運(yùn)維人員對公司互聯(lián)網(wǎng)所依賴的基礎(chǔ)設(shè)施、基礎(chǔ)服務(wù)、線上業(yè)務(wù)進(jìn)行穩(wěn)定性加強(qiáng)，進(jìn)行日常巡檢發(fā)現(xiàn)服務(wù)可能存在的隱患，對整體架構(gòu)進(jìn)行優(yōu)化以屏蔽常見的運(yùn)行故障。多數(shù)據(jù)中心接入提高業(yè)務(wù)的容災(zāi)能力，通過監(jiān)控、日志分析等技術(shù)手段，及時發(fā)現(xiàn)和響應(yīng)服務(wù)故障，減少服務(wù)中斷的時間，使公司的互聯(lián)網(wǎng)業(yè)務(wù)符合預(yù)期的可用性要求，持續(xù)穩(wěn)定地為用戶提供服務(wù)。那么互聯(lián)網(wǎng)運(yùn)維都有哪些發(fā)展方向呢？你是否找到了自己的職業(yè)賽道？
一、系統(tǒng)運(yùn)維
負(fù)責(zé)IDC、網(wǎng)絡(luò)、CDN和基礎(chǔ)服務(wù)的建設(shè)（LVS、NTP、DNS）；負(fù)責(zé)資產(chǎn)管理、服務(wù)器選型、交付和維修。
IDC數(shù)據(jù)中心建設(shè)，收集業(yè)務(wù)需求，預(yù)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)中心的建筑、internet接入、網(wǎng)絡(luò)攻擊防御能力、擴(kuò)容能力、空間預(yù)留、外接專線能力、現(xiàn)場服務(wù)支撐能力等方面評估選型數(shù)據(jù)中心。負(fù)責(zé)數(shù)據(jù)中心的建設(shè)、現(xiàn)場維護(hù)工作。
網(wǎng)絡(luò)建設(shè)，設(shè)計(jì)及規(guī)劃生產(chǎn)網(wǎng)絡(luò)架構(gòu)，包括數(shù)據(jù)中心網(wǎng)絡(luò)架構(gòu)、傳輸網(wǎng)架構(gòu)、CDN網(wǎng)絡(luò)架構(gòu)等，以及網(wǎng)絡(luò)調(diào)優(yōu)等日常工作。
LVS負(fù)載均衡和SNAT建設(shè)，LVS是整個站點(diǎn)架構(gòu)中的流量入口，根據(jù)網(wǎng)絡(luò)規(guī)模和業(yè)務(wù)需求，構(gòu)建負(fù)載均衡集群，完成網(wǎng)絡(luò)與業(yè)務(wù)服務(wù)器的銜接，提供高性能、高可用的負(fù)載調(diào)度能力，以及統(tǒng)一的網(wǎng)絡(luò)層防攻擊能力；SNAT集中提供數(shù)據(jù)中心的公網(wǎng)訪問網(wǎng)絡(luò)，通過集群化部署，保證出網(wǎng)服務(wù)的高性能與高可用。
CDN規(guī)劃與建設(shè)，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(diào)度控制；根據(jù)業(yè)務(wù)發(fā)展趨勢，規(guī)劃CDN新節(jié)點(diǎn)建設(shè)布局；完善CDN業(yè)務(wù)及監(jiān)控，保障CDN系統(tǒng)穩(wěn)定、高效運(yùn)行；分析業(yè)務(wù)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(fù)責(zé)用戶劫持CDN日常故障排查工作。
服務(wù)器選型、交付和維護(hù)，負(fù)責(zé)服務(wù)器的測試選型，包括服務(wù)器整機(jī)、部件的基礎(chǔ)性測試和業(yè)務(wù)測試，降低整機(jī)功耗，提升機(jī)架部署密度等。結(jié)合對公司業(yè)務(wù)的了解，推廣新硬件、新方案減少業(yè)務(wù)的服務(wù)器投入規(guī)模。負(fù)責(zé)服務(wù)器硬件故障的診斷定位、服務(wù)器硬件監(jiān)控、健康檢查工具的開發(fā)和維護(hù)。
OS、內(nèi)核選型和OS相關(guān)維護(hù)工作，負(fù)責(zé)整體平臺的os選型、定制和內(nèi)核優(yōu)化，以及patch的更新和內(nèi)部版本發(fā)布；建立基礎(chǔ)的yum包管理和分發(fā)中心，提供常用包版本庫；跟進(jìn)日常各類os相關(guān)故障；針對不同的業(yè)務(wù)類型，提供定向的優(yōu)化支持。
資產(chǎn)管理，記錄和管理運(yùn)維相關(guān)的基礎(chǔ)物理信息，包括數(shù)據(jù)中心、網(wǎng)絡(luò)、機(jī)柜、服務(wù)器、ACL、IP等各種資源信息，制定有效的流程，確保信息的準(zhǔn)確性；開放API接口，為自動化運(yùn)維提供數(shù)據(jù)支持。
基礎(chǔ)服務(wù)建設(shè)，業(yè)務(wù)對DNS、NTP、Syslog等基礎(chǔ)服務(wù)的依賴非常高，需要設(shè)計(jì)高可用架構(gòu)避免單點(diǎn)，提供穩(wěn)定的基礎(chǔ)服務(wù)。
二、應(yīng)用運(yùn)維
負(fù)責(zé)線上服務(wù)的變更、服務(wù)狀態(tài)監(jiān)控、服務(wù)容災(zāi)和數(shù)據(jù)備份等工作，對服務(wù)進(jìn)行例行排查、故障應(yīng)急處理等工作。
設(shè)計(jì)評審，在產(chǎn)品研發(fā)階段，參與產(chǎn)品設(shè)計(jì)評審，從運(yùn)維的角度提出評審意見，使服務(wù)滿足運(yùn)維準(zhǔn)入的高可用要求。
服務(wù)管理，負(fù)責(zé)制定線上業(yè)務(wù)升級變更及回滾方案，并進(jìn)行變更實(shí)施。掌握所負(fù)責(zé)的服務(wù)及服務(wù)間關(guān)聯(lián)關(guān)系、服務(wù)依賴的各種資源。能發(fā)現(xiàn)服務(wù)上缺陷，及時通報并推進(jìn)解決。制定服務(wù)穩(wěn)定性指標(biāo)及準(zhǔn)入標(biāo)準(zhǔn)，同時不斷完善和優(yōu)化程序和系統(tǒng)的功能、效率，提高運(yùn)行質(zhì)量。完善監(jiān)控內(nèi)容，提供報警準(zhǔn)確度。在線上服務(wù)出現(xiàn)故障時，第一時間響應(yīng)，對已知線上故障能按流程進(jìn)行通報并按預(yù)案執(zhí)行，未知故障組織相關(guān)人員聯(lián)合排障。
資源管理，對各服務(wù)的服務(wù)器進(jìn)行資產(chǎn)管理，梳理服務(wù)器資源狀況、數(shù)據(jù)中心分布情況、網(wǎng)絡(luò)專線及帶寬情況，能夠合理使用服務(wù)器資源，根據(jù)不同服務(wù)要求，分配不同配置的服務(wù)器，確保服務(wù)器資源的充分利用。
例行檢查，制定服務(wù)例行排查點(diǎn)，并不斷完善。根據(jù)制定的服務(wù)排查點(diǎn)，對服務(wù)進(jìn)行定期檢查。對排查過程中發(fā)現(xiàn)的問題，及時進(jìn)行追查，排除可能存在的隱患。
預(yù)案管理，確定服務(wù)所需的各項(xiàng)監(jiān)控、系統(tǒng)指標(biāo)的閾值或臨界點(diǎn)，以及出現(xiàn)該情況后的處理預(yù)案。建立和更新服務(wù)預(yù)案文檔，并根據(jù)日常故障情況不斷補(bǔ)充完善，提高預(yù)案完備性。能制定和評審各類預(yù)案，周期性進(jìn)行預(yù)案演練，確保預(yù)案的可執(zhí)行性。
數(shù)據(jù)備份，指定數(shù)據(jù)備份策略，按規(guī)范進(jìn)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(fù)性測試。
三、數(shù)據(jù)庫運(yùn)維
負(fù)責(zé)數(shù)據(jù)庫存儲方案設(shè)計(jì)、數(shù)據(jù)庫表設(shè)計(jì)、索引設(shè)計(jì)和SQL優(yōu)化，對數(shù)據(jù)庫進(jìn)行變更、監(jiān)控、備份、高可用設(shè)計(jì)等工作。
設(shè)計(jì)評審，在產(chǎn)品研發(fā)初始階段，參與設(shè)計(jì)方案評審，從DBA角度提出數(shù)據(jù)庫存儲方案、庫表設(shè)計(jì)方案、SQL開發(fā)標(biāo)準(zhǔn)、索引設(shè)計(jì)方案等，使服務(wù)滿足數(shù)據(jù)庫使用的高可用、高性能的要求。
容量規(guī)劃，掌握所負(fù)責(zé)服務(wù)的數(shù)據(jù)庫的容量上限，清楚地了解當(dāng)前瓶頸點(diǎn)，當(dāng)服務(wù)還未達(dá)到容量上限時，及時進(jìn)行優(yōu)化、分拆或擴(kuò)容。
數(shù)據(jù)備份或?yàn)?zāi)備，制定數(shù)據(jù)備份與災(zāi)備策略，定期完成數(shù)據(jù)恢復(fù)性測試，保證數(shù)據(jù)備份的可用性和完整性。
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(yùn)行狀態(tài)及故障。
數(shù)據(jù)庫安全，建設(shè)數(shù)據(jù)庫賬號體系，嚴(yán)格控制賬號權(quán)限與開放范圍，降低誤操作和數(shù)據(jù)泄露的風(fēng)險；加強(qiáng)離線備份的數(shù)據(jù)管理，降低數(shù)據(jù)泄露風(fēng)險。
數(shù)據(jù)庫高可用和性能優(yōu)化，對數(shù)據(jù)庫單點(diǎn)風(fēng)險和故障設(shè)計(jì)相應(yīng)的切換方案，降低故障對數(shù)據(jù)庫服務(wù)的影響；不斷對數(shù)據(jù)庫整體性能進(jìn)行優(yōu)化，包括新存儲方案引進(jìn)、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少量增加的情況下，數(shù)據(jù)庫可以支撐更多的業(yè)務(wù)請求。
自動化系統(tǒng)建設(shè)，設(shè)計(jì)開發(fā)數(shù)據(jù)庫自動化運(yùn)維系統(tǒng)，包括數(shù)據(jù)庫部署、自動擴(kuò)容、分庫分表、權(quán)限管理、備份恢復(fù)、SQL審核和上限、故障切換等功能。
四、運(yùn)維研發(fā)
負(fù)責(zé)通用的運(yùn)維平臺設(shè)計(jì)和研發(fā)工作，如資產(chǎn)管理、監(jiān)控系統(tǒng)、運(yùn)維平臺、數(shù)據(jù)權(quán)限管理系統(tǒng)等。提供各種API供運(yùn)維或研發(fā)人員使用，封裝更高層的自動化運(yùn)維系統(tǒng)。
運(yùn)維平臺，記錄和管理服務(wù)及其關(guān)聯(lián)關(guān)系，協(xié)助運(yùn)維人員自動化、流程化完成日常運(yùn)維操作，包括機(jī)器管理、重啟、改名、初始化、域名管理、流量切換和故障預(yù)案實(shí)施等。
監(jiān)控系統(tǒng)，負(fù)責(zé)監(jiān)控系統(tǒng)的設(shè)計(jì)、開發(fā)工作，完成公司服務(wù)器和各種網(wǎng)絡(luò)設(shè)備的資源指標(biāo)、線上業(yè)務(wù)運(yùn)行指標(biāo)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(zhǔn)確性和智能性，促進(jìn)公司服務(wù)器資源的合理化調(diào)配。
自動化部署系統(tǒng)，參與部署自動化系統(tǒng)的開發(fā)，負(fù)責(zé)自動化部署系統(tǒng)所需要的基礎(chǔ)數(shù)據(jù)和信息，負(fù)責(zé)權(quán)限管理、API開發(fā)、Web端開發(fā)。結(jié)合云計(jì)算、研發(fā)和提供PaaS相關(guān)高可用平臺，進(jìn)一步提高服務(wù)的部署速度和用戶體驗(yàn)，提升資源利用率。
五、運(yùn)維安全
負(fù)責(zé)網(wǎng)絡(luò)、系統(tǒng)和業(yè)務(wù)等方面的安全加固工作，進(jìn)行常規(guī)的安全掃描、滲透測試，進(jìn)行安全工具和系統(tǒng)研發(fā)以及安全事件應(yīng)急處理。
安全制度的建立，根據(jù)公司內(nèi)部的具體流程，制定切實(shí)可行，且行之有效的安全制度。
安全培訓(xùn)，定期向員工提供具有針對性的安全培訓(xùn)和考核，在全公司內(nèi)建立安全負(fù)責(zé)人制度。
風(fēng)險評估，通過黑白盒測試和檢查機(jī)制，定期產(chǎn)生對物理網(wǎng)絡(luò)、服務(wù)器、業(yè)務(wù)應(yīng)用、用戶數(shù)據(jù)等方面總體風(fēng)險評估結(jié)果。
安全建設(shè)，根據(jù)風(fēng)險評估結(jié)果，加固最薄弱的環(huán)節(jié)，包括設(shè)計(jì)安全防線、部署安全設(shè)備、及時更新補(bǔ)丁、防御病毒、源代碼自動掃描和業(yè)務(wù)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(shù)手段和流程達(dá)到目的。
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(tuán)隊(duì)承擔(dān)著安全合規(guī)的對外接口人工作。
應(yīng)急響應(yīng)，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(jìn)行修復(fù)、影響面評估、事后安全原因追查。
