運維師實戰經驗（運維工程師心法）

2023-10-08 17:47:27 2

一、線上操作規範

1.測試使用
當初學習Linux的使用，從基礎到服務到集群，都是在虛擬機做的，雖然老師告訴我們跟真機沒有什麼差別，可是對真實環境的渴望日漸上升，不過虛擬機的各種快照卻讓我們養成了各種手賤的習慣，以致於拿到伺服器操作權限時候，就迫不及待的想去試試。

記得上班第一天，老大把root密碼交給我，由於只能使用putty，我就想使用xshell，於是悄悄登錄伺服器嘗試改為xshell 密鑰登錄，因為沒有測試，也沒有留一個ssh連接，所有重啟sshd伺服器之後，自己就被擋在伺服器之外了，幸好當時我備份了sshd_config文件，後來讓機房人員cp過去就可以了，幸虧這是一家小公司，不然直接就被幹了……慶幸當年運氣比較好。

第二個例子是關於文件同步的，大家都知道rsync同步很快，可是他刪除文件的速度大大超過了rm -rf，在rsync中有一個命令是，以某目錄為準同步某文件（如果第一個目錄是空的，那麼結果可想而知），源目錄（有數據的）就會被刪除，當初我就是因為誤操作，以及缺乏測試，就目錄寫反了，關鍵是沒有備份……生產環境數據被刪了

沒備份，大家自己想後果吧，其重要性不言而喻。

2. Enter前再三確認
關於rm -rf / var 這種錯誤，我相信手快的人，或者網速比較慢的時候，出現的機率相當大。

​

當你發現執行完之後，你的心至少是涼了半截。

​

大家可能會說，我按了這麼多次都沒出過錯，不用怕，我只想說，當出現一次你就明白了，不要以為那些運維事故都是在別人身上，如果你不注意，下一個就是你。

3. 切忌多人操作
我在的上一家公司，運維管理相當混亂，舉一個最典型的例子吧，離職好幾任的運維都有伺服器root密碼。

通常我們運維接到任務，都會進行簡單查看。如果無法解決，就請求他人幫忙，可是當問題焦頭爛額的時候，客服主管（懂點linux），網管，你上司一起調試一個伺服器，當你各種百度，各種對照完了發現，你的伺服器配置文件，跟上次你修改不一樣了，然後再改回來，然後再谷歌，興衝衝發現問題，解決了，別人卻告訴你，他也解決了，修改的是不同的參數……這個，我就真不知道哪個是問題真正的原因了，當然這還是好的，問題解決了，皆大歡喜，可是你遇到過你剛修改的文件，測試無效，再去修改發現文件又被修改的時候呢？真的很惱火，切忌多人操作。

4.先備份後操作
養成一個習慣，要修改數據時，先備份，比如.conf的配置文件；

另外，修改配置文件時，建議注釋原選項，然後再複製，修改；

再者說，如果第一個例子中，有資料庫備份，那rsync的誤操作不久沒事了吧；

所以說丟資料庫非一朝一夕，隨便備份一個就不用那麼慘。

二、涉及數據

1.慎用rm -rf
網上的例子很多，各種rm -rf /，各種刪除主資料庫，各種運維事故……

一點小失誤就會造成很大的損失。如果真需要刪除，一定要謹慎。

2.備份大於一切
本來上面都有各種關於備份，但是我想把它劃分在數據類再次強調，備份非常之重要哇~

我記得我的老師說過一句話，涉及到數據何種的謹慎都不為過。

我就職的公司有做第三方支付網站和網貸平臺的。第三方支付是每兩個小時完全備份一次，網貸平臺是每20分鐘備份一次。

我不多說了，大家自己斟酌吧

3.穩定大於一切
其實不止是數據，在整個伺服器環境，都是穩定大於一切，不求最快，但求最穩定，求可用性。

所以未經測試，不要在伺服器使用新的軟體，比如nginx php-fpm，生產環境中php各種掛啊~

重啟下就好了，或者換apache就好了。

4.保密大於一切
現在各種豔照門漫天飛，各種路由器後門，所以說，涉及到數據，不保密是不行的。

數據備份至關重要，但是靠人為操作難免會出現遺忘、丟失等不可控因素，這時使用自動備份就可大大提高工作效率。雲幫手支持資料庫、環境、網站一鍵備份、雲端存儲，讓你的數據安全無憂；並可以添加計劃任務進行特定時間段自動備份，大大提高工作效率。

三、涉及安全

1. ssh

2. 防火牆
防火牆生產環境一定要開，並且要遵循最小原則，drop所有，然後放行需要的服務埠。

3.精細權限和控制粒度
能使用普通用戶啟動的服務堅決不使用root，把各種服務權限控制到最低，控制粒度要精細。

4.入侵檢測和日誌監控

也是一個很基礎的工作，把基礎做好了，就能相當的提高系統安全性，其他的就是安全高手做的了。

雲幫手通過雲端智能巡檢對系統安全和系統基線模塊進行7*24全方位風險掃描，做到有效預知風險，方便運維人員快速應對處理；同時實現一鍵自動修復，全方位保障系統安全；並支持各種系統、應用日誌採集匯聚雲端，支持可視化運維管理，助力用戶洞悉操作細節，快速定位問題。

四、日常監控

1.系統運行監控

好多人踏入運維都是從監控做起，大的公司一般都有專業24小時監控運維。系統運行監控一般包括硬體佔用率，常見的有，內存，硬碟，cpu，網卡，os包括登錄監控，系統關鍵文件監控。

定期的監控可以預測出硬體損壞的概率，並且給調優帶來很實用的功能。

2.服務運行監控

服務監控一般就是各種應用，web，db，lvs等，這一般都是監控一些指標，在系統出現性能瓶頸的時候就能很快發現並解決。

3.日誌監控

這裡的日誌監控跟安全的日誌監控類似，但這裡一般都是硬體，os，應用程式的報錯和警報信息。

監控在系統穩定運行的時候確實沒啥用，但是一旦出現問題，你又沒做監控，就會很被動了。

雲幫手支持系統CPU、內存、磁碟、網絡等各資源使用情況全面監控，並可自主創建告警規則，幫助用戶及時捕捉處理風險。

五、性能調優

1.深入了解運行機制
其實按一年多的運維經驗來說，談調優根本就是紙上談兵，但是我只是想簡單總結下，如果有更深入的了解，我會更新。

在對軟體進行優化之前，比如要深入了解一個軟體的運行機制，比如nginx和apache，大家都說nginx快，那就必須知道nginx為什麼快，利用什麼原理，處理請求比apache，並且要能跟別人用淺顯易懂的話說出來，必要的時候還要能看懂原始碼，否則一切以參數為調優對象的文檔都是瞎談。

2.調優框架以及先後
熟悉了底層運行機制，就要有調優的框架和先後順序，比如資料庫出現瓶頸，好多人直接就去更改資料庫的配置文件，我的建議是，先根據瓶頸去分析，查看日誌，寫出來調優方向，然後再入手，並且資料庫伺服器調優應該是最後一步，最先的應該是硬體和作業系統，現在的資料庫伺服器都是在各種測試之後才會發布的

適用於所有作業系統，不應該先從他入手。

3.每次只調一個參數
每次只調一個參數，這個相比大家都了解，調的多了，你就自己就迷糊了。

4.基準測試
判斷調優是否有用，和測試一個新版本軟體的穩定性和性能等方面，就必須要基準測試了，測試要涉及很多因素。

測試是否接近業務真實需求這要看測試人的經驗了，相關資料大家可以參考《高性能mysql》第三版。

我的老師曾說過，沒有放之四海皆準的參數，任何參數更改任何調優都必須符合業務場景。所以不要再谷歌什麼什麼調優了，對你的提升和業務環境的改善沒有長久作用。

六、運維心態

1.控制心態
很多rm -rf /data都在下班的前幾分鐘，都在煩躁的高峰，那麼你還不打算控制下你的心態麼？

有人說了，煩躁也要上班，可是你可以在煩躁的時候儘量避免處理關鍵數據環境。

越是有壓力，越要冷靜，不然會損失更多。

大多人都有rm -rf /data/mysql的經歷，發現刪除之後，那種心情你可以想像一下，可是如果沒有備份，你急又有什麼用，一般這種情況下，你就要冷靜想下最壞打算了，對於mysql來說，刪除了物理文件，一部分表還會存在內存中，所以斷開業務，但是不要關閉mysql資料庫，這對恢復很有幫助，並使用dd複製硬碟，然後你再進行恢復

當然了大多時候你就只能找數據恢復公司了。

試想一下，數據被刪了，你各種操作，關閉資料庫，然後修復，不但有可能覆蓋文件，還找不到內存中的表了。

2.對數據負責

生產環境不是兒戲，資料庫也不是兒戲，一定要對數據負責。不備份的後果是非常嚴重的。

3.追根究底
很多運維人員比較忙，遇到問題解決就不會再管了，記得去年一個客戶的網站老是打不開，經過php代碼報錯，發現是session和whos_online損壞，前任運維是通過repair修復的，我就也這樣修復了，但是過了幾個小時，又出現了。反覆三四次之後，我就去谷歌資料庫表莫名損壞原因：一是myisam的bug，二是mysqlbug，三是mysql在寫入過程中被kill，最後發現是內存不夠用，導致OOM kill了mysqld進程，並且沒有swap分區，後臺監控內存是夠用的，最後升級物理內存解決。

4.測試和生產環境
在重要操作之前一定要看自己所在的機器，儘量避免多開窗口。