運維行(xíng)業 IT 工程師(shī)分類 

1、辦公網MIS工程師(shī)

2、機房(fáng)IDC支持工程師(shī)

3、系統工程師(shī)

4、應用運維工作(zuò)師(shī)

5、網絡工程師(shī)

6、安全工程師(shī)

7、DB工程師(shī)

8、大(dà)數(shù)據工程師(shī)

9、SRE工程師(shī)

10、運維開(kāi)發工程師(shī)

11、虛拟化工程師(shī)（KVM、Docker、k8s、Openstack等）

12、機房(fáng)弱電(diàn)工程師(shī)等等

運維工程師(shī)職責

運維工程師(shī)的職責，就是領導安排你(nǐ)的任務，能夠按時(shí)完成，不能給領導找麻煩，并且領導還(hái)會(huì)要求你(nǐ)負責的服務要保證4個(gè)9或者5個(gè)9，那(nà)麽這裏服務的提供商指的是誰？其實就是我們運維同學、沒有(yǒu)其他人(rén)，就是在我們提供的服務與用戶（RD、QA、或者外部用戶等）之間(jiān)定義的一種雙方認可(kě)的協定，一旦協定達成、目标确認後直接挂勾你(nǐ)的KPI，當然有(yǒu)些(xiē)工種，不太适合使用SLA來(lái)定義，但(dàn)大(dà)部分運維工作(zuò)都适用SLA，為(wèi)了完成KPI，你(nǐ)就會(huì)主動的提升服務可(kě)用性、穩定性、為(wèi)部門(mén)減少(shǎo)成本、提高(gāo)工作(zuò)效率，今天簡單介紹下運維工程師(shī)的行(xíng)為(wèi)準則。

1年 = 365天 = 8760小(xiǎo)時(shí)
99.9 = 8760 * 0.1% = 8.76小(xiǎo)時(shí)
99.99 = 8760 * 0.01% = 52.6分鍾
99.999 = 8760 * 0.001% = 5.26分鍾

這裏說明(míng)一下，一定不要再沒有(yǒu)數(shù)據支撐的情況下，向領導承諾4個(gè)9或者5個(gè)9，切忌！！要用數(shù)據說話(huà)，說過就要做(zuò)到。

穩定性

1、敬畏之心

（1）操作(zuò)之前能備份的，一定要備份，不要省略，往往它能快速救你(nǐ)一命；

（2）線上(shàng)操作(zuò)必須得(de)到授權，并在測試環境驗證過，或者有(yǒu)多(duō)數(shù)人(rén)共同決策後操作(zuò)，别自做(zuò)主張；

（3）能用工具操作(zuò)的事情，别手動上(shàng)去敲所謂高(gāo)大(dà)上(shàng)的命令，能提前寫成腳本操作(zuò)的、不要手動操作(zuò)；

（4）對線上(shàng)有(yǒu)影(yǐng)響的操作(zuò)，需要評估流量低(dī)峰時(shí)間(jiān)段、錯開(kāi)流量高(gāo)峰（前提得(de)到授權、腳本準備、回退步驟、驗證腳本等等）；

（5）未加基礎報警前，請(qǐng)不要上(shàng)線，一定要報警先用業務上(shàng)線；

（6）做(zuò)為(wèi)運維工程師(shī)對報警系統的敬畏之心，早上(shàng)的例行(xíng)巡檢，對曆史故障歸納總結等；

線上(shàng)事故基本上(shàng)都源于以上(shàng)幾條，大(dà)部分故障都源于未經授權、未在測試環境驗證、RD所謂的免測、運維人(rén)員的自信、報警無人(rén)關注等導緻人(rén)為(wèi)事故；

2、故障

（1）故障發生(shēng)，優先恢複業務，而不是在哪裏定位問題；

（2）對棘手故障需要有(yǒu)故障升級通(tōng)道(dào)，由 Leader 協調一切可(kě)利用資源；

（3）運維工程師(shī)按流程操作(zuò)導緻的故障，不記錄該員工KPI考核中，記錄在Leader KPI考核中，推進流程整改；

（4）沒有(yǒu)按流程操作(zuò)、導緻線上(shàng)重大(dà)故障的，記錄在該工程師(shī)與 Leader KPI 考核中，共同對故障負責；

故障不可(kě)怕、怕相同故障多(duō)次發生(shēng)，不以發生(shēng)故障為(wèi)恥、而為(wèi)發生(shēng)相同故障為(wèi)恥；

3、故障casestudy

（1）故障發生(shēng)渠道(dào)、發現時(shí)間(jiān)點、參與人(rén)、故障定位過程、解決過程、故障根因分析，是否需要形成應急預案；

（2）故障是臨時(shí)解決，還(hái)是永久解決、現有(yǒu)環境中是否有(yǒu)類似隐患；

（3）臨時(shí)解決的需要給出整改計(jì)劃，整改計(jì)劃中需要設置跟進人(rén)員（PMO）、驗收人(rén)員（Leader）；

很(hěn)多(duō)公司的casestudy都流于形式，并沒有(yǒu)切實執行(xíng)落地，所以需要增加 Leader 驗收，下次再有(yǒu)類似故障，Leader全責。

4、變更

（1）配置代碼必須遵循藍(lán)綠發布原則，測試環境确認無問題後，再上(shàng)線；

（2）備份的重要性、回滾機制(zhì)的建立；

（3）操作(zuò)步驟命令或者工具化、而不是模棱兩可(kě)的文字描述；

（4）QA 自動化測試用例、變更失敗後的回滾機制(zhì)等；

故障的發生(shēng)70%以上(shàng)是變更造成的，對變更要有(yǒu)敬畏之心。

5、輪值

（1）運維人(rén)員在輪值期間(jiān)、一定要保證7*24小(xiǎo)時(shí)待命和(hé)報警的随時(shí)響應，電(diàn)腦(nǎo)和(hé)網絡随時(shí)可(kě)用，缺一不可(kě)；

（2）值班期間(jiān)做(zuò)好故障處理(lǐ)、日常工作(zuò)進度記錄，故障用于後續分析，工作(zuò)進度用于把未處理(lǐ)完成的事務交接給下一周期值班人(rén)跟進；

（3）當值過程中出現棘手故障，不能簡單交接下一值班人(rén)，需要根據實際情況确認是否有(yǒu)當值人(rén)員處理(lǐ)完後，再下班；

（4）需要把輪值期間(jiān)發現的故障問題，定期組織輪值人(rén)員進行(xíng)學習。

沒有(yǒu)參與過輪值的運維工程師(shī)，是另人(rén)羨慕的。

6、業務交接

（1）沒有(yǒu)完整交接文檔的業務不要接手，接手之後沒有(yǒu)完全弄明(míng)白前，不要說交接完成；

（2）業務接手後，需要根據實際情況進行(xíng)故障演練，确保有(yǒu)可(kě)能的故障點；

（3）尤其是離職人(rén)員的業務交接，更需要認真負責、簽字，一旦簽字，你(nǐ)要承擔起所有(yǒu)責任，KPI 中需要有(yǒu)明(míng)确關于業務交接的獎懲措施；

部分公司業務交接基本流于形式，沒有(yǒu)認真履行(xíng)職責。

安全意識

安全是運維工作(zuò)開(kāi)展的前提和(hé)必要條件，有(yǒu)同行(xíng)描述這是一種唇亡齒寒的關系，實為(wèi)貼切。安全上(shàng)出了問題，造成的影(yǐng)響以及後續的修複工作(zuò)都将有(yǒu)運維來(lái)承擔，公司到了一定規模都會(huì)将安全和(hé)運維劃分為(wèi)兩個(gè)獨立團隊，這樣做(zuò)事更專注，也容易做(zuò)好。

1、切忌安全無小(xiǎo)事原則，任何一個(gè)安全小(xiǎo)事，都有(yǒu)可(kě)能造成不可(kě)挽回的局面；

2、運維工程師(shī)應該主動配合安全部門(mén)整改、配合完成各種策略、雖然有(yǒu)的時(shí)候感覺這種策略會(huì)造成一些(xiē)不必要的時(shí)間(jiān)，如果站(zhàn)在安全的角度，其實是很(hěn)有(yǒu)必要的。

效率和(hé)成本意識

1、有(yǒu)效率優化意識，瑣事不可(kě)避免，但(dàn)要盡可(kě)能減少(shǎo)瑣事，對重複性、手工性的操作(zuò)能夠工具化的，必須開(kāi)發一些(xiē)自動化工具；

2、由手動操作(zuò)到腳本工具、到平台工具、到産品，這樣即能提高(gāo)效率、降低(dī)成本；

3、節約資源也是減少(shǎo)成本的重要體(tǐ)現，雖然決定不了産品營收多(duō)少(shǎo)，但(dàn)可(kě)以通(tōng)過資源整合、彈性伸縮、服務混合部署、架構優化、無流量服務主動下線等手段将有(yǒu)限資源最大(dà)化利用，節省基礎設施資源成本，同時(shí)，通(tōng)過效率的提升也可(kě)以優化人(rén)力資源成本。