如何成为一名合格的运维工程师

一、什么是大型网站运维
首先明确一下，全文所讲的”运维“是指：大型网站运维，与其它运维的区别还是蛮大的；然后我们再对大型网站与小型网站进行范围定义，此定义主要从运维复杂 性角度考虑，如网站规范、知名度、服务器量级、pv量等考虑，其它因素不是重点；因此，我们先定义服务器规模大于1000台，pv每天至少上亿（至少国内 排名前10），如sina、baidu、QQ，renrencom等等；其它小型网站可能没有真正意义上的运维工程师，这与网站规范不够和成本因素有关，更多的 是集合网络、系统、开发工作于一身的“复合性人才”，就如有些公司把一些合同采购都纳入了运维职责范围，还有如IDC网络规划也纳入运维职责。所以，非常 重要一定需要明白：运维对其它关联工种必须非常了解熟悉：网络、系统、系统开发、存储，安全,DB等；我在这里所讲的运维工程师就是指专职运维工程师。
我们再来说说一般产品的“出生”流程：
1、首先公司管理层给出指导思想，PM定位市场需求（或copy成熟应用）进行调研、分析、最终给出详细设计。
2、架构师根据产品设计的需求，如pv大小预估、服务器规模、应用架构等因素完成网络规划,架构设计等（基本上对网络变动不大，除非大项目）
3、开发工程师将设计code实现出来、测试工程师对应用进行测试。
4、好，到运维工程师出马了，首先明确一点不是说前三步就与运维工作无关了，恰恰相反，前三步与运维关系很大：应用的前期架构设计、软/硬件资源评估申请 采购、应用设计性能隐患及评估、IDC、服务性能\安全调优、服务器系统级优化（与特定应用有关）等都需运维全程参与，并主导整个应用上线项目；运维工程 师负责产品服务器上架准备工作，服务器系统安装、网络、IP、通用工具集安装。运维工程师还需要对上线的应用系统架构是否合理、是否具备可扩展性、及安全 隐患等因素负责，并负责最后将产品（程序）、网络、系统三者进行拼接并最优化的组合在一起，最终完成产品上线提供用户使用，并周而复使：需求->开 发（升级）->测试->上线（性能、安全问题等之前预估外的问题随之慢慢就全出来了）在这里提一点：网站开发模式与传统软件开发完全不一样， 网站一天开发上线1~5个升级版本是家常便饭，用户体验为王嘛，如果某个线上问题像M$ 需要1年解决，用户早跑光了；应用上线后，运维工作才刚开始，具体工作可能包括：升级版本上线工作、服务监控、应用状态统计、日常服务状态巡检、突发故障 处理、服务日常变更调整、集群管理、服务性能评估优化、数据库管理优化、随着应用PV增减进行应用架构的伸缩、安全、运维开发工作：
a 、尽量将日常机械性手工工作通过工具实现（如服务监控、应用状态统计、服务上线等等），提高效率。
b、解决现实中服务存在的问题，如高可靠性、可扩展性问题等。
c、大规模集群管理工具的开发，如1万台机器如何在1分钟内完成密码修改、或运行指定任务？2000台服务器如何快速安装 *** 作系统？各分布式IDC、存储集群中数PT级的数据如何快速的存储、共享、分析？等一系列挑战都需运维工程师的努力。
在此说明一下其它配合工种情况，在整个项目中，前端应用对于网络/系统工程师来说是黑匣子，同时开发工程师职责只是负责完成应用的功能性开发，并对应用本 身性能、安全性等应用本身负责，它不负责或关心网络/系统架构方面事宜，当然软/硬件采购人员等事业部其它同事也不会关心这些问题，各司其职，但项目的核 心是运维工程师~！所有其它部门的桥梁。
上面说了很多，我想大家应该对运维有一些概念了，在此打个比方吧，如果我们是一辆高速行驶在高速公路上的汽车，那运维工程师就是司机兼维修工，这个司机不 简单，有时需要在高速行驶过程中换轮胎、并根据道路情况换档位、当汽车速度越来越快，汽车本身不能满足高速度时对汽车性能调优或零件升级、高速行进中解决 汽车故障及性能问题、时刻关注前方安全问题，并先知先觉的采取规避手段。这就是运维工作~！
最后说一下运维工程师的职责：”确保线上稳定“，看似简单，但实属不容易，运维工程师必须在诸多不利因素中进行权衡：新产品模式对现有架构及技术的冲击、 产品高频度的升级带来的线上BUG隐患、运维自动化管理承度不高导致的人为失误、IT行业追求的高效率导致流程执行上的缺失、用户增涨带来的性能及架构上 的压力、IT行业宽松的技术管理文化、创新风险、互联网安全性问题等因素，都会是网站稳定的大敌，运维工程师必须把控好这最后一关，需具体高度的责任感、 原则性及协调能力，如果能做到各因素的最佳平衡，那就是一名优秀的运维工程师了。
另外在此聊点题外话，我在这里看到有很多人要sina、QQ、baidu,51com等聊自已的运维方面的经验，其实这对于它们有点免为其难：
a、各公司自已网络架构、规模、或多或少还算是公司的核心秘密，要保密，另外，对于大家所熟知的通用软件、架构，由于很多公司会根据自已实际业务需要，同 时因为原版性能、安全性、已知bug、功能等原因，进行过二次开发（如apache,php,mysql）， *** 作系统内核也会根据不同业务类型进行定制 的，如某些应用属于运算型、某些是高IO型、或大存储大内存型。根据这些特点进行内核优化定制，如sina就在memcache上进行过二次开发，搞出了 一个MemcacheDB，具体做得如何我们不谈，但开源了，是值得称赞的，国内公司对于开源基本上是索取，没有贡献；另外，服务器也不是大家所熟知的型 号，根据业务特点，大部份都是找DELL/HP/ibm进行过定制；另外，在分布式储存方面都有自已解决方案，要不就是使用现成开源hadoop等解决方 案，或自已开发。但90%都是借鉴google GFS的思想:分布式存储、计算、大表。
b、各公司业务方向不一样，会导致运维模式或方法都不一样，如51com和baidu运维肯定区别很大，因为他们业务模式决定了其架构、服务器量级、 IDC分布、网络结构、通用技术都会不一样，主打新闻门户的sina与主打sns的51com运维模式差异就非常大,甚至职责都不大一样；但有一点，通 用技术及大致架构上都大同小异，大家不要太神化，更多的公司只是玩垒积木的游戏罢了，没什么技术含量。
c、如上面所讲，目前大型网站运维还处于幼年时期理念和经验都比较零散，没有成熟的知识体系，可能具体什么是运维，大家都要先思索一番，或压根没想过，真 正讨论也只是运维工作的冰山一角，局限于具体技术细节，或某某著名网站大的框架，真正运维体系化东西没有，这也许是目前网上运维相关资料比较少的原故吧。 或者也是国内运维人员比较难招，比较牛的运维工程师比较少见的原因之一吧。
二、运维工作师需要什么样的技能及素质
做为一名运维工程师需要什么样的技能及素质呢，首先说说技能吧，如大家上面所看到，运维是一个集多IT工种技能与一身的岗位，对系统->网络 ->存储->协议->需求->开发->测试->安全等各环节都需要了解一些，但对于某些环节需熟悉甚至精通，如系统 (基本 *** 作系统的熟悉使用,nix,windows)、协议、系统开发(日常很重要的工作是自动运维化相关开发、大规模集群工具开发、管理）、通用 应用（如lvs、ha、web server、db、中间件、存储等）、网络,IDC拓朴架构；
技能方面总结以下几点：
1、开发能力，这点非常重要，因为运维工具都需要自已开发，开发语言：c/c++（必备其中之一）、perl、python、php（其中之一）、shell（awk,sed,expect…等），需要有过实际开发经验，否则工作会非常痛苦。
2、通用应用方面需要了解： *** 作系统（目前国内主要是linux、bsd）、webserver相关 (nginx,apahe,php,lig>你应该说对linux系统管理都没有问题，比如设置ftp或者防火墙等，还有linux命令要都会使用，最好还要会oracle数据库。因为现在要是用linux系统的~都是用oracle数据库。本人现在就是做linux运维的。希望对你有所帮助。

不知道你到底对这下面这句话怎么理解的：
“Linux一些常用命令都会，对各种应用服务源代码安装都熟悉，如：Apache、nginx、mysql、web+lvs、nagios、cacti、mail、iptables等部署与维护。”
说实话，熟悉以上的东西，待遇不可能低于10K。
这样吧，看看这几道题。
几个运维笔试题，感兴趣的可以讨论一下，没有答案。
1、给定一个nginx的日志accesslog，请输出实时的qps（request per second）。
2、现有一个100G大小的日志文件，由于时间因素，只允许读取一次，但需要分别将含有两个pattern的行输出到两个文件中，请给出方案。
3、发现某IP无法访问，请给出尽可能详细的诊断方案，定位可能存在的问题。（目标机器宕机、近机房端网络中断、骨干网问题、或者其他可能的问题。）
4、uptime命令的输出中有load average: 024, 030,
024，请(1)解释这里load的数值的含义；(2)说明该数值多大时表示系统负载很高；(3)当系统负载高时，如何找出是什么因素导致负载高的。
5、现在有一个大小约1g的源代码目录（如linux内核源码），需要从机器A上传输到机器B上。请给出两到三种方案，并陈述各方案的优劣。
6、现有一个目录，其中有一百万(数量级)个的小文件，请给出两到三种删除该目录的方法，并陈述各方案的优劣。

有那么多年的甲方运维工作经验，不妨可以关注智能运维厂商。在一个未来十年内前景看好的行业，借助过去经验的积累和自身的努力，前景光明。
是不是转做业务，要看个人的性格和能力所在。如果很爱跟人打交道，做业务不错；如果更喜欢技术，不浪费已有的经验才是上策。
一点浅显看法，供参考

工作强度低不低是看各个公司的，在A公司运维的强度非常高，基本都是晚上回去还要加班做一些事情，主要原因是人比较少；而B公司的运维强度和人均的负荷成正比，这个我虽然为B服务过（以前我在一家B的供应商呆过，去过B做过一段时间），但是现在B怎么样我不太清楚；2运维工程师工作的技术含量会不会低一些 所以压力小一些– 运维的工作性质主要还是维持运行的平稳和高效，工作主要有安装调试软硬件，根据不同开发项目配置服务器软件，监控等事情；相对开发来说更加偏向 *** 作系统或数据库（这是两个方向，一般是分开招人的）；而开发的偏向于开发软件和一些中间件，数据库和系统一般就由运维的人把关；我个人认为： aIT运维工程师发展的方向。DBA偏向软件，而OS管理员和network（比如cisco）管理员偏向软硬件结合，还有一种人就是纯粹玩硬件的（安装服务器硬件、机柜什么的）； c 相对开发，运维的经验学习成本是比较高的，就是说你不在一定的实用环境下是没法学会真本事的，而开发你坐在家里就可以摸索一个大概出来；而运维的知识更新的速度相对慢，10年前的DBA知识更新可能只有50%，而他本人会非常值钱，而2年前java的一些内容可能都没有发明出来；除非你在开发做到管理职位，否则纯技术开发学习更新的代价会非常高；反过来说：技术开发适合比较喜欢新鲜、喜欢创新的人，而运维适合循规蹈矩比较踏实的人；3在B,运维工程师的薪水只有开发的2/3左右你们公司也是一样吗 –我个人认为：公司给不同position的薪水肯定是和他预估这个职位重要性和工作强度成正比的，但和未来发展是否正比就不得而知了，这在B内部是有可比性的，至于A如何，我不太清楚，应该相差不大，毕竟A的运维已经是全球领先的，而且人数非常少；4IT运维工程师发展前景怎么样,会不会以后的发展空间比较小– 所谓IT运维工程师发展空间是要结合你个人的性格，资深DBA之类的人在地球上还是很稀缺的，我知道ebay china operating center的DBA有开宝马上班的，而且运维不是吃青春饭，越老越吃香，可以说是个平滑的上升直线，而开发如果你只是一个执行者和coder，恐怕就是一个开始猛涨后面猛跌的曲线，毕竟开发知识代谢成本太高，过了30就走下坡路； 推荐阅读◆外籍IT运维管理人员有何难处◆网络运维管理工程师四则故事解读◆系统运维工程师技能都应包含哪些◆优秀运维管理工程师成长手册 本文来自互联网，仅供参考

一、运维方法
技术层面：
随着信息技术的发展以及企业业务的不断扩张，运维人员所面临的系统架构越发的复杂，关联度越发紧密。对运维人员的要求也会越来越高，打造个个都是高手，对业务系统了如指掌。
1、需要运维人员快速转变观念，学会通过主动运维的方式应对复杂多变的 IT 问题，保证业务系统的稳定。
2、更多的站在客户的层面思考问题，解决问题。
3、使用集成的运维平台，在业务系统没有感知的情况下实现了业务的变更、升级。
运维文档层面：
一个好的系统或者项目，必定有很多的文档进行支撑。
1、系统建设前期，一定要做好系统的需求文档、设计文档、实施文档。在系统建设中要依据前期的文档进行实施和设计，并生成系统相关的问题总结文档和更新实施文档。
2、系统建设完成后，要基于系统的业务能力和使用对象编写 *** 作手册和运维手册等。
3、业务在交付一定要文档同行。否则系统上线后问题层出不穷，导致运维人员手忙脚乱，不知道从何下手处理，往往会让运维人员绕很多的弯路，错失良机。
4、文档归类保存：文档也分好多种，比如配置文档、实施文档、设计文档、系统规范性文档、项目管理文档等等。做到一式两份，运维部门一份，档案室一份。
5、要求运维人员一定要具备相应的文档编写能力和整理能力。同时一定要严格按照之前的文档进行实施，有问题要学会及时沟通，并把修正后的问题更新到文档中。
6、建立知识库：把运维过程中出现的问题及解决办法和思路，另外最重要的是运维事件的总结，记录在案。
运维流程层面：
1、建立运维流程。要求运维人员一定要基于一个既定的规则来干活。
2、通过流程确定事件责任。业务人员专注点与运维人员的专注点不同，责任也不同。
3、使用ITIL 了（即 IT 基础架构库(Information Technology Infrastructure Library，ITIL，信息技术基础架构库)。ITIL 为企业的 IT 服务管理实践提供了一个客观、严谨、可量化的标准和规范。
二、运维人员技术
正所谓工欲善其事，必先利其器。很多的企业都在强化以用户服务为中心，专业技术为驱动的理念，可见拥有过硬的技术是多么的重要。
1、运维人员必须掌握的技能：
运维对技术的要求是很高的，首先运维人员要对自己所负责的系统有较深的理解，全程参与系统的设计、实施与运维。一定要具备相关领域的技术积累，有较丰富的设计或者排错经验
同时运维人员具备以下软实力：如沟通能力、合作心态和文档编写能力。
2、运维人员一定要对现在的主流技术有一定的涉猎（云计算、边缘计算、大数据、AIOps、人工智能、深度学习等等），要与时俱进。
3、经常参与线上或者线下的相关讨论和交流学习。了解目前流行的 IT 技术，并学习它，思考如何将其用于企业的业务中，为企业创造价值，提升运维效率。所以具备主流技术的捕捉能力，也是运维人员的必修课之一。
三、运维现场监控层面
监控的目的就是防患于未然。通过监控，运维人员能够及时了解到企业网络的运行状态。
一旦出现安全隐患，可以及时预警或者是以其他方式通知运维人员，让运维监控人员有时间处理和解决，避免影响业务系统的正常使用，将一切问题的根源扼杀在摇篮当中。现在的监控工具可以在监控指标触发时，自动修复一些故障，但是它最多帮你做些简单的自动化任务，更高阶的自动化任务需要运维人员具备较深的脚本和系统知识。

---