工作內容編輯

在軟件產品的整個生命周期中運維工程師都需要適時地參與并發(fā)揮不同的作用，因此運維工程師的工作內容和方向非常多：

事件管理：目標是在服務出現(xiàn)異常時盡可能快速的恢復服務，從而保障服務的可用性；同時深入分析故障產生的原因，推動并修復服務存在的問題，同時設計并開發(fā)相關的預案以確保服務出現(xiàn)故障時可以高效的止損。在這方面主要工作內容有：

問題發(fā)現(xiàn)：設計并開發(fā)高效的監(jiān)控平臺和告警平臺，使用機器學習、大數(shù)據(jù)分析等方法對系統(tǒng)中的大量監(jiān)控數(shù)據(jù)進行匯總分析，以期在系統(tǒng)出現(xiàn)異常的時候可以快速的發(fā)現(xiàn)問題和判斷故障的影響。

問題處理：設計并開發(fā)高效的問題處理平臺和工具，在系統(tǒng)出現(xiàn)異常的時候可以快速/自動決策并觸發(fā)相關止損預案，快速恢復服務。

問題跟蹤：通過分析問題發(fā)生時系統(tǒng)的各種表現(xiàn)（日志、變更、監(jiān)控）確定問題發(fā)生的根本原因，制定并開發(fā)預案工具。

變更管理：以可控的方式，盡可能高效的完成產品功能的迭代的變更工作。在這方面主要工作內容有：

配置管理：通過配置管理平臺（自研、開源）管理服務涉及到的多個模塊、多個版本的關系以及配置的準確性。

發(fā)布管理：通過構建自動化的平臺確保每一次版本變更可以安全可控地發(fā)布到生產環(huán)境。

容量管理：在服務運行維護階段，為了確保服務架構部署的合理性同時掌握服務整體的冗余，需要不斷評估系統(tǒng)的承載能力，并不斷優(yōu)化之。在這方面主要工作內容有：

容量評估：通過技術手段模擬實際的用戶請求，測試整個系統(tǒng)所能承擔的最大吞吐；通過建立容量評估模型分析壓力測試過程中的數(shù)據(jù)以評估整個服務的容量。

容量優(yōu)化：基于容量評估數(shù)據(jù)，判斷系統(tǒng)的瓶頸并提供容量優(yōu)化的解決方案。比如通過調整系統(tǒng)參數(shù)、優(yōu)化服務部署架構等方法來高效的提升系統(tǒng)容量。

架構優(yōu)化：為了支持產品的不斷迭代，需要不斷的進行架構優(yōu)化調整。以確保整個產品能夠在功能不斷豐富和復雜的條件下，同時保持高可用性。

能力要求編輯

基礎技能：

精通shell/Python/Perl等1至2種編程語言

熟練掌握常用數(shù)據(jù)結構和算法，并能靈活運用

熟悉網(wǎng)絡基礎知識

深入理解Linux操作系統(tǒng)

加分技能：

熟悉開源的監(jiān)控平臺工具，比如：Ganglia、Nagios、Zabbix等

熟練掌握Shell腳本熟悉Awk、Sed等基礎工具

熟悉分布式計算或者存儲系統(tǒng)，比如Hadoop/Hbase/Storm等

熟悉機器學習原理能付諸實踐者更佳

熟悉TCP/IP、HTTP等網(wǎng)絡協(xié)議，精通socket網(wǎng)絡編程

軟素質要求編輯

強烈的責任心與主動性，對所負責工作有owner意識，并能自我驅動成長

能承擔較大工作壓力，有較強獨立分析、解決問題的能力

工作中需要膽大心細，具備探索創(chuàng)新精神