做運維的那么多，快樂的能有幾個?
我們那么努力，為什么總感覺過得那么憋屈、苦悶?做的事情那么多，為什么業務部門、直接領導和公司貌似都那么不領情?怎么做才能自己更加開心些?
本專欄的主線實際是一個運維人員的十年成長史，從菜鳥到運維總監。但不是基礎技術教學，也不會在運維技術的某一方面過深涉及。更多的是應用技巧、實踐經驗及案例剖析。專欄中的系列文章，包含作者在運維各個細分領域的技術和個人成才的心得體會。因此也可以成為廣大運維朋友的工具書，伴隨大家從初級運維成長為高級技術型運維管理人才。
技術專欄就非得那么中規中矩么?咱這個專欄試圖以更輕松活潑的文字，徐徐道來，就當是個老朋友，輕松愉快中，希望能給大家帶來收獲和啟發。
前段時間有位IT大佬在網絡上發聲，我這么有錢，為什么不幸福?誠然，有錢是幸福的最重要條件之一，但有錢就一定幸福么?真的是充分必要條件?當然更悲催的是運維行當，技術好是被認可(幸福)的最重要條件，但技術再好，外部門不說咱們“壞話”，已經是很不錯的了。
1. 什么是高效運維
我們收集了一些來自外部門對運維的印(tou)象(su)，如下圖所示。其中，大家看是否也多少有自己的影子?
往往看自己都很美，但從外部門來看，槽點多到乃至無力吐槽。首先，做事情不專業，人為事故多(更多是低級的人為事故);很多時候，都是我們業務部門告訴運維，運維才知道發生故障了，而且故障解決時間過長;做個調試，老超出調試時間，超時也不說，是不是完成了也不知會一聲;部門內老玩踢皮球的游戲，做個需求，老讓我挨個找人;申請個服務器，老費勁了，扔我一個申請表，當自己是衙門呢?或者扔我一個技術文檔，我哪看得懂?
專業、熱情、方便、快，這是為根治上述各種疑難雜癥，經多年自我治療并綜合各方經驗，得出的高效運維七字訣。我們用一個簡單的公式來表示高效和專業的關系。專業是高效的基石，否則無從談起高效與否，而技術是專業的基石。但這恰恰也是運維技術人員的誤區所在，誤以為，技術比較強，就足夠了，并因此而忽視其他重要方面。
實際上，對外部門而言，運維是個黑盒子，是一個輸入輸出的關系：外部門提出需求，運維給出結果：完成、或未完成。本質上而言，外部門不關心(也無法關心)我們采用什么技術來實現的，只關心是否如期完成。
合理的流程規范，就像血液，能讓部門穩定而高效的運轉，大家都覺得開心，這也是專業與否的重要組成部分。但如果希望做到高效運維，良好的客戶界面、合適的方法技巧，也非常有必要。這就像網站的UI，給人感覺舒服了，后面很多事情也能輕松愉快、順理成章地進行。
2. 為什么難以做到高效運維
做不到高效運維，公司和業務部門不滿意，上級領導不滿意，自己也不滿意。原因很多，我們從管理者和員工角度分別來講。
● 糟糕的分工及連環反應
發生在中小公司的糟糕情況，往往從不明確的分工，開始悲劇之旅。有些游戲創業公司，剛開始時運維人員也就2、3個，基本每人都得會運維的各個工種，游戲運維、網站運維(Nginx/PHP等)、數據庫運維(MySQL等)、系統運維(Linux/Windows等)、服務器上架、故障報修、甚至做網線。
公司業務擴大很多后，如果運維組織結構不隨之而變，分工不明確，就會發現大家都在疲于奔命，什么都會的結果就是什么都不精。在運維技術如此龐雜的今天，就是把人活活的架在火上烤。這樣引發的是多米諾骨牌效應：分工不明確 —>職責不清楚 —>考核不量化—> 流程不合理—> 缺規范 、少文檔。
● 做vs說的困境
一般運維技術人員都不善于溝通(至少表面上，雖然大家都普遍有火熱的心，呵呵)。在微信、QQ大行其道的今天，這個問題變得更嚴重，而不是減輕。這也和工作性質有關，想想，一天到晚和服務器說話的時間，比和人說話時間都多。
另外，從人腦結構來看，做和說兩難全，也是合理的。控制計算、推理能力的是左腦，而表現力等由右腦控制。如果強行要求會做還會說，說不定會導致紊亂、崩潰甚至“腦裂”呢，呵呵(當然，這個問題也是有解決方法的)。
更嚴重的是，很多同學沒意識到自己的溝通表達是有問題的，說句話能把人嗆死，也不知道如何有效表達。這樣就談不上熱情了。
● 資源錯配
管理者和員工都可能存在資源錯配的問題。對管理者而言，包括人員錯配和時間錯配，員工主要是時間錯配。
管理者如果把錯誤的人安排在錯誤的崗位，那么注定是個錯誤。例如，某位同學喜歡鉆研技術，不喜表達，非得讓他作為和外部門的接口人，那自然費力不討好，大家都不開心。
管理者的時間錯配包括三種情況。
1)沉迷解決技術問題。這一般發生在剛從技術崗位提拔為管理者的時候，忘記自己是管理者了。解決復雜技術問題，能帶來愉悅感，否則就是挫折感。于是遇到技術問題時，非得死磕到底，然后一周過去了，而部門其他同學卻放羊一周。
2)一心撲在管理上。這又是一個極端了，忘記自己的技術身份。把自己變成一個項目經理，整天只關心時間節點，不關注技術人員的小情懷，不協助他們解決具體的技術問題。
3)沉迷單個業務模塊。這是另一個特例。一般發生在內部提拔時。例如某位同學，之前是DBA組的負責人，提拔為運維部經理后，還是習慣于抓其擅長的數據庫工作，這也是不應該的，否則就沒必要提拔了嘛。
員工的資源錯配主要體現在時間安排上。事情多了，分不清輕重緩急，沒有一個合理的排序原則、指導思想;混淆技術進步和工作要求(有時過分追求技術進步)，簡單的問題復雜化，降低客戶滿意度。
3. 如何做到高效運維
高效運維從來不是一個簡單的事情，需要多方面共同努力來實現，本文先擇其要點簡述之，以后專欄系列文章會有更多深入闡述。
● 明確分工/職責
美國著名管理學者史蒂芬·柯維在暢銷書《高效能人士的七個習慣》中提出了產出/產能平衡原則。想多產出，先得擴大產能。想金雞多下蛋，就不能殺雞取卵。那么對于高效運維而言，產能是什么呢?
包括三部分：1)框架，即合理的分工/職責/KPI，抱歉我提到了KPI，多么讓人如此愛恨交織的詞語;2)血液，即專業的流程/規范;3)界面，即良好的服務意識/技巧。這些投入足夠多，才會得到心儀的產出——高效運維。在貫徹實施這些一段時間后，外部門會詫異的感覺：喲，怎么運維變化這么大。雖然他們不知道原因，但我們可以微微一笑，呵呵。
具體到運維部門而言，我們的分工，區別于內網IT部。一個是服務外部客戶，一個是服務內部客戶，差別還是蠻大的。根據部門分工，拆解出各個小組的分工，再落實到每個員工頭上。有章法，大家也覺得舒心。
運維是支持部門，成本中心，難以產生利潤。所以其中重要的考核指標其實是客戶滿意度，請相關業務部門給運維同學打分，運維內部根據分工，也可以相互打分，這對應著外部滿意度和內部滿意度。KPI雖然令人不舒服，但總的來說，還是有存在的合理性。
● 技術的專業化
技術上的專業化運維，涉及面也很廣，下面僅列舉幾例。
1）優化監控系統
誰來監控監控系統?怎么保證比業務部門先發現問題?是否需要添加業務監控?URL監控是否返回狀態碼200即萬事大吉?是否需要文件監控?短信報警、郵件報警是否足夠?是否需要自動語音報警及垂直升級功能?
監控是門學問，是專業運維的入口。展開說可以很大篇幅，先拋磚引玉，提出這些問題。實際上，對于資深、聰明的運維同學，看到問題，就已經有了自己的答案。
2）減少人為事故
人為事故是運維最頭疼、最不專業的事情之一。例如網站運維中，如果每次更新都需要登錄服務器，svn update/git pull，難免會出差錯。所以可以用類似Jenkins的工具，實現Web更新，這樣，除非重大更新(包括數據庫更新)，否則都只需要點點鼠標即可。甚至，可以把網站更新外包回開發部門，這樣還能減少運維操作帶來的溝通成本、時間成本。
3）運維自動化
運維自動化是個大課題，網絡上的討論也很多。建議選擇合適自己的方式、方法。輕量級工具如ansible，無需在被管理服務器安裝客戶端程序，這在針對多臺服務器進行分發管理(特別是管理僅有臨時賬號權限的服務器時)，具有較大優勢。另一個吸引人的地方是，操作結果和操作日志集中存儲。
4）合理優化架構
近幾年國內優秀的開源軟件層出不窮，設計和優化架構，很多時候并不是非得自己從零起步來搞。例如Redis，以其高效、穩定，已成為緩存系統的最好選擇之一，但Redis單實例的支撐能力有限，目前Redis集群的實現，大多采用Twemproxy，但使用起來老感覺有些美中不足，那么，有沒有一個取而代之的產品?
Codis就是其一，Codis由豌豆莢開源，并廣泛用于其自身的業務系統。Codis剛好擊中Twemproxy兩大痛點(無法sharding，運維不友好)。Codis可以平滑的擴容/縮容，隨時增減Redis服務器;并提供友好的運維界面，不僅能看到Codis系統運行情況，還能進行數據遷移、主備切換等操作。
另外，Codis還提供工具，將依賴于Twemproxy的Redis集群，平滑的遷移至Codis(太酷了，那畫面太美，我簡直不忍看)。性能方面，經我們實測，在正常Value長度下，Codis的get/set性能，優于Twemproxy。
5）代碼持續部署
線上系統程序代碼可否自動打包、持續部署? 測試環境的新版本發布可否由開發人員自己來做，甚至自己來做測試? 這些無疑可以很大提升運維和開發效率。
Docker高可用集群，加上Jenkins發布，可以把這些需求變成現實。Centos 7的systemd用來底層支持Docker高可用，etcd實現了配置文件的集中存儲，而不是分散在各臺服務器的本地。fleet作為etcd和systemd之間的橋梁，并通過systemd來控制集群服務器。
Jenkins從svn服務器獲取到新代碼版本后，通過shell腳本，打包成image，放入Docker私有庫，從而被Docker集群服務器update并使用。
● 管理的專業化
管理上的專業化運維，甚至包括調試通報和故障通報，都很有說法。系統運行一段時間后趨于穩定，調試/更新就變成了故障的主要來源之一，怎么讓調試少出人為事故，順利如期的完成?這是個技術活。
1）運維345法則
故障通報是細究故障的不二法門，一次長時間的故障，往往有很多細節可以推敲，我們總結出運維345法則。3是指故障時長被分成三部分，4是指對應的四個故障時刻點，5是指在這個過程中我們可以做的五件事。這樣，我們就可以有的放矢地進行優化解決了。
2）不要讓流程吞噬責任
流程規范是很好，不可或缺，好處誰都曉得。只是，流程有時會成為擋箭牌，會讓人變得本位，不愿擔當，也不愿從事個人職責之外的事情。
這其實是錯誤的、短視的，“害人害己”的。如果真的出了一個非常嚴重的故障，個人就能“出污泥而不染”么?沒戲。如果是頂級故障，老板想的甚至是把整個運維部門端掉，皮之不存、毛將焉附?
● 良好的客戶界面
伸手不打笑臉人。合適的言語表達，可以大事化小、小事化了，反之亦然。只是對做技術的運維同學而言，這是很不容易的事情，甚至有人寧愿多加班，也不去和人溝通。但，工作的要求有時往往需要善于表達，其實也可以換個角度想，把良好的溝通當做一門技術來攻克，如何?
1）當面溝通
即時聊天工具如QQ、微信實際上是加劇了溝通成本。大家變得更加依賴與此，本來當面溝通或電話溝通，幾分鐘就能說明白的事情，來來去去幾十分鐘，更有甚者，還能吵起來，沒法愉快的玩耍了。根據國外一項調查，一次有效溝通中，詞句內容僅占據一小部分。
我們一般都會要求素未謀面的小伙伴，先當面聊一下。舉個真實的例子，有位同學之前和某位運營同學一直QQ、郵件溝通，某次實在說不清楚，于是面聊，發現對方居然是個美女，于是之后合作很愉快(雖然美中不足的是，該女士已有男友)。
2）來的都是客
做運維的，應該放下身段，不一定非得低三下氣地做事情，但至少意識得到位。運維的溝通中，也適應心理學的投射原理：越是覺得別人盛氣凌人、服務不到位，其實自己也往往是這樣的。
來的都是客。如果自己實在忙不開，響應慢。禮貌用語總是可以的嘛，不好意思，對不起，抱歉，謝謝。
4. 小結
絮絮叨叨說了這多，也不知大家看煩木有。運維很苦悶，讓苦悶的人變得更苦悶。但不管怎樣，也是一門技術。這年頭，有門手藝，雖然發達需良機，但至少生存無憂。話說回來，哪行都不容易。
本人做運維這么些年，結合各種失敗與成功、痛苦與苦痛的經驗，終于悟出高效運維的七字訣：專業、熱情、方便、快。不一定完全適合您，但終歸是多年的領悟，自成一個小體系，如各位盆友喜歡，以后逐一闡述，如能對大家有所裨益，幸莫大焉。
京公網安備 11010502049343號