运维工程师的修炼手册

作为一个长期在运维岗的我，想做些什么来帮助大家学习运维，全是干货，绝不卖货。

一、什么是运维工程师

运维工程师(Operations)，负责维护并确保整个服务的高可用性，同时不断优化系统架构提升部署效率、优化资源利用率提高整体的ROI(百度百科)。通俗一点讲我们就是园丁，而系统就是一个花园，我们只有尽心尽职地伺候好花园里的花花草草，整个花园才能长期稳定的吸引客流量。

二、运维工程师的工作内容

顾名思义，运维工程师的主要内容是运维。运维主要是保障一个系统长期稳定的工作下去。主要有以下几点：

1、问题发现：当系统出现异常时，需要尽可能快速的恢复业务，保障系统的可用性。这里我们可以借助于监控平台和告警平台，通过短信、邮件等方式通知自己，系统出故障了。

2、问题处理：设计开发一些处理工具。当系统出现故障时，工具可以快速且自行解决掉这些故障，从而恢复系统。

3、问题跟踪：通过故障发生时的一些表象（日志、监控、告警）来找到问题的根源，该开发修复的找开发，配置原因的修改配置，第三方原因的找第三方。

4、配置管理：一个系统会有多个模块和多个版本，我们可以通过配置管理工具管理这些不同模块和版本的配置，确保这些配置发布到生产环境上后，系统能够正常运行。

三、能力要求

我们先来看下某招聘网站上运维工程师的任职要求

第一个

1、计算机相关专业，全日制统招专科以上学历，2年以上相关工作经验;

2、了解Linux系统原理,掌握Linux操作系统常用命令,有Linux常用HA集群(HAProxy/Keeplived/Ngnix/Apache/Tomcat/Redis等)故障排查经验;

3、了解Tomcat/Apache/ActiveMQ/Kafka等中间件、Web服务器和消息队列产品;

4、熟悉至少一种Zabbix/Nagios/Catci监控工具，并利用工具进行初步问题定位和故障分析;

第二个

1. 大专以上学历
　　2.具备1年以上Linux操作系统运维经验;
　　3.熟悉linux，docker，以及Tomcat，Mysql，Redis，Nginx，ELK等安装部署;
　　4.熟练掌握常用命令、Shell脚本编程，docker容器的使用;
　　5.熟悉Linux系统高可用技术、负载均衡、集群等技术方案;

第三个

1、2年以上系统运维、监控运维等相关工作经验。
2、熟练掌握Linux系统操作。
3、熟悉常用监控及日志工具使用，如Zabbix、Prometheus、ELK等，有APM使用经验优先。
4、较强的沟通协调和语言表达能力，善于团队合作，工作细致并谨慎。

归类下来就是Linux基础、容器、监控工具和数据库。除了这些，我认为还需要了解Shell/Python等编程语言、网络知识。除了技术能力同时还要具备责任心、细心、进取心和安全意识这些软素质。

四、Linux基础

Linux基础包含了Linux整体理解和命令使用。

了解Linux：推荐《鸟哥的Linux私房菜：基础学习篇》，个人认为这是一本适合小白的入门书。

命令使用：运维常用的命令一般涉及到CPU、Device Drivers、DRAM、IP、Port、Application、DB等。

五、容器

常见的容器有Apache、Tomcat、Nginx、Weblogic、docker等等。个人建议可以在本地搭建一套环境练练手，我参与的项目使用Tomcat偏多，这里还是推荐《鸟哥的Linux私房菜：服务器架设篇》

六、监控工具

目前常用的有Zabbix、Catci、Nagios、Puppet等等，这个视情况可以选择性地熟悉，我参与的几个项目用的监控工具都不一样，基本都是换汤不换药，监控CPU，内存，日志，吞吐量等等信息。

七、数据库

常用的数据库有MySQL、Oracle、PgSQL、MSSQL等，作为运维不能只会简单地增删改查，还需要参与安装、巡检、性能调优、备份等工作，不同的数据库在语法上大同小异，牢记相应的关键词就行。比如查当前时间，MySQL用now，oracle用sysdate。

八、编程语言

学习编程语言是为了更快速的定位和解决系统故障。举个例子，我曾经参与过的一个项目，做的是服开系统。我们系统发送开通指令给外部网元时，需要外部网元回复成功或者失败。当外部网元回复第三种情况时（实际回复的是成功，换了格式）我们系统就无法识别了，这时候就会报错，出现工单无法竣工的情况。我当时用python写了一个工具，定时扫描出这类工单，模拟通知成功，让工单可以正常竣工。

九、网络知识

熟练使用抓包工具tcpdump、fiddler等，了解防火墙、IP、Port之类，推荐《TCP/IP协议详解》

十、软素质

一个好的运维，软素质是必不可少的。

责任心：对所负责的工作要有owner意识，遇到告警要第一时间响应，而不是等着别人去处理；遇到无法处理的，要第一时间请求同时的协助。我对底下兄弟的要求是10分钟响应，30分钟解决，2小时上报。在运维岗，尤其是驻场运维手上的活会很多，但是要记住客户就是上帝，客户的问题就是第一位的，你可以先响应再去解决，不要给客户一种你不重视他的感觉。当问题出现2小时以上都无法解决的时候，需要上报领导层，让领导协调售前团队安抚客户，售后团队提供解决方案。

细心：运维是可以直接操作生产环境的，你的任何一个操作都有可能造成系统故障，从而影响到业务。所以在每个操作前都要细心，确认再三。你命令敲的再快也就节省那么一点时间，一旦出了问题，就是一个长久的影响。举个例子，2017年某省的项目上线，因为命令敲的快，没有确认执行的目录，将主备数据全部清空了，造成了当地2小时业务中断，手机全无信号。

进取心：运维所需要掌握的技能比较广泛，需要不断的学习，提升自我。遇到问题，做好分析记录，好记性不如烂笔头，记录整理也是自我提升的一个过程。

安全意识：运维的权限是很大的，通常会有服务器的root权限，某个api的私钥等等。针对这些数据最好使用加密存储在本地，一定不能存储在网络云盘中，生产环境高于一切。

十一、结束语

以上观点均为个人见解，有不正确的地方欢迎指正。在后面的篇幅中，我会详细介绍技术的学习，如Linux的常用命令、容器的加固等等、同时会搜集一些大厂的相关面试题。