漫談“云”上運維

文/張方知

近年來，云計算在國內外發(fā)展迅猛，并得以廣泛應用，人工智能、區(qū)塊鏈、大數(shù)據(jù)、云計算、云存儲和云安全等熱門技術層出不窮，而其中云計算可以說是其他各門技術的基礎。隨著云計算技術的不斷創(chuàng)新，數(shù)據(jù)中心向整合化方向邁進，虛擬化技術向軟硬協(xié)同方向發(fā)展，大規(guī)模分布式存儲技術進入創(chuàng)新高峰，分布式計算技術不斷完善和提升，云計算前景一片光明，IT世界進入云計算時代。在IT技術變革演進的過程中，云上運維（Operation and maintenance on Cloud）應運而生。

云計算的蓬勃發(fā)展，使得用戶對云的接受度越來越高，特別是中小型企業(yè)，其業(yè)務越來越多地向云端遷移。隨著更多的企業(yè)將應用系統(tǒng)遷移到各類由云服務商提供的云計算平臺，諸如亞馬遜云、阿里云、騰訊云、華為云等，帶來了應用系統(tǒng)開發(fā)和架構部署的變化，傳統(tǒng)以網絡、主機、數(shù)據(jù)庫、中間件等基礎設施和獨立IT組件為核心的監(jiān)控系統(tǒng)已經無法滿足對應用系統(tǒng)性能、業(yè)務連續(xù)性和最終用戶體驗等方面的管理需求，IT運行維護模式需要適應新的變化，因此對IT運維也需要重新理解并通過實踐重構認識。

運維的核心價值和最終目標

談到運維，不得不先說說運維工作的價值和目標。個人認為，無論傳統(tǒng)運維還是云上運維，運維的核心價值和最終目標都是在于保障業(yè)務系統(tǒng)的連續(xù)性、可用性、可靠性和安全性，并最大限度地提升系統(tǒng)的性能。

傳統(tǒng)運維的工作以機房建設、網絡規(guī)劃、硬件采購、軟件選型測試、系統(tǒng)裝機、應用部署、中間件維護、監(jiān)控處理、自動化運維等多種形態(tài)存在。為了達到核心價值和目標，運維人員需要花費大量的人力、物力和時間參與底層IT基礎建設等諸多非業(yè)務事項，這明顯偏離了運維技術人員的專注點和特長。因此，很多局外人容易把運維工作看作是一種打雜的工作，負責的都是重復又繁雜的工作，甚至很多運維人也看不到自身的價值。相比而言，云上運維或許更能體現(xiàn)運維工程師的價值感。依托于云服務商提供的基礎設施資源，IT人員可以更加專注于業(yè)務系統(tǒng)的建設、日常維護、系統(tǒng)優(yōu)化等工作。

云上運維與傳統(tǒng)運維的比較

從服務器管理模式來講，傳統(tǒng)運維一般是采用自有機房或IDC服務器托管方式管理服務器，云上運維則是利用云服務提供商提供的云主機和云數(shù)據(jù)庫來管理服務器。從職能來講，無論是傳統(tǒng)運維還是云上運維，都非常關注穩(wěn)定、高效、安全、成本等因素。下面從多個角度逐一分析云上運維和傳統(tǒng)運維的不同。

機房方面。傳統(tǒng)運維的機房要么自建要么租用，對于租用機房，運維人員首先要做的工作就是IDC機房的調研、測試和選擇，要從機房位置、線路質量、服務響應時間、QoS等多方面進行考量，同時要做多個機房的網絡性能對比測試，最后選擇一個適合自己企業(yè)的IDC機房。現(xiàn)在的IDC機房品質參差不齊，在眾多IDC機房中選擇性價比高并適合自己企業(yè)業(yè)務特點的機房并不容易。而云上運維機房的選擇工作已經由云服務提供商為用戶做好了，一個成熟的云服務提供商提供的機房都是經過專業(yè)團隊嚴格測試才會上線運營的，整體品質一般要優(yōu)于運維人員自己選擇的IDC機房，運維人員只需要根據(jù)業(yè)務需要選擇合適的服務商和合適地域的機房即可，這就為運維人員節(jié)省了大量時間，降低了成本。但缺點是運維人員并不了解機房的內部情況。

硬件方面。傳統(tǒng)運維時，運維人員需要考慮防火墻、路由器、交換機、服務器、存儲等設備的選型、采購、上架、日常維護、故障檢修、保修、保外維修等一系列硬件相關的問題。而云上運維時，運維人員不需要考慮硬件相關的事務，這些事務是云服務提供商考慮的范疇，為運維人員節(jié)省了時間，降低了成本。

軟件方面。傳統(tǒng)運維時，運維人員要申請進入機房入室維護，為服務器安裝操作系統(tǒng)，既費時又費力。如果選擇遠程安裝既需要硬件支持，同時IDC機房工作人員要配合操作，網絡安裝速度慢會耗費更長的時間。對于數(shù)據(jù)庫來說，要部署和維護主主復制和自動接管這種高可用數(shù)據(jù)庫架構，則需要運維人員完成部署、優(yōu)化、監(jiān)控、排錯等一系列復雜的工作。而云上運維只需要在選擇云服務器的時候，選擇需要的操作系統(tǒng)，在選擇云數(shù)據(jù)庫的時候選擇適合的數(shù)據(jù)庫版本，為企業(yè)降低了人力、維護和時間等成本。

網絡方面。傳統(tǒng)運維時，對于租用多機柜、采用雙線或多線BGP線路的企業(yè)來說，運維人員要設計合理高效的網絡架構并配置合理的策略路由，當出現(xiàn)網絡問題時還要有很強的網絡排錯能力。而云上運維時，運維人員只需要配置好VPC專有網絡，選擇合適的帶寬，而網絡故障完全交給云服務提供商來解決。

安全方面。傳統(tǒng)運維時，所有的IT基礎設施和數(shù)據(jù)都由用戶自己掌控，從心理上來講用戶感覺更安全，對公網的暴露面也更小。但運維人員要考慮諸如病毒、黑客等不同形式的攻擊防范，有些IDC只支持小流量的流量清洗，遭遇大流量DDoS攻擊時只能關閉受攻擊的服務器以避免影響其他客戶。而云上運維時，雖然用戶會感覺自己到了戰(zhàn)場一樣，但運維人員只需要考慮云服務提供商是否提供防火墻、高防IP及大流量清洗等服務即可，防護和清洗工作交給云服務提供商來完成，有效降低了安全風險和維護難度。

穩(wěn)定方面。無論是傳統(tǒng)運維還是云上運維，穩(wěn)定性都是運維人員需要考慮的關鍵問題。傳統(tǒng)運維時，要保證網絡穩(wěn)定和硬件環(huán)境穩(wěn)定，運維人員要做好硬件選型、硬件評測和提前預警，同時要做好架構容災，關鍵物理單元要有冗余，否則一旦發(fā)生硬件故障就會導致應用服務中斷，企業(yè)會面臨經濟損失、用戶體驗下降和用戶評價度降低等風險。如果企業(yè)保證了網絡和硬件環(huán)境穩(wěn)定，那勢必會增加IT成本，而成本也是運維人員需要考慮的關鍵問題。而云上運維時，穩(wěn)定性是由云服務提供商負責的。由于云自帶冗余屬性，企業(yè)在使用云服務時，無須考慮網絡和硬件故障導致的服務中斷，因此極大地提高了服務穩(wěn)定性，同時降低了IT成本。

監(jiān)控方面。傳統(tǒng)運維時，運維人員要構建服務器監(jiān)控系統(tǒng)，通過部署各種監(jiān)控工具，做到接口層、網絡層、傳輸層、應用層監(jiān)控并實現(xiàn)提前預警，這是一項復雜的工作，運維人員技術水平和能力的高低也會影響監(jiān)控系統(tǒng)的準確性和易用性。而云上運維時，云服務提供商已經為云產品提供了專業(yè)的監(jiān)測工具，全面、準確地對多種指標進行監(jiān)控并實現(xiàn)提前預警，為用戶節(jié)省大量時間的同時提高了監(jiān)控的準確性和易用性。

操作方面。傳統(tǒng)運維需要大量人工干預，實時性差。比如新增服務器時，運維人員要考慮采購周期、上架、機柜空間、機柜電壓和電流是否超標、交換機端口是否夠用、安裝操作系統(tǒng)等問題，整個流程耗費時間比較長，如果企業(yè)對外提供的服務有時限性要求，傳統(tǒng)運維模式就顯得力不從心了。在遇到業(yè)務升級和硬件更換時，通常會選擇在半夜進行，且多少會造成業(yè)務中斷。而云上運維徹底改變了傳統(tǒng)的高成本運維服務模式，可以快速部署運維。云服務提供商會提供給企業(yè)運維人員操作界面友好的控制后臺，通過瀏覽器就可以對云主機進行各種管理，新增云主機只需要很短的時間就可以完成租用、部署和上線工作，可以隨時隨地租用或刪除云主機，操作更加便捷、高效、靈活。在方案準備充足的情況下，可隨時進行業(yè)務升級，平滑無中斷。

云運維的不足與建議。說了這些云運維的優(yōu)點，有必要說點不足之處。世界上并無絕對安全可靠之地，云也如此。多年來，阿里云、騰訊云等坍塌事件時有發(fā)生，一旦崩潰，用戶則無能為力。俗話說得好，不要把所有的雞蛋放在一個籃子里！云平臺不同于傳統(tǒng)的自建物理平臺，客戶無法通過監(jiān)控工具進行運維的早期預警，它高度依賴云服務商宣稱的健壯性。表面上看，云節(jié)省了運維成本，但故障一旦發(fā)生往往就是致命性的，對敏感和重要的業(yè)務而言，無疑是一個新的風險點，所以必須做好災備方案。因此，使用云平臺承載重要業(yè)務時，盡可能選擇多個云服務商，做成主備模式，減少風險。有條件的企業(yè)可以考慮“云+傳統(tǒng)”相結合的方式，采用自建機房或IDC服務器托管方式托管一批服務器，然后利用開源軟件如Open Stack或Cloud Stack等自行構建私有云，充分利用現(xiàn)有硬件資源，通過吸收傳統(tǒng)運維和云上運維的優(yōu)勢，結合企業(yè)自身業(yè)務特點創(chuàng)建具有自身特色的私有云運維模式，在降低IT成本和保障業(yè)務可靠兩個方面做個折中。

運維人員在云時代的機會和挑戰(zhàn)

云時代給大家?guī)Я撕芏鄼C遇，同時也帶來了很多挑戰(zhàn)。有人認為，隨著云的普及，運維人員將會最終消失。雖然這個觀點不免有些偏激，但云時代的確給運維帶來了很多不同，也讓運維從業(yè)人員必須思考很多問題。

云環(huán)境下要求的運維能力，不僅是技術能力，還要有先進的運維理念和方法，需要不斷積累豐富的經驗，積累經過反復測試的應急預案，能夠快速發(fā)現(xiàn)故障點、準確定位故障原因，最終達到快速恢復業(yè)務。所以，相比傳統(tǒng)運維，運維人員需要掌握的知識可能更多，需要的技能可能還要超過傳統(tǒng)運維。云計算使運維工作更加高效，也改變了傳統(tǒng)運維的工作內容。這是一場涉及運維工作的變革，運維人員必須跟上變革的腳步，需要思想的轉變和技能的提高，需要從操作性質轉變到創(chuàng)新性質，個人綜合能力（專業(yè)技能、溝通能力、思維能力）必須升華。

云時代的機會。傳統(tǒng)運維時，IT運維人員經常把精力都浪費到設備選型、設備采購、設備上架、日常維護、故障檢修、部署優(yōu)化、設計維護IDC網絡、安全防范、構建監(jiān)控系統(tǒng)等工作中，對付這些已經疲于奔命，想要學些新知識則經常有心無力。而云上運維減少了傳統(tǒng)的機房、網絡設備、服務器、強弱電系統(tǒng)、UPS等設備維護，使得IT運維人員能從上述紛繁復雜的工作中解脫出來，利用云計算服務商提供的管理工具，可以更便捷、更高效、更靈活地完成基本運維任務，這樣就能抽出更多的時間學習Go、Python、Awk、Sed和Shell等編程語言和其他新技能，利用適用的開源工具實現(xiàn)運維自動化、快速應用部署和實時監(jiān)控。這種機會帶來了雙贏的效果，既提高了IT運維人員自身的技術水平和業(yè)務能力，又充分提高了企業(yè)的服務質量。

云時代的挑戰(zhàn)。云上運維增加了新的維護內容，如要求運維人員在云平臺上實現(xiàn)應用的快速部署、更新和實時監(jiān)控，這就需要了解和掌握運維自動化技術和一些開發(fā)工具，才能做到云端輕松配置、部署和管理。公有云在基礎架構安全性方面遠超一般用戶自建IDC，但在某些方面也會面臨一些新的安全風險和挑戰(zhàn)，公有云的運維管理工作都必須通過互聯(lián)網去完成，如何安全地運維公有云上的系統(tǒng)也是運維人員需要解決的問題。

云時代，運維人員不光要有從事傳統(tǒng)運維的理論知識基礎、靈活的應變能力、快速的學習能力，還要具備業(yè)務思維、系統(tǒng)思維和運營化、過程化管理能力。供給側改革才是治本，業(yè)務是企業(yè)發(fā)展的根本。從業(yè)務角度關注運維，運維人員應該對業(yè)務有充分的了解，熟悉業(yè)務邏輯、數(shù)據(jù)流向和業(yè)務架構及其短板。運維人員應具備整合各種資源輔助運維工作，甚至獨立開發(fā)運維工具的DevOps（開發(fā)+測試+運維）能力，同時應該深化推進DevOps理念，把易運維能力作為評價運維開發(fā)質量的重要因素。運維人員要用運營化、過程化管理來做運維，做到提前預見故障，并推動開展運維風險評估和后續(xù)整改與應急響應工作，通過持續(xù)改進和迭代，將運維工作逐步標準化、自動化、智能化。

在云計算蓬勃發(fā)展的今天，IT運維人員只有通過不斷學習和積累，才能在云計算的大潮中提升自身價值，適應未來云計算運維的發(fā)展要求。因此，運維人員不能故步自封，要順應運維發(fā)展，不斷學習和構建自己的知識體系，并結合業(yè)務實際有重點、有針對性地深入學習和提升專業(yè)技能，了解和學習KVM、Docker、Hadoop、Open Stack等運維領域知識，學習和熟練掌握Shell、Python、Go等開發(fā)語言和工具，站在運維技術前沿，提高自身生產力，這樣才能在云時代發(fā)展中不被淘汰，為企業(yè)創(chuàng)造更大的價值。

任爾風起云涌，我自淡定從容；不驚去留寵辱，坐看云卷云舒。