本文從攜程癱瘓事件中總結(jié)出了數(shù)據(jù)中心運(yùn)維管理的85條軍規(guī)，看看你全都遵守了嗎？

1) 承載能力優(yōu)先 ——隨后再進(jìn)行優(yōu)化 —— 不遵守這條規(guī)則必定帶來故障停機(jī)時間。不要在故障停機(jī)時間的壓力下進(jìn)行優(yōu)化——要先集中精力提高承載能力。

2) 以Postgres為例，一定要確保你的每一個網(wǎng)絡(luò)都能匹配得上你的WAL文件、Slony復(fù)制、快照技術(shù)以及基于磁盤的DB版本化（快照的衍生品）

3) 不要把問題‘優(yōu)化’到你的架構(gòu)之中。為了解決問題而新加進(jìn)來的一些東西往往后來都會變成運(yùn)維沉重的負(fù)擔(dān)。 要確保在運(yùn)維工程化中開發(fā)出來的工具交接完整。過后再回頭進(jìn)行進(jìn)一步的開發(fā)往往不靈。更重要的是，變更請求可能會破壞已經(jīng)安排好的工程計(jì)劃。

4） 保持簡單。保持簡單，因?yàn)槟愫苈斆?別把事搞的太復(fù)雜 因?yàn)槟阈械摹?br />
5）應(yīng)該非常謹(jǐn)慎地使用 緩存 ，為了保護(hù)資源一致性，它很難進(jìn)行水平縮放。

如果你作的是一個可以橫向擴(kuò)展的東西，明智或?qū)徤鞯淖龇ㄊ遣灰砑拥木彺鎸?。如果非要使用，它?yīng)該是為最終用戶獲得性能，不是為了贏得一個網(wǎng)站的容量;

6） 不要所有代碼都自己寫; 不要所有東西都外包;  在合適的時間使用合適的工具,完成你的工作.

7)協(xié)商-真正有效的談判唯一方式是先作一些調(diào)研,制定一些可行的性方案.這樣你可以挑選你的首席開發(fā)商,如果你真的需要. 別虛張聲勢.

8）一直保持N+1。如果N=1，無論任何情況下不要輕易使用+1，這個1只用于當(dāng)N down機(jī)情況下。當(dāng)使用冗余服務(wù)器來承載負(fù)載時候，不要讓你的系統(tǒng)超過49%的負(fù)荷。當(dāng)有機(jī)會能只用N+2的架構(gòu)時候，使用它。

9）數(shù)據(jù)丟失不是任何一個公司所能承擔(dān)的風(fēng)險–這是舉世所知的真理。數(shù)據(jù)丟失造成的損失遠(yuǎn)遠(yuǎn)大于保持?jǐn)?shù)據(jù)不丟失所花的成本。

10）無論何時何地盡可能并行化。這是復(fù)路考慮最重要的手段。比如，如果利用MogileFS來做位置感知，并且需要實(shí)時的復(fù)制數(shù)據(jù)，一個可行的方法是每一臺MogileFS服務(wù)器可以復(fù)制它的數(shù)據(jù)去MogileFS的負(fù)載均衡中心。盡可能多的啟用多的平行。

11）閱讀手冊。至今，我還是堅(jiān)持要先通讀RAID卡的手冊，以確認(rèn)是否有什么細(xì)微的差別。惡魔都隱藏在細(xì)節(jié)里。做足功課吧！

12）知道瓶頸所在，并知道怎么去定位它，一層層排查，查找是不是硬盤、內(nèi)存或者cpu的阻塞了。通常這個很簡單。

13)定期做系統(tǒng)容量管理程序。積極一點(diǎn)。如果沒有容量數(shù)據(jù)的曲線，你很難知道你系統(tǒng)的薄弱之處。

14）不要促成失敗，不要害怕改變。

15）別挖陷阱給自己跳。不要認(rèn)為你的工作成果將能作為未來的工作的動力。

16 ）運(yùn)維人員寫的代碼應(yīng)該是運(yùn)維工具，而不是應(yīng)用軟件。

17）在運(yùn)維團(tuán)隊(duì)中，不要低估了項(xiàng)目管理、文檔撰寫以及財(cái)務(wù)分析人員的價值。他們比給予工資更有價值。

18）監(jiān)控一切。報警異常問題。其他部分記錄數(shù)據(jù)用來做趨勢分析信息。

19）定期的流程查看各個地方的趨勢數(shù)據(jù)。

20）不要把監(jiān)控弄的很亂，不然他就沒有啥意義了。

21）要確保監(jiān)控系統(tǒng)簡單到讓公司的每個人都能上手。你可能會很吃驚監(jiān)控?cái)?shù)據(jù)指標(biāo)轉(zhuǎn)換成為業(yè)務(wù)指標(biāo)、市場指標(biāo)和銷售等等指標(biāo)有多頻繁。

22 ） 只在可以做出相應(yīng)改善的地方做檢查。 否則就不要浪費(fèi)時間了。

23）公開你的檢查報告，并附上相關(guān)數(shù)據(jù)，以便他人可以容易的閱讀到關(guān)鍵點(diǎn)，并能關(guān)聯(lián)到響應(yīng)的數(shù)據(jù)。

24）在每一個技術(shù)點(diǎn)都分配人手。

25）要給重要人員配備后備人手。

26）要不斷的招聘。甚至是當(dāng)你沒有名額，也要一直招聘。

27）要嚴(yán)于律己。無論你有多聰明或者你認(rèn)為你多NB，你也要不斷的提高自己。

28 ）要盡可能多的把自己和其他公司做比較。眼光要往外看。

29) 挑選一個展會或回憶，只有一個，一年一次，去參加。如果展會一年舉辦多次，之參加一次。

30) 購買你需要的，而非你想要的。永遠(yuǎn)都不要摘掉企業(yè)這頂帽子帶上“什么對我是最簡單最安全的”這頂帽子。

31)永遠(yuǎn)只做最生意有益的事情，即使這意味著你需要離開。

32)正式問責(zé)機(jī)制——記錄承諾，標(biāo)記它們，揭示為兌現(xiàn)的承諾。

33) 你不應(yīng)失敗兩次以上。恐懼感有點(diǎn)好處。但要知道長期犯錯和無意犯錯的區(qū)別。

34無情一些——你的對手如此。

35)視工作為在你完成時需要簽上你的名字。這也意味著完成你的工作。

36)變得對別人有用。

37)與初創(chuàng)公司合作——提供你的專業(yè)技術(shù)和規(guī)模，你將獲得免費(fèi)的產(chǎn)品作為回報，有時甚或一生。

38）容量是一個業(yè)務(wù)/產(chǎn)品問題。這意外著每個頁面、每個請求、每次登錄的網(wǎng)絡(luò)成本等等在做正確的業(yè)務(wù)/產(chǎn)品決策時候都必須是都透明

39)一直打破預(yù)算。運(yùn)維團(tuán)隊(duì)通常是最大的花費(fèi)者。通常沒有收入沒有達(dá)到預(yù)算，但是運(yùn)維團(tuán)隊(duì)可以有很多方法來延期采購。

40）過去能正常的做的事，不見得現(xiàn)在或者未來都會正常。所以做的時候，先用工具測試一下。

41）文檔化。把所有東西都寫成文檔。要讓新人挨個去問怎么做事。

42）用一張大尺寸的圖繪制你數(shù)據(jù)中心的網(wǎng)絡(luò)拓?fù)洹?br />
43 ）用一張圖描繪出你每一個產(chǎn)品的業(yè)務(wù)流程圖。

44) Faq-O-Matic, Wiki, 在這里人們可以很容易的發(fā)布“這是如何修復(fù)這個”的文章，并讓它容易被找到的地方。這里是技術(shù)編寫者能派上用場的地方，但是，最重要的是使文檔更容易，即使是非正式的。

45) 確保所有人，任何人都可以被替換。

46)多數(shù)人在家里做的比在辦公室里更多，有些人則不然。

47)捆綁下單——你可以要求更多折扣，更好的條款等等。當(dāng)你成批購進(jìn)硬件時。你可以要求一切——最低價格，備件包，租賃期限，只要他們還沒有得到訂單。

48)同你的供貨商保持長期關(guān)系——確保你在下份工作時依然能夠聯(lián)系他們。

49）給運(yùn)維團(tuán)隊(duì)的每一個人配置可以用來遠(yuǎn)程工作的超級裝備：掌上電腦、無線上網(wǎng)卡、24英寸液晶顯示器等等。雇傭大拿得到回報要遠(yuǎn)大于遠(yuǎn)程雇傭的本地人員。記住運(yùn)維工程師都是用電達(dá)人，能充分的利用屏幕上的每一個像素點(diǎn)。

50)完全陷入IT標(biāo)準(zhǔn)的泥潭。直到Mac運(yùn)行office 2007和outlook，你必須運(yùn)行windows。間斷的。除非全用mac本，否則這會破壞會議日程表、聯(lián)系人或者郵件列表的辦公效率。如果有個員工愿意工作的在 xp環(huán)境。這是非常少。這條法則，現(xiàn)在是陳舊的/未公認(rèn)的，陷入泥潭不一定是最好的方法。這個列表非常的07化。

51 ）有個合理的采購流程。知道你的預(yù)算，確信能管好它。從財(cái)務(wù)得到實(shí)際的金額。在技術(shù)驅(qū)動的預(yù)算/報告和財(cái)務(wù)驅(qū)動的預(yù)算/報告直接往往有一定的差距。作為一個搞的運(yùn)維管理者要能形成模型把這些差距計(jì)入銷售總成本中。一個理解這些事情的CFO有助于推動業(yè)務(wù)決策。

52）周會一定要持續(xù)進(jìn)行。對上次會議的事件逐一落實(shí)結(jié)果和追責(zé)。

53）建立一個分離的逐級升級系統(tǒng)，用以消除由于開發(fā)者代碼的問題對線上系統(tǒng)的不良影響。這主要是運(yùn)維問題、代碼問題都存在的情況下在開發(fā)跟蹤系統(tǒng)或者運(yùn)維跟蹤系統(tǒng)中往往會丟掉，最后無人理睬。建立一個獨(dú)立的跟蹤系統(tǒng)來解決這些問題可以使得問題簡單清晰。

54 ）產(chǎn)品開發(fā)從設(shè)計(jì)開始的每個階段都要和運(yùn)維相結(jié)合。這樣，擴(kuò)展性，監(jiān)控和可靠性都融入到產(chǎn)品里。這樣同時也可以確保運(yùn)維負(fù)責(zé)的硬件采購、監(jiān)控系統(tǒng)按時到位，運(yùn)維手冊得到及時更新，最后產(chǎn)品按照預(yù)計(jì)時間上線運(yùn)行并且都符合運(yùn)維標(biāo)準(zhǔn)。

55）在公司真正的實(shí)踐——Sarbanes，WebTrust 安全審計(jì)認(rèn)證，SAS 70 審計(jì)標(biāo)準(zhǔn)，Visa 和銀行等等。如果你真的成功了，這些都是你不得不打交道的。早點(diǎn)開始這些準(zhǔn)備其實(shí)很簡單，不需要太多的知識。部署一個工單/任務(wù)跟蹤工具，使用它。把變更控制和變更管理納入同樣的系統(tǒng)里，使用它。其他信息也可以放進(jìn)來。系統(tǒng)就可以幫助我們找出像“上周變更了什么”這類信息。

56）簡化給冗余留和多點(diǎn)登錄的流程。一開始或許很難，但是一個沒有真正的擴(kuò)展性和可靠性的系統(tǒng)，才會真正耽誤你獲得成功的時間。

57）Oracle 標(biāo)準(zhǔn)版(SQL Server 標(biāo)準(zhǔn)版)是值得購買的。如果你可以限制住自己不超過標(biāo)準(zhǔn)版的需求，那就絕對值得買，哪怕你剛剛開始創(chuàng)業(yè)還不需要他。

58）Postgres 和 MySQL 是一個免費(fèi)的考慮。如果你不是特別在意事務(wù)完整性，MySQL 是很好的選擇。直到”真空”和Postgres單詞的強(qiáng)制鏈被打斷，Postgres代表一個不可預(yù)知的，通常消極詭異的數(shù)據(jù)庫。

59）容量設(shè)計(jì)應(yīng)該按照每日峰值再上拋 20% ～ 30% 的冗余。除非你是個遷移技術(shù)熱衷者。

60）盡量多讀一些經(jīng)濟(jì)雜志。它們通常是免費(fèi)的，只需你填寫一些調(diào)查問卷就可以免費(fèi)獲得。新聞的價值是巨大的。讓他們投遞到你家里，工作的時候讀雜志的機(jī)會趨近于零。

61）保障安全。開發(fā)人員不應(yīng)該有線上環(huán)境的權(quán)限，應(yīng)該做代碼復(fù)核。這是和運(yùn)維之間的職責(zé)分離。運(yùn)維團(tuán)隊(duì)中應(yīng)該有人控制其他運(yùn)維人員權(quán)限的權(quán)限。制定員工手冊，告知違反安全條例所帶來的嚴(yán)重后果。從開始就要從物理的、邏輯的、功能的各個方面來保護(hù)客戶的數(shù)據(jù)安全和隱私。萬一有客戶要和你對峙起來，你發(fā)現(xiàn)起來發(fā)現(xiàn)自己只是靠勇氣和勤奮來保護(hù)客戶數(shù)據(jù)，那你就傻了。

62） 控制好訪問入口。首先要保證大家可以正常完成工作；其次要確保你知道他們是從哪里登錄的。啟用雙因素身份驗(yàn)證方法。

63）對于人們訪問生產(chǎn)環(huán)境必經(jīng)之路的壁壘和網(wǎng)關(guān)宿主，擊鍵記錄很重要。對于 Windows 可能稍微有點(diǎn)難度，不過有些網(wǎng)關(guān)可以提供自動截屏功能。

64）如果有狀況的情況下，確保有冗余登錄點(diǎn)連線到生產(chǎn)環(huán)境。不要期望公司的 VPN 在網(wǎng)絡(luò)中斷的時候還能連上生產(chǎn)環(huán)境。直接把 VPN 架設(shè)在線上環(huán)境里。

65）使用 LDAP 認(rèn)證，哪怕你只有 10 臺機(jī)器，通過復(fù)制 passwd 和 shadow 文件的方式來管理，你也需要 LDAP 認(rèn)證。

66）不要低估在 UNIX 環(huán)境中一臺 Windows Server 2003（2008）設(shè)備的作用。如果只是因?yàn)椴欢?Windows，那么去學(xué)，而不是排斥它。

67）不要在無效的無線方案上浪費(fèi)大家的時間。人們都機(jī)動的，他們希望在沙發(fā)上，會議室里，門口，到處都要上網(wǎng)。一定要保證無線ad的可靠。

68） 總有人把額外的精力和時間都投入到工作上——直接通過他們的請假單好了。而另一些人恰恰相反只把注意力放在怎么通過自己的請假單。在個人時間安排上，運(yùn)維人員總是做出巨大的犧牲，他們隨時準(zhǔn)備凌晨3點(diǎn)爬起床快速響應(yīng)排障需求。

69）通過集中式的關(guān)系數(shù)據(jù)庫管理你所有的產(chǎn)品成果。然后通過數(shù)據(jù)復(fù)制分發(fā)到資產(chǎn)，人員，網(wǎng)絡(luò)，合同等所有數(shù)據(jù)到異地。沒錯，要的是一個在線的實(shí)時可用的復(fù)制，而不是每天晚上備份到磁帶。

70）盡可使用自動化流程以確保安全，包括操作系統(tǒng)或者產(chǎn)品的上線，文件的分發(fā)，日志的分析等。

71）自動化操作通過運(yùn)維數(shù)據(jù)庫獲得配置（真理來源）。

72）服務(wù)器通常有三種狀態(tài)——離線，在線，產(chǎn)品態(tài)。在線就是說正在通過 cfengine、rsync 或者其他你在使用的工具完成配置。產(chǎn)品態(tài)表示已經(jīng)走流量了。同時還需要一個狀態(tài)，這個狀態(tài)下的設(shè)備可以在不提供生產(chǎn)服務(wù)的情況下收集或者測試數(shù)據(jù)。

73）注重日志數(shù)據(jù)。在設(shè)備下線或者重建之前，一定要先導(dǎo)出日志。

74）如果規(guī)模發(fā)展太快以至于沒有太多時間來做優(yōu)化，那就盡力鎖定一切——流程還能進(jìn)行即可，就不要改變它，直到后來有了絕對必要的理由。總之，鎖定默認(rèn)值，等待成長到必要時再審視。

75）你永遠(yuǎn)無法避免運(yùn)維工程師在你基礎(chǔ)設(shè)施最關(guān)鍵的地方犯錯——比如在哪臺機(jī)器上不小心執(zhí)行 rm -rf / 命令。

76）為團(tuán)隊(duì)保持好玩和有趣的氣氛——如果他們不再享受他們的工作，他們就會找別的事情來消遣。要讓團(tuán)隊(duì)有主人翁意識，運(yùn)維不是哪個經(jīng)理的個人任務(wù)。

77）提供 99.999% 可用性的真正價值在于讓我們有能力保持靈活。這意味著當(dāng)你需要的時候可以充分利用冗余。這會讓物理變更、設(shè)備登入點(diǎn)變化、代碼修改和回退等等都游刃有余。這個對于公司本身價值巨大，甚至比對客戶還大。

78）如果你能做到 99.999%，給客戶100% 的服務(wù)承諾。

79） 不要丟掉按流程發(fā)布軟件的能力。應(yīng)該丟掉的是你自己回滾或者轉(zhuǎn)移到舊版本代碼的能力。壓根就不應(yīng)該“處理”這種徒勞的失敗轉(zhuǎn)移。當(dāng)事情變得不 如人意的時候，你更應(yīng)該做的是找個大玩意兒來擋住你的肥屁股。CYA = 保持敏捷 = 成功的公司。

80） 在腦子里要清楚知道為什么以及這樣做的為了達(dá)到的目的，為客戶構(gòu)建產(chǎn)品每一個具體步驟。不管你部署給最終用戶的是什么，把這些放在最先考慮，即你所有（基礎(chǔ)設(shè)施、流程和人員）的設(shè)計(jì)都是為了提供最好的服務(wù)和產(chǎn)品。

81）第一次就要做對了。很少有機(jī)會讓你回去在做一遍的。重做是對公司資源的巨大浪費(fèi)。要提高命中率，一次就要成功。

82）接觸業(yè)內(nèi)人士、盟友和類似的企業(yè)，看看他們的運(yùn)維是怎么做的。很可能他們碰到了跟你一樣的挑戰(zhàn)，而解決的方法更好。不要害怕分享自己的經(jīng)驗(yàn)和處理過程，因?yàn)閯e人也會回饋的。他山之石，可以攻玉！

83）招人要招那些好到可以讓你擔(dān)心位子不保的那樣的人，招你欣賞和可以學(xué)習(xí)的榜樣，招那些你愿意和他一起工作的。這感覺甚至超過你招聘一個工作考評為A的員工。

84） IT 和運(yùn)維是完全不同的兩個概念。一個不錯的運(yùn)維經(jīng)理應(yīng)該可以管理好企業(yè)IT，但是一個傳統(tǒng)的 IT工程師很難有能力處理互聯(lián)網(wǎng)運(yùn)維任務(wù)。

85）當(dāng)你開始一份新工作或者在每年的起始，都應(yīng)該去爭取預(yù)算。這不是說推車那老破車往前走，而應(yīng)該是基 于歷史數(shù)據(jù)做出最佳推薦方案。如果你正在評估一份新工作，請確認(rèn)你完完全全的知道預(yù)算以及預(yù)算的來源。同時，還應(yīng)該有完善這份預(yù)算的權(quán)利。