编者按：本文作者是一名在互联网公司工作了多年的运维专家，写本文目的其实只是想给做运维的人看看，gogo姐经作者授权把本文分享给大家！
1 只谈运维，不谈工程。
2 第三部分分享，其它无法分享。第二，四部分需要多个IT系统，流程，规则与之配合。
3 非云计算情况下运维，一家之言，仅供参考。
4 曾希望，大量在客户现场系统，在不主动操作和变更情况下，能依赖架构、程序、运维动作可以无人情况下自我运行、自我循环、自动抗住一般问题、故障半年以上。当然因为各种操作和变更，这是不可能的，但可以向这个方向持续实践。
三 现场层面运维动作
3.1 资料完整性，准确性
1 无论用excel，word，运维工具，运维平台，PPT，visio等，各种相关文档完整性，准确性是非常重要的。
2 机房平面图，机柜面板图，机房、机柜具体位置。
3 主机名称，硬件型号，IP，用户，密码，机柜位置，设备序列号，设备上线时间，初验时间，终验时间，合同号，维保合同号，过保时间，运行应用程序。
4 网络设备端口表。
5 各种SSH、URL、客户端、ORACLE，应用程序等登录用户，密码。
6 IP地址包括：固定，浮动，内网，外网。
7 组网图，标明IP，网内，网外。
8 逻辑图，流程图。
9 各种软硬件版本号，如防火墙，交换机，存储，操作系统，数据库，各种应用。
10 变更记录表。包含原版本，目标版本，解决那些主要问题，操作人，时间。
11 整个系统启动，停止，查看状态命令，包含所有软硬件启动，停止，查看。
12 周边网元，账号，密码，接口方式，协议，IP，端口，服务端，客户端，联系厂家，人员，电话，邮件。
13 应急方案（系统各种应急情况，故障情况的应对措施）
14 联系人表，包括客户，厂家维护人员，维护主管，市场人员，第三方厂家人员，各公司400联系方式。相关人员姓名，电话，邮箱。
15 产品培训文档。
16 产品文档，安装，调试，操作，维护，故障处理，参考，专题，术语等。
3.2 监控
1 监控主机，网络，存储，操作系统，数据库，应用。
2 可以客户端显示告警。
3 分几个级别，重要级别短信，邮件，微信告警。
4 及时，准确。
5 可能有统一监控平台，也可以自定义部分脚本。
思考：
a) 互联网一些云平台可以根据监控的问题，自动进行故障自愈，业务扩缩容。
b) 尽量减少误告警。
3.3 巡检
1 通过运维平台，维护工具，脚本，自动定时巡检，如一天一次，一周一次，一个月一次。
2 可以对主机，网络，存储，应用，数据库进行巡检。
3 每天或每周看一次。
4 有问题尽快处理。
思考：
a) 巡检如个人体检医院，是最重要维护手段之一，必须脚本，工具，平台自动化。
3.4 备份
1 自动本地定时备份，自动上传备份服务器（尽量有存储），自动删除本地XX天之前文件。
2 备份服务器有目录结构，备份各节点配置，数据库，网络等配置，自动定期删除XX天之前文件。
3 备份系统软件，平台安装软件，文档资料，产品手册等等。
4 尽可能有两台备份服务器，异地更好。定期备份一次。
5 最好个人有移动硬盘能备份。
6 通过脚本，工具，运维平台自动备份。
其它注意事项：
a) 备份是最重要维护工作之一，不管是传统IT的备份，还是云平台上的镜像，都是出问题时，恢复业务的关键方法之一。
3.5 双机，集群
1 所有重要设备都是双机或集群，防火墙双机，交换机双机，负载均衡器双机，数据库双机，核心业务双机，核心业务集群，网络核心设备分布在两个相邻机柜，双电源，四电源。
2 多地多机房。
3 核心业务，可以多套同时对外服务。
思考：
a) 云计算上，如果规模大，同样多地部署。
3.6 冗余
1 如果所有设备只在一个地方，如一个机房，一套网络设备下，那么建议核心部件建冗余系统。
2 冗余系统可以为单机，多机。
3 核心业务，数据库等，可以做冗余系统。
4 一旦核心业务、数据库等故障，无法恢复，可以用冗余系统改IP，启动服务就可以。
思考：
a) 云计算上，冗余容易些，虚拟机或容器镜像就可以。
b) 重要系统建全部冗余系统，可能几十台，几百台设备。
3.7 跳转机，堡垒机
1 尽量有两台跳转机或堡垒机。
2 各种应用客户端安装在堡垒机上。如运维平台客户端或页面，SecureCRT，Xmanager，P/L SQL，巡检工具，FTP，浏览器，存储，网络设备维护工具等等。
3 采用VPN，短信验证或其它方式登录堡垒机，确保认证安全，难破解。
4 WINDOWS7或WINDOWS2008，在外部防火墙和主机防火墙可以开启防护，只开放可以访问端口并且外部防火墙用其它端口映射。
5 简单情况，SecureCRT可以同时访问8-10台。如果设备多，几百，上千，用运维工具或运维平台管理。
3.8 安全加固
1 升级应用程序，补丁。
2 修改配置。
3 规避。
4 所有节点维护端口只对堡垒机，运维平台机器开放，禁止其它机器，包括局域网其它机器可以访问。如SSH 22端口，FTP 21端口，数据库1521端口，页面80端口等。
5 Oracle的sqlnet.ora，主机hosts.allow，NTP的ntp.conf等都可以限制IP。
6 iptables。
7 漏洞端口本地iptables封堵，或程序停止服务。
思考：
a) 安全加固引起无数问题，故障，事故。
b) 安全只能达到一个平衡，不能做到所有都安全加固，否则无法维护。
c) 城墙被攻破是最薄弱那个点，其它地方加固再强，也可能被攻破。需要一个平衡。
d) 尽量在网络层，传送层就限制住攻击，不在应用层与攻击者PK。就是IP，或IP+端口进行限制。
e) 硬件防火墙，交换机流策略或ACL，主机iptables，应用配置，应用的IP，用户，密码认证，都是安全防护手段。
3.9 过保或停止服务设备统计
1 一些硬件，软件已经过了维保期，客户没有买服务，或原厂不再提供维保。
2 主机，网络，存储，操作系统，中间件，数据库，应用等，都进行统计。
3 告知客户。
4 推动买维保，推动更换设备，升级软硬件。
5 应急方案要准备好。
3.10 系统隐患排查
1 硬件隐患，单机，软件隐患，无后续版本，license到期，无人员，无厂家支撑等等。
2 告知客户。
3 推动更换。
3.11 用户密码
1 从维护角度，一个人维护200-400服务器（主机），50台网络设备，50台存储，3-8个系统，大量子系统，50套数据库。这是比较繁忙的工作，建议每个系统几十台至一百多台设备，只有三至四种密码。
2 堡垒机密码定期修改，内部应用是否定期更换取决于维护规定。
3 一个系统内大量各种样式密码，将大大降低维护效率，即使有运维平台也只能部分提高效率。
4 当出现重大故障，紧急故障，日常问题定位，这些各式各样密码将是噩梦。
5 尽量用运维平台或工具统一修改密码。
3.12 信息收集
1 主机：主机名，CPU，内存，磁盘，网卡，mount点，VG，LV，双机状态，双机脚本，启动脚本，路由，路由文件,after.local，boot.local，raw –qa，内置硬盘是否故障等等信息。
2 网络：收集disp diag。
3 存储：通过存储工具收集存储配置信息。
4 应用软件配置。
5 这些当出现故障，重启，设备更换时，对问题定位有很大帮助。
3.13 启动停止命令表
1 一个人维护系统非常多，当机房停电，或人员变化时，需要一份启动停止查看命令表。
2 当整个系统加电，有明确启动顺序，如网络设备加电启动，存储加电启动，主机加电启动。
3 应用启动命令，查看命令。
4 所有应用停止命令。
5 明确停止顺序。
3.14 及时刷新维护资料
1 日常操作手册，最常见动作。
2 各种系统信息及时更新，如用户密码等等。
3 应急方案及时更新。
4 案例及时总结。
本文来源于网络，版权归原作者所有，如有侵权，请联系删除。
运维干货汇总：
欢迎加入高薪求职大家庭
听说进入IT达人圈子的童鞋，运气都比以前好！因为你获得比别人更多的机会，更大的视野！
目前IT达人圈有微信群，专门做行业交流，里面有IT公司招聘内推和猎头职位，沟通氛围热烈，是个大群。
群目的：IT公司招聘内推、IT人员求职，行业交流聚会等等，目前内推的公司包括互联网、证券公司、IBM、H3C、各大咨询机构、各大IT服务管理公司，另外还有猎头职位。
入群要求：：IT从业人员，重点是IT管理人员、IT运维人员，IT安全人员，研发人员，仅限于技术人员交流，业务人员勿扰。
加群方法：加微信：gogoat01，备注：求职群，公司＋职位＋姓名+地区，真实的社群才有价值。另外有一些职位，会根据自我介绍推荐
温馨提示：管理员平时比较忙，所以会响应慢点，会集中一段时间处理，请见谅
编辑：Gogoat
17年IT生涯，非著名IT策划人
擅长连接，最受信赖的IT社区管理员。
职位、干货投稿；加入圈子，请扫一扫
924
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
