Awesome
ops_doc
文档制作: 雪松
更新日期: 2016-04-28
本文档手册希望可以达到通俗易懂，方便运维人员使用，错误在所难免，还望指正！
github更新下载地址: https://github.com/liquanzhou/ops_doc
请勿删除信息，转载请说明出处，抵制不道德行为
一.总是听到有说:
1.运维累，背锅，薪资低?
运维没做好，没有核心技能，肯定是累且背锅，薪资涨不上去。各行各业皆是如此，最底层都是一滩烂泥，不仅仅是运维行业。小事(运维处理个磁盘，处理个内存报警)其实就能体现出来能力. 太多运维都是处理表面问题，根本不去真正了解需求，也不去思考解决办法，不用心去把事情做漂亮，成长也基本止步，指望这类人去搞点创新，解决点难题，基本不可能，反过来想这种人怎么可能高工资? 做任何行业都一样，重要的是思考: 怎么差异化，怎么脱颖而出，做出与众不同，怎么做到核心精英.
2.运维开发的自动化取代运维?
运维开发只是运维的一个技能分支，不需要神话运维开发。大多是培训招生鼓吹，运维开发淘汰运维。只做运维开发，不了解运维业务，做的系统平台怎么可能好用？ 不了解业务，平台实现无法统一标准，统一流程。
3.云平台取代运维?
云商资源是工具，业务问题是云商无法解决干预的，需要专业运维人员使用拼接。
4.人工智能取代运维?
人工智能类似GPT取代运维更是不可能，只会更好的帮助运维工作。高级运维要在架构能力，主导能力，灵活运用，解决各种复杂难题，并不是人工智能直接给出的建议就能解决。
二.做好本职工作:
坚持本心，切勿浮躁，避免被他人干扰。
不了解运维痛点，不解决业务难题，无论运维，SRE，运维开发都是做不好的。
干活前多统计，多准备，多思考规避问题，多考虑简化方案。干的时候先挑大块的标准化的方式搞
见过运维技术好，搭建各种服务效率，各种参数都知道，可唯独没有任何标准化思维，导致工作累，业务又频繁故障。
运维岗位比其他技术岗位更了解技术架构全链路，很多开发和架构解决不了的问题只能依靠运维。
做运维部门核心技术人员，核心技术能力才能让自己不可替代。不要区分运维和运维开发，两方面能力都重要。
三.针对运维岗位的一点经验看法:
做好技术，技术到了一定程度，多考虑业务。核心是用技术解决业务上的难题，想办法从根本原因解决问题。不能只解决表面问题。少一些花里胡哨的技术和流程。
多花心思考虑实用性，稳定性，运维可协同维护，开发的用户体验等。
多梳理业务，没什么解决不了的难题。
多主导业务，技术和能力才能提高质变。
监控(众多维度的展示和报警)和发布(打包，发布，服务注册，平滑上线，流量接入，自动扩容)是最核心重要的工作，需要反复打磨，简单好用，好协同。
工作标准要高，不能只搞表面，才能不被其他部门骂。
统一业务标准化: 环境一致，数据一致，流程一致。最后才是自动化的实现。
业务可观测: 故障第一时间可以报警，链路可追踪，监控图表可事后分析。减少无用信息，快捷有效。
业务稳定性: 稳定是核心标准，处理故障后，多分析原因始末，多和业务方和架构师探讨交流，积累架构经验。
四.针对k8s使用的一点经验看法:
好多公司运维部门都是积极使用k8s，但没有规划的使用又会引起好多不易维护的难点痛点:
1.缺少自动化，导致繁重的人肉维护大量yaml文件
如果可以，k8s内部的yaml尽量规避任何人肉改动，全部发布系统标准化生成(deployment，service，hpa，inrgess，vs等等全部统一与模板一致).规避复杂的7层路由策略在k8s中做.尽可能对外入口统一，k8s流量接入与deployment一一对应，就可以实现k8s内部全部标准化自动生成
2.无法统一注册中心，每组k8s有各自的etcd注册，两组k8s中服务互联就会有麻烦，开发可能更喜欢服务框架依赖的各自注册发现方式.导致流量接入混乱.流量平滑，维护复杂，多语言服务互联障碍.
这个情况，要看实际业务场景，多与开发架构师沟通方案，如何推动统一注册发现机制，让开发互调流量和运维的流量接入统一
五.新工作环境梳理工作思路:
1.优先解决棘手的业务稳定问题
2.多维度监控，确保第一时间发现问题，定位问题根因
3.多与架构交流，沟通稳定性解决方案
4.统一打包和发布，定好标准的全流程，拒绝开发各异的方式，但还能支持开发多种合理的需求，有足够的扩展能力
5.提升自动化工作范围
6.成本控制
7.精准报警，清理无用大量报警
8.清理无用5xx错误，程序error干扰
六.中小公司做到如下标准,就能解决大部分运维痛点:
运维标准:
1.服务全部标准化,统一打包和部署方式
2.监控图精准易用
3.监控报警灵敏,避免重复检查次数,触发即报警
4.报警维度健全
5.尽可能自动化
6.自动扩容(需要服务上下线平滑)
7.cdn和存储主备自动切换
8.跨境质量
开发标准:
1.程序日志级别可靠,通过error数量报警
2.程序状态码标准,通过5xx状态码报警
3.核心服务降级
架构标准:
1.统一健康检查接口
2.统一下线接口
3.全局服务统一注册,不区分语言和服务类型
4.注册有权重
5.调用方可根据5xx错误次数进行权重熔断
6.发布过程平滑,启动预热(可基于权重小流量)
7.服务调用打点,调用服务名,被调用服务名,uri,状态
8.日志规范可收集
9.链路跟踪,前后端串联
10.限流,应对雪崩场景
11.响应时间
12.mysql限制全局兜底limit
13.ABtest能力