转载

云上运维，更有价值的工作方式

讲师介绍

邓伟先生，云计算工程师，4年运维经验，维护超200台服务器，每月产生PB级流量，擅长云平台高可用架构设计、大数据内容分发，公司云计算带头人，与AWS、腾讯云、阿里云深度合作。

大家好，我叫邓伟，一直从事运维工作，今天和大家分享一下我的运维经验。记得我接手第一台服务器的时候，连linux基本命令都不会，通过百度现学现卖，装个mysql用了两天一夜。从1台服务器到200台服务器经过了什么样的阶段？从传统IDC到云服务，我们运维人需要经历什么，以后我们的工作方向是什么？

云平台的最佳实践

首先来介绍一下云上运维，关于运维我有两个原则：

一个是安全：任何服务默认关闭，默认不通过；

二个是效率：不做重复的事情，用技术实现创造。那么怎样做云上运维呢？

大家对阿里云、腾讯云这些公有云平台应该都不陌生，使用非常简单，购买一台ECS实例和一个RDS数据库就OK了。但是这不是我们想要的，这样随便找个人都可以做。

我打个比方，以前大家买笔记本电脑。都在说CPU要什么，显卡要什么，配置大家都可以做，但是工艺不是谁都可以做。曾经我遇到一个头痛的问题，当时服务器只有50台，但是需要管理配置、账户、服务、项目、IDC。。。。这个时候，我们想到开发CMDB，也就是一套运维管理系统，后来我们确实也开发出来了，但是已经被我弃用了，因为你用50%精力去做不擅长的事情，怎么可能有100%专业做的好呢？

云平台很好的帮我们解决了这个问题，需要的就是我们怎么来“巧用”。

当然，我们是基于云来创造，而不是依赖云，不是用了云就可以喝喝咖啡，看看日志。有个同事曾经问我，阿里云、腾讯云、各种云出现以后我们运维干什么，本来是运维干的事他们全干了。我是这样回答的：要么你去建设这些云的基础设施，要么你做运维开发，再或者基于云来创造价值。我选择的是后者。

这里我给大家分享一张架构图

这套架构是基于云来构建的AWS上的最佳实践，也是我们正在用的。AWS是云计算的鼻祖，累计了非常多的服务和技术。我们最常见的架构就是：服务器+数据库，服务器我们可以做负载均衡、WEB服务器的性能优化。

在AWS上用的最多的就是 EC2、ELB、S3、RDS、CDN，EC2就是一台实例，可以想象成一台服务器，可以作为Web入口。既然是入口，那就必须要考虑一个因素，就是安全。AWS的安全在我看来是所有云做得最微妙的。

首先，不管你是EC2、RDS通通不能访问，创建好一台实例，账户都不会告诉你，给你个秘钥，账户自己猜吧。当然我是问了他们的技术支持才知道账户是什么，而且这个秘钥你要是弄丢了，那对不起了，AWS不会帮你找回也无法帮你找回，就算你的业务受到多大影响，要么自己找，要么只有重置实例了。

再一个，是网络。说到安全，不得不说网络，现在基本上都用安全组了，类似系统防火墙但比防火墙更安全的玩意。还有就是漏洞，云平台提供了漏洞检测，但是不会帮你查杀，按他们的说法是，这是你的东西，我只告诉你这东西不安全，我提供的是平台，如果你是做杀毒软件的，我给你把病毒样本自动删除了，那不就是把你自己的文件给删除了吗？这就是AWS的安全逻辑，至少比国内某云前段时间自动删除用户文件的安全逻辑靠谱吧？！所以，对我们来说，放在云上更安全！

还有更强大的是，如果你要一次性配置1000台服务器，只需要写一个模板，AWS可以帮你在全球你想要的任意节点进行部署，这里500台，那里300台，都可以。AWS是一个整合平台，可以帮你免服务启动程序，就是把你的程序上传，不需要EC2，不需要java环境，直接执行，你可以做监控自愈、自动处理，也就是我们说的自动化运维。

大众点评自己做了个系统，研发提交代码，一人审核之后，代码就上线了。如果你每天都在自己做部署，那还有时间研究新技术吗？这些AWS都可以实现，让我们的业务轻松的跑起来。

云上运维

如果业务出现问题怎么办，或者说出现问题我们不知道怎么办？

我第一次被老板批就是因为监控，当时我们做了很多下载节点，电信5台、联通5台，联通有1台服务器宕机了一个月我都不知道，因为用来做下载，服务很简单，没事也不会上去看。因为只是对服务略有影响，所以当时也没有重视，一直在开发那边查问题，最后才发现这台机器在1个月里都是挂着的，然后我们就开始做监控方案。

那时候想的是自己搭建，反正开源的很多，但是试了一圈却有一点达不到要求，我做下载节点得看看各地的访问情况，不可能每个城市部署一台服务器来监控呀。我们最后选择了当时最前卫的云监控——监控宝，只要把每台服务器的下载地址填入监控宝就可以了。

这是第一步网站监控，我们不但要监控到出问题，还要自己恢复服务。

首先，你得监控这些服务，比如 tomcat／nginx／apache，不是监控服务有没有运行而是要监控他的数据，比如吞吐量，一个周期内的吞吐量，用户量多少的时候吞吐是多少。以前我们很被动，运营经常找麻烦说数据下降，现在不用了，我只要看看吞吐量发现今天下降了，马上叫运营来问怎么回事。运维要拿到主动权，有了这些数据就可以做分析，性能瓶颈也可以让运维提前感知。

云上运维，更有价值的工作方式大家都认为运维是背锅的，所以监控是运维必备的利器，让我们从网络层到物理层及时发现问题，化被动为主动。监控宝可以帮我们检测外部节点的访问情况，服务的性能参数，对业务有很大保障。

目前很多内容云平台是没有监控的，不是做不到，而是要私有化，所以我们依然要有自己的监控，只是不要那么复杂。服务器本身的管理还是需要我们自己做的，比如用户的监控：

云上运维，更有价值的工作方式

用户行为的监控必须要有，这是我们用脚本编写实现的。 80%的工作交给别人，20%交给自己，这样我们就有80%的时间去云端创造。

我们未来的工作就是利用云来找到与业务的契合点，来配合业务实现。现在阿里云 AWS都提供的认证，因此云不仅是一个产品，而是一个生态，只有我们深入之后，才会用好。

“小步快跑”的运维方式

云服务有个特色，没一个云服务或者产品都有他的优点和缺点，如果你是牛人就可以去平衡。例如AWS的S3是存储，CDN是分发，两者搭配使用，可以发挥各自的优势。

给大家推荐一个高可用架构：ELB负载均衡／EC2实例／RDS数据库（ redshift数据查询）／S3存储／CDN内容分发／自定义监控，这是一个框架，里面每项内容都非常多。再给大家一些福利，让大家可以实践。AWS一年的云服务是免费使用，监控宝有免费套餐（包括了我上面架构的所有内容），这里面肯定会遇到一些问题（比如我说的EC2账户都不会告诉你），这个过程很好玩，可以学到很多新思维，通过学习我们可以站在云上做创造的事情。

分享一个细节，是我深有体会，也是腾讯提出来的“小步快跑”。不要觉得现在去做这些事情没有时间，这样你会一直没有时间。我们需要集中一段时间来实现我们的短期目标，这个目标生效后，我们才会有更多的时间做更多的事情。像上面列举的服务，一个EC2文档白皮书光看都得一天时间。

以前我们做运维系统用了一年半年，然后效率还是没有提升，工程师还是在每天部署，系统也做的很慢。现在的思维，我们先用云上的，研究一个星期一个月，好了，可以用了，大家都轻松了，自然时间也出来了，总不能再干重启，换硬盘这些事情吧。

我的分享就是这样了，有任何问题都可以找我，不能解决的我们可以一起解决，共同成长。

Q：您刚才提到很多东西云平台不是做不到，而是要私有化，是什么意思？

A：私有化是这样的。比如你有自己的系统，比较敏感，放在云上会有所顾虑，像AWS和阿里都提供了私有云方案。包括子网的控制，甚至可以接入你的运维系统，只要你信得过自己的运维系统就可以接入，AWS就只认你这个系统过来的认证信息。也就是说你可以用自己的系统操作自己在云上的资源，还有一种就是数据比较敏感，那就可以用子网，公网没办法进来。大家可以研究下云上的VPC。

Q：可是放在公有云平台怎么保证数据安全呢？

A：如果你放在传统IDC就放心吗，传统IDC是可以下架搬走你的服务器的。要么自建机房，要么用云。现在的云对数据都是有备份的，如果你是怕泄露就用存储桶，AWS叫S3，阿里叫OSS，S3可以把你的数据封存，并且有权限控制，封存到你自己都看不到。现在阿里好像还做不到。所以不是用云就可以，很多东西还需要研究，如果系统就部署在云上，比如分布式，出了问题要怎么看，都是需要云端运维人员去解决的。

Q：我怎么知道问题出在哪台机器上呢？

A：首先你得有监控，每台机器都需要监控。然后就是直接看每台机器的基本性能，监控宝就可以抓取你的服务基本信息和性能。分布式系统可以做轮询，比如有一台挂了，业务就不走那台服务器了。还有个东西叫域名智能解析，接口用域名来链接，谁挂了，域名就不走过去了。

点击阅读原文，体验更多监控技能。

云上运维，更有价值的工作方式