互聯網運維工作以服務為中心，以穩定、安全、高效為三大基本點，確保公司互聯網業務7×24小時為用戶提供優質服務。

p>

運維人員加強公司互聯網業務所依賴的基礎設施、基礎服務、線上業務的穩定性，進行日常檢查，發現服務中可能存在的隱患，優化整體結構，屏蔽常見的操作故障，多數據訪問提升了業務的容災能力。

通過監控、日志分析等技術手段，及時發現并響應服務故障，減少服務中斷時間，使公司互聯網業務達到預期的可用性要求，持續穩定地為用戶提供服務。

在安全方面，運維人員需要關注業務運營所涉及的各個層面，確保用戶能夠安全、完整地訪問在線服務。

從網絡邊界劃分、ACL管理、流量分析、DDoS防御，到操作系統和開源軟件的漏洞掃描和修補，再到應用服務的XSS和SQL注入防護；

從安全流程梳理、代碼白盒黑盒掃描、權限審計、入侵檢測、業務風控等方面

運維人員需要保證公司提供的互聯網業務在安全可控的狀態下運行it運維，保證公司業務數據和用戶隱私數據的安全，同時需要具備抵御各種惡意攻擊的能力。

在保證業務穩定安全的前提下，還要保證業務的高效運作和公司內部的快速產出。運維工作需要對業務的各個方面進行優化。

例如，IO優化提升數據庫性能，圖片壓縮減少帶寬占用等。提供的互聯網服務以更少的資源投入，帶來最大的用戶價值和體驗。

同時，還需要通過各種工具平臺提高內部產品發布和交付的效率，提高公司內部與運維相關的工作效率。

工作分類運維

運維工作多方位。隨著業務規模的不斷發展，互聯網公司越成熟，運維崗位也會越細。

目前，很多大型互聯網公司在初期只進行系統運維，根據服務規模和服務質量的要求逐步細分工作。

運維團隊一般的工作分類（見圖1-1），職責如下。

系統運維

系統運維負責IDC、網絡、CDN和基礎服務（LVS、NTP、DNS）的建設；負責資產管理、服務器選擇、交付和維護。具體職責如下：

1.IDC數據中心建設

收集業務需求，預估未來數據中心的發展規模，從骨干網分布、數據中心樓宇、接入、網絡等方面評估選擇數據中心的攻擊防御能力、擴容能力、空間預留、對外專線能力、現場服務支持能力等。負責數據中心建設和現場維護。

2.網絡建設

設計和規劃生產網絡架構，包括：數據中心網絡架構、傳輸網絡架構、CDN網絡架構等，以及網絡調優等日常運維工作。

3.LVS負載均衡和SNAT構建

LVS是整個站點架構中的流量入口，根據網絡規模和業務需求搭建負載均衡集群。

完整的網絡和業務服務器的連接提供了高性能和高可用的負載調度能力，以及統一的網絡層攻擊防御能力。

SNAT 。在數據中心集中提供公網接入服務，通過集群部署，保證出站服務的高性能和高可用性。

4.CDN規劃建設

CDN工作分為第三方和自建。

建立第三方CDN的選擇和調度控制；根據業務發展趨勢規劃新CDN節點的建設和布局；完善CDN服務和監控，確保CDN系統穩定高效運行。

分析業務加速渠道的特點和文件數量，優化加速策略和資源匹配；負責用戶劫持等日常CDN排查工作。

5.服務器選擇、交付和維護

負責服務器的測試選型，包括整機及組件的基礎測試和業務測試，降低整機功耗，提高機架部署密度等。

結合對公司業務的了解，推動新硬件、新解決方案降低業務服務器投資規模。負責診斷和定位服務器硬件故障，開發和維護服務器硬件監控和健康檢查工具。

6.OS、內核選擇及OS相關維護工作

負責整個平臺的操作系統選擇、定制和內核優化，以及補丁更新和內部版本發布；建立基礎的 YUM 包管理和分發中心，提供通用的包倉庫；日常操作系統相關的故障；為不同業務類型提供針對性的優化支持。

7.資產管理

記錄和管理與運維相關的基本物理信息，包括數據中心、網絡、機柜、服務器、ACL、IP等資源信息，制定有效的流程，確保信息的準確性；開放API接口，為自動化運維提供數據支持。

8.基礎服務搭建

業務嚴重依賴DNS、NTP等基礎服務，需要設計高可用架構，避免單點，提供穩定的基礎服務。

應用運維

應用運維負責在線服務變更、服務狀態監控、服務容災和數據備份等，并定期檢查服務和處理故障突發事件。等待工作。具體工作職責如下。

1.設計評審

在產品開發階段，參與產品設計評審，從運維角度提出評審意見，使服務滿足運維接入的高可用性要求。

2.服務管理

負責制定線上業務升級變更和回滾計劃，并實施變更。掌握負責的服務，服務之間的關系，以及服務所依賴的各種資源。能夠發現服務缺陷、及時報告并推動解決。

制定服務穩定性指標和準入標準，同時不斷完善和優化程序和系統的功能和效率，提高運營質量。完善監控內容，提高報警準確率。

當在線服務出現故障時，立即響應，將已知在線故障按流程上報并按計劃執行，并組織相關人員共同排除未知故障。

3.資源管理

管理各項服務的服務器資產，梳理服務器資源狀況、數據中心分布、網絡專線和帶寬，合理使用服務器根據不同業務的需要it運維，分配不同配置的服務器，保證充分利用服務器資源。

4.例行檢查

制定并不斷改進日常服務檢查點。根據既定的服務檢查點對服務進行定期檢查。對檢查過程中發現的問題要及時追溯，排除可能存在的隱患。

5.計劃管理

確定服務所需的各種監控，系統指標的閾值或臨界點，情況發生后的處理方案。

建立和更新服務計劃文件，并根據日常故障情況不斷補充和改進，提高計劃的完整性。能夠制定和審核各類計劃，并定期進行計劃演練，確保計劃的可執行性。

6.數據備份

制定數據備份策略，按照規范進行數據備份。確保數據備份的可用性和完整性，并定期進行數據恢復測試。

數據庫運維

數據庫運維負責數據存儲方案設計、數據庫表設計、索引設計和SQL優化，以及數據庫的變更、監控、備份、高可用設計等。具體工作職責如下。

1.設計評審

在產品開發初期，參與設計評審，提出數據存儲方案、數據庫表設計方案、SQL開發標準、索引設計方案等，使服務滿足高可用、高數據庫使用的性能要求。

2.容量規劃

掌握負責服務的數據庫的容量限制，清楚了解當前的瓶頸點，在服務未達到容量限制、分拆或擴容時及時優化服務。

3.數據備份與容災

制定數據備份和災難恢復策略，并定期完成數據恢復測試，以確保數據備份的可用性和完整性。

4.數據庫監控

提高數據庫生存和性能監控，及時了解數據庫運行狀態和故障。

數據庫安全 建立數據庫賬號體系，嚴格控制賬號權限和開放范圍，降低誤操作和數據泄露風險；加強離線備份數據管理，降低數據泄露風險。

5.數據庫高可用和性能優化

針對數據庫單點風險和故障設計相應的切換方案，減少故障對數據庫服務的影響；性能優化，包括新存儲方案的引入、硬件優化、文件系統優化、數據庫優化、SQL優化等，數據庫可以在不增加保障成本或小幅增加的情況下支持更多的業務請求。

6.自動化系統搭建

設計開發數據庫自動化運維系統，包括數據庫部署、自動擴容、分庫分表、權限管理、備份與恢復、SQL審計與上線、故障轉移等功能。

7.運維研發

運維研發負責通用運維平臺的設計開發，如：資產管理、監控系統、運維平臺、數據權限管理系統等。提供運維的各種API維護或研發人員封裝更高級別的自動化運維系統。具體工作職責如下。

8.運維平臺

記錄和管理服務及其關聯關系，協助運維人員自動化處理日常運維操作，包括機器管理、重啟、重命名、初始化、管理域名、切換流量、實施故障預案等。

9.監控系統

負責監控系統的設計和開發，完成公司服務器和各種網絡設備的資源指標，在線業務運營指標的采集，告警，存儲，分析，展示和數據挖掘等，持續不斷提高告警的及時性、準確性和智能性，促進公司服務器資源的合理配置。

10.自動化部署系統

參與部署自動化系統的開發，負責自動化部署系統所需的基礎數據和信息，負責權限管理、API開發、Web端開發。結合云計算，我們開發并提供PaaS相關的高可用平臺，進一步提升服務部署速度和用戶體驗，提高資源利用率。

運維安全

運維安全負責網絡、系統和業務的安全加固，定期進行安全掃描、滲透測試、安全工具和系統開發以及安全事件應急處理。具體工作職責如下。

1.建立安全體系

根據公司具體內部流程，制定切實有效的安全制度。

2.安全培訓

定期對員工進行有針對性的安全培訓和考核，在全公司范圍內建立安全責任人制度。

3.風險評估

通過黑白盒測試檢查機制，定期生成物理網絡、服務器、業務應用、用戶數據的整體風險評估結果。

4.安全構造

根據風險評估結果，加強最薄弱環節，包括設計安全防線、部署安全設備、及時更新補丁、防御病毒、源代碼自動掃描和業務產品安全咨詢等?？赡苄孤兜臄祿膬r值，通過加密、匿名化、混淆甚至定期刪除等技術手段和流程達到目的。

5.安全合規性

為了滿足支付許可等合規要求，安全團隊負責安全合規的對外接口。

6.應急響應

建立安全報警系統，通過安全中心收集第三方發現的安全問題，組織各部門對發現的安全問題進行修復和影響當面評估和事后安全原因調查。

運維工作的發展歷程

早期運維團隊主要在人員稀少的情況下進行數據中心建設、基礎網絡建設、服務器采購和服務器安裝交付。 它很少涉及在線服務的更改、監控和管理。

此時，運維團隊更多地扮演著基礎設施的角色，提供簡單可用的網絡環境和系統環境。

隨著業務產品的逐漸成熟，對服務質量提出了更高的要求。此時運維團隊也會承擔一些服務器監控工作，同時也會負責LVS、Nginx等4/7層與業務邏輯無關的運維工作。

這時候服務變更更多的是手動操作，或者是一些簡單的批處理腳本。監控的重點更多是服務器狀態和資源使用情況，很少對服務應用狀態進行監控，更多的監控使用Cacti等各種開源系統。

由于業務規模和復雜性的不斷增加，運維團隊將逐漸分為應用運維和系統運維。應用運維開始接手線上業務，逐步開展服務監控整理、數據備份和服務變更等工作。

隨著服務的深入，應用運維工程師有能力開始對服務進行一些簡單的優化。同時，為了應對每天大量的服務變更，我們也開始編寫各種運維工具，可以方便地批量變更某些服務。

隨著業務規模的擴大，基礎設施因容量規劃不足或抗風險能力弱而出現的故障越來越多，迫使運維人員開始將更多的精力投入到多數據中心化的方向上災難恢復和計劃管理。

業務規模達到一定程度后，開源監控系統在性能和功能上已經不能滿足業務需求；過去大量的服務變更和復雜的服務關系不是通過人工記錄和工具變更來處理的。它在效率或準確性方面也無法滿足業務需求。

在安全方面，各種大大小小的事件也時有發生，迫使我們將更多的精力投入到安全防御中。運維團隊逐漸形成了上述5大類崗位，每個崗位都需要專門人才。

此時系統運維更側重于基礎設施建設和運維，提供穩定高效的網絡環境，將服務器等資源交付給應用運維工程師。應用運維更關注服務運行狀態和效率。

數據庫運維是對應用運維工作的精細化，更側重于數據庫領域的自動化、性能優化和安全防御。運維研發和運維安全提供各種平臺和工具，進一步提高運維工程師的工作效率，讓業務服務運行更加穩定、高效、安全。

我們將運維開發過程分為四個階段，如圖1-2所示。

圖1-2運維開發流程

人工管理階段：業務流量不大，服務器數量比較少，系統復雜度不高。對于日常的業務管理操作，大家更有可能一一登錄服務器進行手動操作。他們每個人都在以自己的方式戰斗。每個人都有自己的操作方法，缺乏必要的操作標準和流程機制。例如，業務目錄環境都是不同的。各種。

工具批量操作階段：隨著服務器規模和系統復雜度的增加，全手工操作模式已經不能滿足業務快速發展的需要。因此，運維人員逐漸開始使用批量操作工具，針對不同的操作類型出現了不同的腳本程序。

但每個團隊都有自己的工具，每次運營需求發生變化時都需要對其進行調整。這主要是由于環境和操作規范不足，導致可編程處理能力較弱。至此，雖然效率有了一定的提升，但很快又遇到了瓶頸。

操作的質量并沒有太大的提高，甚至可能由于批量執行而導致更大規模的問題。我們開始建立大量的流程規范，比如審核機制，先用服務器上線觀察10分鐘再繼續后續操作，升級完成后至少觀察20分鐘。

這些主要是由人監督和執行，但在實際過程中往往執行不到位，降低了工作效率。

平臺管理階段：這個階段對運維效率和誤操作率有更高的要求。我們決定著手搭建運維平臺，通過平臺承載標準和流程，從而解放人力，提高質量。

此時對服務的變更動作進行了抽象，對操作方式、服務目錄環境、服務操作方式等形成了統一的標準。比如程序的啟停接口必須包括start，停車、超載等。操作過程受平臺約束，如上述在線服務器觀察10分鐘。

在平臺中強制設置暫停檢查點。第一臺服務器運行完成后，運維人員需要填寫相應的檢查項，才能繼續進行后續的部署動作。

系統自調度階段：規模更大的服務數量，更復雜的服務關聯，各種運維平臺，原來將批量操作轉化為平臺操作的方式已經不適合。服務更改需要更高級別的抽象。

將每臺服務器抽象成一個容器，調度系統根據資源使用情況調度和部署服務到合適的服務器，并自動完成與周邊運維系統的聯動，如監控系統、日志系統、備份系統等.

通過自調度系統，可以根據業務運行動態擴展容量，自動處理常見業務故障。運維人員的工作也將推進到產品設計階段，協助研發人員改造服務，使其能夠接入自調度系統。

在整個運維的開發過程中，我們希望所有的工作都實現自動化，減少人的重復性工作，降低知識轉移的成本，讓我們的運維交付更高效，更安全，使產品運行更穩定。對于故障的處理，也希望后處理變成早期發現，人工處理變成系統自動容災。