、通過創(chuàng)新思維解決運(yùn)維效率問題；目前各公司大部份運(yùn)維主要工作還是依賴人工操作干預(yù)，需要盡可能的解放雙手。

5、運(yùn)維知識的積累與沉淀、文檔的完備性，運(yùn)維是一個(gè)經(jīng)驗(yàn)性非常強(qiáng)的崗位，好的經(jīng)驗(yàn)與陷阱都需積累下來，避免重復(fù)性范錯(cuò)。

6、計(jì)劃性和執(zhí)行力；工作有計(jì)劃，計(jì)劃后想法設(shè)法達(dá)到目標(biāo)，不找借口。

7、自動化運(yùn)維；能對日常機(jī)械化工作進(jìn)行提煉、設(shè)計(jì)并開發(fā)成工具、系統(tǒng)，能讓系統(tǒng)自動完成的盡量依靠系統(tǒng)；讓大家更多的時(shí)間用于思考、創(chuàng)新思維、做自已喜歡的事情。

以上只是技術(shù)上的一些層面，當(dāng)然個(gè)人意識也是很重要的。

四、運(yùn)維職業(yè)的迷惘、現(xiàn)狀與發(fā)展前景

運(yùn)維崗位不像其它崗位，如研發(fā)工程師、測試工程師等，有非常明確的職責(zé)定位及職業(yè)規(guī)劃，比較有職業(yè)認(rèn)同感與成就感；而運(yùn)維工作可能給人的感覺是哪方面都了解一些，但又都比上專職工程師更精通、感覺平時(shí)被關(guān)注度比較低（除非線上出現(xiàn)故障），慢慢的大家就會迷惘，對職業(yè)發(fā)展產(chǎn)生困惑,為什么會有這種現(xiàn)象呢？除了職業(yè)本身特點(diǎn)外，主要還是因?yàn)閷\(yùn)維了解不深入、做得不深入導(dǎo)致；其實(shí)這個(gè)問題其它崗位也會出現(xiàn)，但我發(fā)現(xiàn)運(yùn)維更典型，更容易出現(xiàn)這個(gè)問題；

針對這個(gè)問題我談一下網(wǎng)站運(yùn)維的現(xiàn)狀及發(fā)展前景（也在思考中，可能不太深入全面，也請大家斧正補(bǔ)充）

運(yùn)維現(xiàn)狀：

1、處于剛起步的初級階段，各大公司有此專職，但重視或重要程度不高，可替代性強(qiáng)；小公司更多是由其它崗位來兼顧做這一塊工作，沒有專職，也不可能做得深入。

2、技術(shù)層次比較低；主要處于技術(shù)探索、積累階段，沒有型成體系化的理念、技術(shù)。

3、體力勞動偏大；這個(gè)問題主要與第二點(diǎn)有關(guān)系，很多事情還是依靠人力進(jìn)行，沒有完成好的提練，對于大規(guī)模集群沒有成熟的自動化管理方法，在此說明一下，大規(guī)模集群與運(yùn)維工作是息息相關(guān)的如果只是百十來臺機(jī)器，那就沒有運(yùn)維太大的生存空間了。

4、優(yōu)秀運(yùn)維人才的極度缺乏；目前各大公司基本上都靠自已培養(yǎng)，這個(gè)現(xiàn)狀導(dǎo)致行業(yè)內(nèi)運(yùn)維人才的流動性非常低，非常多好的技術(shù)都局限在各大公司內(nèi)部，如 google 50萬臺機(jī)器科學(xué)的管理,或者國內(nèi)互聯(lián)公司top 10 的一些運(yùn)維經(jīng)驗(yàn)，這些經(jīng)驗(yàn)是非常有價(jià)值的東西并決定了一個(gè)公司的核心競爭力；這些問題進(jìn)而導(dǎo)致業(yè)內(nèi)先進(jìn)運(yùn)維技術(shù)的流通、貫通、與借簽，并最終將限制了運(yùn)維發(fā)展。

5、很多優(yōu)秀的運(yùn)維經(jīng)驗(yàn)都掌握在大公司手中；這不在于公司的技術(shù)實(shí)力，而在于大公司的技術(shù)規(guī)模、海量PV、硬件規(guī)模足夠大，如baidu可怕的流量、 http://51.com海量數(shù)據(jù)~~~~這些因素決定了他們遇到的問題都是其它中/小公司還沒有遇到的，或即將遇到。但大公司可能已有很好的解決方案或系統(tǒng)。

發(fā)展前景：

1、從行業(yè)角度來看，隨著中國互聯(lián)網(wǎng)的高速發(fā)展（目前中國網(wǎng)民已躍升為全球第一）、網(wǎng)站規(guī)模越來越來大、架構(gòu)越來越復(fù)雜；對專職網(wǎng)站運(yùn)維工程師、網(wǎng)站架構(gòu)師的要求會越來越急迫,特別是對有經(jīng)驗(yàn)的優(yōu)秀運(yùn)維人才需求量大，而且是越老越值錢；目前國內(nèi)基本上都是選擇畢業(yè)生培養(yǎng)（限于大公司），培養(yǎng)成本高，而且沒有經(jīng)驗(yàn)人才加入會導(dǎo)致公司技術(shù)更新緩慢、影響公司的技術(shù)發(fā)展；當(dāng)然，畢業(yè)生也有好處：白紙一張，可塑性強(qiáng)，比較認(rèn)同并容易融入企業(yè)文化。

2、從個(gè)人角度，運(yùn)維工程師技術(shù)含量及要求會越來越高，同時(shí)也是對公司應(yīng)用、架構(gòu)最了解最熟悉的人、越來越得到重視。

3、網(wǎng)站運(yùn)維將成為一個(gè)融合多學(xué)科（網(wǎng)絡(luò)、系統(tǒng)、開發(fā)、安全、應(yīng)用架構(gòu)、存儲等）的綜合性技術(shù)崗位，給大家提供一個(gè)很好的個(gè)人能力與技術(shù)廣度的發(fā)展空間。

4、運(yùn)維工作的相關(guān)經(jīng)驗(yàn)將會變得非常重要，而且也將成為個(gè)人的核心競爭力，具備很好的各層面問題的解決能力及方案提供、全局思考能力等。

5、特長發(fā)揮和興趣的培養(yǎng)；由于運(yùn)維崗位所接觸的知識面非常廣闊，更容易培養(yǎng)或發(fā)揮出個(gè)人某些方面的特長或愛好，如內(nèi)核、網(wǎng)絡(luò)、開發(fā)、數(shù)據(jù)庫等方面，可以做得非常深入精通、成為這方面的專家。

6、如果真要以后不想做運(yùn)維了，轉(zhuǎn)到其它崗位也比較容易，不會有太大的局限性。當(dāng)然了，你得真正用心去做。

7、技術(shù)發(fā)展方向：網(wǎng)站/系統(tǒng)架構(gòu)師。

五、運(yùn)維關(guān)鍵技術(shù)點(diǎn)解剖

1、 大規(guī)模集群管理問題

首先我們先要明確集群的概念，集群不是泛指各功能服務(wù)器的總合，而是指為了達(dá)到某一目的或功能的服務(wù)器、硬盤 資源的整合（機(jī)器數(shù)大于兩臺），對于應(yīng)用來說它就是一個(gè)整體，目前常規(guī)集群可分為：高可用性集群（HA），負(fù)載均衡集群（如lvs），分布式儲、計(jì)算存儲集群（DFS，如google gfs ,yahoo hadoop），特定應(yīng)用集群（某一特定功能服務(wù)器組合、如db、cache層等），目前互聯(lián)網(wǎng)行業(yè)主要基于這四種類型；對于前兩種類似，如果業(yè)務(wù)簡單、應(yīng)用上post操作比較少，可以簡單的采用四層交換機(jī) 解決（如f5），達(dá)到服務(wù)高可用/負(fù)責(zé)均衡的作用，對于資源緊張的公司也有一些開源解決辦法如lvs+ha,非常靈活；對于后兩種，那就考驗(yàn)公司技術(shù)實(shí)力及應(yīng)用特點(diǎn)了，第三種DFS主要應(yīng)用于海量數(shù)據(jù)應(yīng)用上，如郵件、搜索等應(yīng)用，特別是搜索要求就更高了，除了簡單海量存儲，還包括數(shù)據(jù)挖掘、用戶行為分析；如 google、yahoo就能保存分析近一年的用戶記錄數(shù)據(jù)，而baidu應(yīng)該少于30天、soguo就更少了。。。這些對于搜索準(zhǔn)備性、及用戶體驗(yàn)是至關(guān)重要的。

接下來，我們再談?wù)勅绾慰茖W(xué)的管理集群，有以下關(guān)鍵幾點(diǎn)：

I、監(jiān)控

主要包括故障監(jiān)控和性能、流量、負(fù)載等狀態(tài)監(jiān)控，這些監(jiān)控關(guān)系到集群的健康運(yùn)行，及潛在問題的及時(shí)發(fā)現(xiàn)與干預(yù)；

a、服務(wù)故障、狀態(tài)監(jiān)控：主要是對服務(wù)器自身、上層應(yīng)用、關(guān)聯(lián)服務(wù)數(shù)據(jù)交互監(jiān)控；例如針對前端web server，我們就可以有很多種類型的監(jiān)控，包括應(yīng)用端口 狀態(tài)監(jiān)控，便于及時(shí)發(fā)現(xiàn)服務(wù)器或應(yīng)用本身是否crash、通過icmp包探測服務(wù)器健康狀態(tài)，更上層可能還包括應(yīng)用各頻道業(yè)務(wù)的監(jiān)控，常用方法是采用面業(yè)特征碼進(jìn)行判斷，或?qū)χ攸c(diǎn)頁面進(jìn)行簽名，以網(wǎng)站被黑篡改（報(bào)警、并自動恢復(fù)被篡改數(shù)據(jù)）等等，這些只是一部份，還有N多監(jiān)控方式，依應(yīng)用特點(diǎn)而定，還有一些問題需解決，如集群過大，如何高性能的進(jìn)行監(jiān)控也是一個(gè)現(xiàn)實(shí)問題。

b、其它就是集群狀態(tài)類的監(jiān)控或統(tǒng)計(jì)，為我們合理管理調(diào)優(yōu)集群提供數(shù)據(jù)參考、包括服務(wù)瓶頸、性能問題、異常流量、攻擊等問題。

2、故障管理

a、硬件故障問題；對于成百上千或上萬機(jī)器的N多集群，服務(wù)器死機(jī)、硬件故障概率是非常大的，幾乎每時(shí)每刻都有服務(wù)硬件問題，死機(jī)、硬盤損壞、電源、內(nèi)存、交換機(jī)。針對這種情況，我們在設(shè)計(jì)網(wǎng)站架構(gòu)時(shí)需要充分考慮到這些問題，并將其視為常態(tài)；更多的依靠應(yīng)用的冗余機(jī)制來規(guī)避這種風(fēng)險(xiǎn)，但給系統(tǒng)工程師足夠?qū)捲５奶幚頃r(shí)間。（如google不是號稱同時(shí)死800臺機(jī)器，服務(wù)不會受到任何影響嗎）；這就是考驗(yàn)運(yùn)維工程師及網(wǎng)站架構(gòu)師功能的地方了，好的設(shè)計(jì)能達(dá)到google所描述自恢復(fù)能力，如gfs，糟糕的設(shè)計(jì)那就是一臺服務(wù)器的死機(jī)可能會造成大面積服務(wù)的連鎖故障反映，直接對用戶拒絕響應(yīng)。

b、應(yīng)用故障問題；可能是某一bug被觸發(fā)、或某一性能閥值被超越、攻擊等情況不一而定，但重要的一點(diǎn)，是要有對這些問題的預(yù)防性措施，不能想當(dāng)然，它不會出問題，如真出問題了，如何應(yīng)對？這需要運(yùn)維工程師平時(shí)做足功夫，包括應(yīng)急響應(yīng)速度、故障處理的科學(xué)性、備用方案的有效等。

3、自動化

自動化：簡而言之，就是將我們?nèi)粘Ｊ謩舆M(jìn)行的一些工作通過工具，系統(tǒng)自動來完成，解放我們的雙手及枯燥的重復(fù)性勞動，例如：沒有工具前，我們安裝系統(tǒng)需要一臺一臺裸機(jī)安裝，如2000臺，可能需要10人/10天，搞爛N張光盤，人力成本更大。。。而現(xiàn)在通過自動化工具，只需幾個(gè)簡單命令 就能搞定、還有如機(jī)器人類程序，自動完成以往每天人工干預(yù)的工作，使其自動完成、匯報(bào)結(jié)果，并具備一定的專家系統(tǒng)能力，能做一些簡單的是/非判斷、優(yōu)化選擇等。。。這些好處非常明顯不再多說。。。應(yīng)該說，自動化運(yùn)維是運(yùn)維工程師職業(yè)化的一個(gè)追求，利已利公，雖然這是一個(gè)異常艱巨的任務(wù)：不斷變更的業(yè)務(wù)、不規(guī)范化的應(yīng)用設(shè)計(jì)、開發(fā)模式、網(wǎng)絡(luò)架構(gòu)變更、IDC變更、規(guī)范變動等因素，都可能會對現(xiàn)有自動化系統(tǒng)產(chǎn)生影響，所以需要模塊化、接口化、變因參數(shù)化等因此，自動化相關(guān)工作，是運(yùn)維工程師的核心重點(diǎn)工作之一，也是價(jià)值的體現(xiàn)。