互聯(lián)網(wǎng)運維工作，以服務為中心，以穩(wěn)定、安全、高效為三個基本點，確保公司的互聯(lián)網(wǎng)業(yè)務能夠7×24小時為用戶提供高質量的服務。
運維人員對公司互聯(lián)網(wǎng)業(yè)務所依賴的基礎設施、基礎服務、線上業(yè)務進行穩(wěn)定性加強，進行日常巡檢發(fā)現(xiàn)服務可能存在的隱患，對整體架構進行優(yōu)化以屏蔽常見的運行故障，多數(shù)據(jù)中接入提高業(yè)務的容災能力。
運維人員需要保障公司提供的互聯(lián)網(wǎng)業(yè)運行在安全、可控的狀態(tài)下，確保公司業(yè)務數(shù)據(jù)和用戶隱私數(shù)據(jù)的安全，同時還需要具備抵御各種惡意攻擊的能力。
同時，還需要通過各種工具平臺提升內部產(chǎn)品發(fā)布交付的效率，提升公司內運維相關的工作效率。
運維工作分類
運維的工作方向比較多，隨著業(yè)務規(guī)模的不斷發(fā)展，越成熟的互聯(lián)網(wǎng)公司，運維崗位會劃分得越細。
當前很多大型的互聯(lián)網(wǎng)公司，在初創(chuàng)時期只有系統(tǒng)運維，隨著服務規(guī)模、服務質量的要求，也逐漸進行了工作細分。
一般情況下運維團隊的工作分類和職責如下。
系統(tǒng)運維
系統(tǒng)運維負責IDC、網(wǎng)絡、CDN和基礎服務的建設（LVS、NTP、DNS）；負責資產(chǎn)管理，服務器選型、交付和維修。詳細的工作職責如下。
1.IDC數(shù)據(jù)中心建設
收集業(yè)務需求，預估未來數(shù)據(jù)中心的發(fā)展規(guī)模，從骨干網(wǎng)的分布，數(shù)據(jù)中心建筑，以及Internet接入、網(wǎng)絡攻擊防御能力、擴容能力、空間預留、外接專線能力、現(xiàn)場服務支撐能力等方面評估選型數(shù)據(jù)中心。負責數(shù)據(jù)中心的建設、現(xiàn)場維護工作。
2.網(wǎng)絡建設
設計及規(guī)劃生產(chǎn)網(wǎng)絡架構，這里面包括：數(shù)據(jù)中心網(wǎng)絡架構、傳輸網(wǎng)架構、CDN網(wǎng)絡架構等，以及網(wǎng)絡調優(yōu)等日常運維工作。
3.LVS負載均衡和SNAT建設
LVS是整個站點架構中的流量入口，根據(jù)網(wǎng)絡規(guī)模和業(yè)務需求，構建負載均衡集群。完成網(wǎng)絡與業(yè)務服務器的銜接，提供高性能、高可用的負載調度能力，以及統(tǒng)一的網(wǎng)絡層防攻擊能力。SNAT.集中提供數(shù)據(jù)中心的公網(wǎng)訪問服務，通過集群化部署，保證出網(wǎng)服務的高性能與高可用。
4.CDN規(guī)劃和建設
CDN工作劃分為第三方和自建兩部分。建立第三方CDN的選型和調度控制；根據(jù)業(yè)務發(fā)展趨勢，規(guī)劃CDN新節(jié)點建設布局；完善CDN業(yè)務及監(jiān)控，保障CDN系統(tǒng)穩(wěn)定、高效運行。分析業(yè)務加速頻道的文件特性和數(shù)量，制定最優(yōu)的加速策略和資源匹配；負責用戶劫持等CDN日常故障排查工作。
5.服務器選型、交付和維護
負責服務器的測試選型，包含服務器整機、部件的基礎性測試和業(yè)務測試，降低整機功率，提升機架部署密度等。
結合對公司業(yè)務的了解，推廣新硬件、新方案減少業(yè)務的服務器投入規(guī)模。負責服務器硬件故障的診斷定位，服務器硬件監(jiān)控、健康檢查工具的開發(fā)和維護。
6.OS、內核選型和OS相關維護工作
負責整體平臺的OS選型、定制和內核優(yōu)化，以及Patch的更新和內部版本發(fā)布；建立基礎的YUM包管理和分發(fā)中心，提供常用包版本庫；跟進日常各類OS相關故障；針對不同的業(yè)務類型，提供定向的優(yōu)化支持。
7.資產(chǎn)管理
記錄和管理運維相關的基礎物理信息，包括數(shù)據(jù)中心、網(wǎng)絡、機柜、服務器、ACL、IP等各種資源信息，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(shù)據(jù)支持。
8.基礎服務建設
業(yè)務對DNS、NTP、SYSLOG等基礎服務的依賴非常高，需要設計高可用架構避免單點，提供穩(wěn)定的基礎服務。
應用運維
應用運維負責線上服務的變更、服務狀態(tài)監(jiān)控、服務容災和數(shù)據(jù)備份等工作，對服務進行例行排查、故障應急處理等工作。詳細的工作職責如下所述。
1.設計評審
在產(chǎn)品研發(fā)階段，參與產(chǎn)品設計評審，從運維的角度提出評審意見，使服務滿足運維準入的高可用要求。
2.服務管理
負責制定線上業(yè)務升級變更及回滾方案，并進行變更實施。掌握所負責的服務及服務間關聯(lián)關系、服務依賴的各種資源。能夠發(fā)現(xiàn)服務上的缺陷，及時通報并推進解決。制定服務穩(wěn)定性指標及準入標準，同時不斷完善和優(yōu)化程序和系統(tǒng)的功能、效率，提高運行質量。完善監(jiān)控內容，提高報警準確度。在線上服務出現(xiàn)故障時，第一時間響應，對已知線上故障能按流程進行通報并按預案執(zhí)行，未知故障組織相關人員聯(lián)合排障。
3.資源管理
對各服務的服務器資產(chǎn)進行管理，梳理服務器資源狀況、數(shù)據(jù)中心分布情況、網(wǎng)絡專線及帶寬情況，能夠合理使用服務器資源，根據(jù)不同服務的需求，分配不同配置的服務器，確保服務器資源的充分利用。
4.例行檢查
制定服務例行排查點，并不斷完善。根據(jù)制定的服務排查點，對服務進行定期檢查。對排查過程中發(fā)現(xiàn)的問題，及時進行追查，排除可能存在的隱患。
5.預案管理
確定服務所需的各項監(jiān)控、系統(tǒng)指標的閾值或臨界點，以及出現(xiàn)該情況后的處理預案。建立和更新服務預案文檔，并根據(jù)日常故障情況不斷補充完善，提高預案完備性。能夠制定和評審各類預案，周期性進行預案演練，確保預案的可執(zhí)行性。
6.數(shù)據(jù)備份
制定數(shù)據(jù)備份策略，按規(guī)范進行數(shù)據(jù)備份工作。保證數(shù)據(jù)備份的可用性和完整性，定期開展數(shù)據(jù)恢復性測試。
數(shù)據(jù)庫運維
數(shù)據(jù)庫運維負責數(shù)據(jù)存儲方案設計、數(shù)據(jù)庫表設計、索引設計和SQL優(yōu)化，對數(shù)據(jù)庫進行變更、監(jiān)控、備份、高可用設計等工作。詳細的工作職責如下所述。
1.設計評審
在產(chǎn)品研發(fā)初始階段，參與設計方案評審，從DBA的角度提出數(shù)據(jù)存儲方案、庫表設計方案、SQL開發(fā)標準、索引設計方案等，使服務滿足數(shù)據(jù)庫使用的高可用、高性能要求。
2.容量規(guī)劃
掌握所負責服務的數(shù)據(jù)庫的容量上限，清楚地了解當前瓶頸點，當服務還未到達容量上限時，及時進行優(yōu)化、分拆或者擴容。
3.數(shù)據(jù)備份與災備
制定數(shù)據(jù)備份與災備策略，定期完成數(shù)據(jù)恢復性測試，保證數(shù)據(jù)備份的可用性和完整性。
4.數(shù)據(jù)庫監(jiān)控
完善數(shù)據(jù)庫存活和性能監(jiān)控，及時了解數(shù)據(jù)庫運行狀態(tài)及故障。數(shù)據(jù)庫安全建設數(shù)據(jù)庫賬號體系，嚴格控制賬號權限與開放范圍，降低誤操作和數(shù)據(jù)泄露的風險；加強離線備份數(shù)據(jù)的管理，降低數(shù)據(jù)泄露的風險。
5.數(shù)據(jù)庫高可用和性能優(yōu)化
對數(shù)據(jù)庫單點風險和故障設計相應的切換方案，降低故障對數(shù)據(jù)庫服務的影響；不斷對數(shù)據(jù)庫整體性能進行優(yōu)化，包括新存儲方案引進、硬件優(yōu)化、文件系統(tǒng)優(yōu)化、數(shù)據(jù)庫優(yōu)化、SQL優(yōu)化等，在保障成本不增加或者少量增加的情況下，數(shù)據(jù)庫可以支撐更多的業(yè)務請求。
6.自動化系統(tǒng)建設
設計開發(fā)數(shù)據(jù)庫自動化運維系統(tǒng)，包括數(shù)據(jù)庫部署、自動擴容、分庫分表、權限管理、備份恢復、SQL審核和上線、故障切換等功能。
7.運維研發(fā)
運維研發(fā)負責通用的運維平臺設計和研發(fā)工作，如：資產(chǎn)管理、監(jiān)控系統(tǒng)、運維平臺、數(shù)據(jù)權限管理系統(tǒng)等。提供各種API供運維或研發(fā)人員使用，封裝更高層的自動化運維系統(tǒng)。詳細的工作職責如下所述。
8.運維平臺
記錄和管理服務及其關聯(lián)關系，協(xié)助運維人員自動化、流程化地完成日常運維操作，包括機器管理、重啟、改名、初始化、域名管理、流量切換和故障預案實施等。
9.監(jiān)控系統(tǒng)
負責監(jiān)控系統(tǒng)的設計、開發(fā)工作，完成公司服務器和各種網(wǎng)絡設備的資源指標、線上業(yè)務運行指標的收集、告警、存儲、分析、展示和數(shù)據(jù)挖掘等工作，持續(xù)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化調配。
10.自動化部署系統(tǒng)
參與部署自動化系統(tǒng)的開發(fā)，負責自動化部署系統(tǒng)所需要的基礎數(shù)據(jù)和信息，負責權限管理、API開發(fā)、Web端開發(fā)。結合云計算，研發(fā)和提供PaaS相關高可用平臺，進一步提高服務的部署速度和用戶體驗，提升資源利用率。
運維安全
運維安全負責網(wǎng)絡、系統(tǒng)和業(yè)務等方面的安全加固工作，進行常規(guī)的安全掃描、滲透測試，進行安全工具和系統(tǒng)研發(fā)以及安全事件應急處理。詳細的工作職責如下所述。
1.安全制度建立
根據(jù)公司內部的具體流程，制定切實可行，且行之有效的安全制度。
2.安全培訓
定期向員工提供具有針對性的安全培訓和考核，在全公司內建立安全負責人制度。
3.風險評估
通過黑白盒測試和檢查機制，定期產(chǎn)生對物理網(wǎng)絡、服務器、業(yè)務應用、用戶數(shù)據(jù)等方面的總體風險評估結果。
4.安全建設
根據(jù)風險評估結果，加固最薄弱的環(huán)節(jié)，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(yè)務產(chǎn)品安全咨詢等。為了降低可能泄露數(shù)據(jù)的價值，通過加密、匿名化、混淆數(shù)據(jù)，乃至定期刪除等技術手段和流程來達到目的。
5.安全合規(guī)
為了滿足例如支付牌照等合規(guī)性要求，安全團隊承擔著安全合規(guī)的對外接口人工作。
6.應急響應
建立安全報警系統(tǒng)，通過安全中心收集第三方發(fā)現(xiàn)的安全問題，組織各部門對已經(jīng)發(fā)現(xiàn)的安全問題進行修復、影響面評估、事后安全原因追查。
運維工作發(fā)展過程
我們將運維發(fā)展過程劃分為4個階段：
在整個運維的發(fā)展過程中，希望所有的工作都自動化起來，減少人的重復工作，降低知識傳遞的成本，使我們的運維交付更高效、更安全，使產(chǎn)品運行更穩(wěn)定。對于故障的處理，也希望由事后處理變成提前發(fā)現(xiàn)，由人工處理變成系統(tǒng)自動容災。
