对运维的理解

运维的职责

以服务为中心，以稳定、安全、高效为三个基本点，确保公司的互联网业务能够7×24小时为用户提供高质量的服务。运维的职责覆盖了产品从设计到发布、运行维护、变更升级及至下线的生命周期。

运维的工作范围

• 服务监控技术：包括监控平台的研发、应用，服务监控准确性、实时性、全面性的保障
• 服务故障管理：包括服务的故障预案设计，预案的自动化执行，故障的总结并反馈到产品/系统的设计层面进行优化以提高产品的稳定性
• 服务容量管理：测量服务的容量，规划服务的机房建设，扩容、迁移等工作
• 服务性能优化：从各个方向，包括网络优化、操作系统优化、应用优化、客户端优化等，提高服务的性能和响应速度，改善用户体验
• 服务全局流量调度：接入服务的流量，根据容量和服务状态在各个机房间分配流量 服务任务调度：服务的各种定时/非定时任务的调度触发及状态监控
• 服务安全保障：包括服务的访问安全、防攻击、权限控制等 数据传输技术：包括p2p等各类传输技术的研发应用，也远距离大数据传输等问题的解决
• 服务自动发布部署：部署平台/工具的研发，及平台/工具的使用，做到安全、高效的发布服务 服务集群管理：包括服务的服务器管理、大规模集群管理等
• 服务成本优化：尽可能降低服务运行使用的资源，降低服务运行成本
• 数据库管理（DBA）：通过设计、开发和管理高性能数据库集群，使数据库服务更稳定、更高效、更易于管理
• 平台化的开发：类docker等平台的开发管理，及服务接入技术 分布式存储平台的开发优化与接入

相关流程和规范

• 线上变更流程
• 下线CheckList
• 上线CheckList
• 线上异常处理流程
• 核心服务故障处理流程
• 运维事故处罚机制
• 机器命名规范
• 故障处理机制
• …

需要具备的能力

• 扎实的计算机基础知识，包括计算机系统架构，操作系统，网络技术等
• 通用应用方面需要了解操作系统、网络、安全，存储，CDN，DB等，知道其相关原理
• 编程能力，小到运维工具的开发大到大型运维系统/平台的开发都需要有良好的编程能力
• 深刻理解分布式系统架构，大规模并发处理技术
• 丰富的系统知识，包括系统工具、典型系统架构、常见的平台选型等 数据分析能力，能够整理、分析系统运行的各项数据，从中发现问题及找到解决方向