《一个开发眼中的运维》要点：
本文介绍了一个开发眼中的运维，希望对您有用。如果有疑问，可以联系我们。
在云计算时代,开发和运维的结合变得越来越重要.前新浪SAE运维主管,郑志勇,分享了《一个开发眼中的运维》根据自己从开发人员转型运维之后的心得(注意：是开发转型到运维),谈如何把在开发上的运用抽象思维方式运用到运维领域.
1. 运维不是什么?
运维不是打杂的,运维不是客服,运维也不是服务开发的,但要做好合作.
2. 运维是什么?
运维服务于整个产品,保证架构合理,系统稳定.运维只对业务稳定负责,所有的工作都是奔着这个去的.
3. 你如何写程序,写程序的目的是什么?
程序是为了完成特定的功能.为了完成特定的功能,程序需要申请资源、使用资源、管理资源,功能完成后,还要释放资源.说到底,就是跟资源打交道,和资源打交道的工具是“编程语言”.
资源包括什么?内存、CPU、磁盘、网络、文件描述符、外部API、缓存、数据库等,编程语言是如何管理资源的、合理的算法/架构保证了资源的合理使用,malloc/free分配内存、connec、close使用网络等等.
4. 什么样的程序算好程序?
正确的程序算好程序.
1)逻辑正确,使用资源尽可能的少；
2)没有bug,没有把机器资源耗尽；
3)稳定性好,不会异常退出；
4)可用性高,有HA方案,不会因为一台机器(或一个进程)无法提供服务,而影响整个系统的服务；
5)没有单点是基本要求；
6)容易扩展,只需要简单的增加资源(CPU、内存、磁盘、机器等)就行,不需要太多人工迁数据、修改配置等；
7)容易维护,包括容易配置、容易部署、容易监控等.
5. 如何写出好程序?
1)什么样的程序不出错?代码少的程序错误少,逻辑简单的程序错误少,需要管理的资源少的程序错误少.要复用代码,减少代码的数量.
2)要抽象,分层,内聚,解藕,简化逻辑,隔离资源,才能简化逻辑,隔离资源,限制错误.
3)没有持久状态的程序好扩展,没有持久状态意味着上下线机器不需要迁移数据.没有状态的程序也很容易做HA方案.
4)配置简单,日志丰富,能提供程序状态查询的程序好运维.
5)但程序不可能没有数据,通过集中管理数据库,让数据尽量只读,预加载数据等手段隔离逻辑和数据,也能让扩展变的容易.
6. 系统是什么?
1)系统是我们运维的目标,不了解系统是什么,就不知道如何运维.
2)系统是网络,是机器,是程序.是把网络,机器,程序组织起来的架构.
3)机器角色应该是尽量单一的,架构应该是数据流简单的,基础业务服务化的.
4)系统是动态的,运维系统首先考虑的不是当下成本,而是系统变更(扩容,上下线机器)的成本.
5)运维必需是简单的,要考虑的一个新手,如何能尽快上手工作,而不是冗长的文档和复杂的培训.
7. 写程序和做运维是类似的,甚至一样的!程序提供单一功能,而运维搭建,维护的系统提供全部的功能,开发人员开发的程序只是整个系统的一个部分.
1)从某个角度说,开发人员做的事情越少,系统越容易稳定,因为开源的总是更靠谱.这是减少代码,也是复用.
2)但运维却理应比开发更不容易犯错,因为运维只需要管理资源,而不需要应对复杂的业务逻辑.
3)这是个矛盾,因为开发负责的复杂业务逻辑,是运维负责的系统的一部分,前者不稳定,后者也别想消停.
所以运维不懂开发,至少要懂如何控制复杂度,如何隔离故障,如何服务降级.出色的运维人员,只要精通一门语言,必然也是出色的开发(反之亦然).但什么是出色的运维呢?大部分运维人员,只是一个熟练的操作工人.出色的运维必然更了解系统(原理),这要读很多书,做很多思考,有很多实践.
只看这个cat bigfile.txt | parallel –pipe wc -l | awk “{s+=$1} END {print s}”你能不能想出parallel加速的原理是什么?
8. 你是否了解你运维的资源?
1)CPU高意味着什么?你是不是应该先问问是sys,user,iowait这三个的哪个高?是单个CPU高,还是整体都搞?
2)你是否了解有的程序CPU使用率90%就有问题了,而有的350%了还没问题?
3)load高意味着cpu高吗?内存耗尽导致load高的原理是什么?内存耗尽回导致io高吗?
9. 是否正确的监控了资源?
监控了磁盘使用率,是不是也监控了磁盘的io能力,raid卡呢?磁盘损坏呢?监控了网卡使用率,是不是也监控了丢包率?
10. 资源是否一定对应硬件?
1)CPU,内存,磁盘,带宽都有对应的硬件,那些没有硬件对应的资源呢?文件描述符,端口数,进程数是不是资源?
2)路由表,iptables,cron是不是资源?
3)MySQL主从,第三方REST接口是不是资源?
11. 为什么要尽量把一切抽象为资源?
还记得刚才说程序要讲抽象么,为什么linux一切皆文件?一切运维对象都抽象为资源后,就可以用尽量统一的方法来管理(配置,监控).
如果新上线一台机器无比容易,为什么还要费尽修复删除的/usr目录呢,把它当成新机器重做上线就行了.
12. 运维原则:
1)线上变更必需走配置管理.线上系统对任何人应该是只读的,只有配置管理程序有权写.这样保证了,变更是可重复的,可复制的.手工加路由,手工修改文件权限,手工配置ip,手工配置nfs,手工起虚拟机等等.一切在线上手工做的操作,于团队都是无益的,因为团队失去了一次改进配置管理的机会.任何操作不是想我就这一台机器,而是想我有1000台机器怎么办.
2)上线业务必需先问,如何保证HA,如何扩展,如何运维/监控.这三个问题不解决,谨慎上线,当然上线必需使用配置管理上线.
3)隔离复杂度,要简化,抽象.抽象指角色抽象.运维眼中没有计数用的mc,和缓存用的mc,运维眼中只有mc,于是所有的mc都来自mc池,mc池通过puppet配置,创建mc的过程编程了简单的puppet配置.一旦把自己管理的所有业务抽象/分拆为几种有限的“业务”,缓存、mysql、httpd等,一切就简单了.例如我们有缓存池、数据库池、redis池、httpd池.(参考:4、5)
4)先解决问题,然后是以后如何避免此类问题,后者更重要.
5)不犯第三次错误(重复的问题不出现第三次).第一次算不知道,第二次算不小心,第三次特么是故意的吧.如果每个问题都能彻底有效解决(最终落实到配置变更和监控),问题就会越来越少.
6)时刻思考如何“偷懒”,运维越清闲,系统越稳定.
13. 配置管理是如何管理资源的?
1)包,所有线上的软件/脚本都是通过(rpm)包管理的.
2)文件,所有的变更“持久化”都是通过文件.程序的配置文件,sysctl,iptables,route,cron等凡是能用配置文件控制的一切.
3)进程,所有的进程都是用配置管理启动的,或者通过配置管理写文件到系统启动目录,例如rc3.d.
你能相到的一切,无论是配置keepalived,还是添加用户,都抽象为这三个.如果不能抽象为这三个,请再思考两个小时.
如果系统可以由这三者全部控制,而这三者又全部写入了配置管理,这意味着按照配置管理配置出来的系统就一定是对的.扩容,升级,机器的上线,下线从此该有多容易.而运维人员,可以通过配置管理,一览整个系统,通过持续改进的模板,配置更容易学习,不容易出错.
14. 监控
1)监控的正确性、业务响应时间也要同等关注的.
2)基础监控要全面,但不一定实时报警.如果业务不受影响,又何必半夜起来处理宕机呢?如果业务有问题,全面的监控会帮你发现问题的蛛丝马迹.
如果memcache偶尔响应慢,你怎么能想到是swap导致的呢?全面的监控可以帮你发现这一点.把业务逻辑抽象为资源,可以统一业务监控和基础监控.(监控如何算全面,参考8、9)
15. 运维技巧
1)重装操作系统,使用puppet重新配置,是系统恢复到正确状态的最佳途径.理论上,新装的机器使用puppet配置后一定是能用的,否则,就是puppet写的有问题.
2)区分无状态的机器和有状态的机器,尽量把状态集中,然后集中精力运维这些有状态的机器.
宁可通过网络把状态集中也要尽量让机器避免有状态,无状态的机器非常好运维.
转载请注明本页网址：
http://www.vephp.com/jiaocheng/4591.html
