SRE/运维保障体系的建设

SRE/运维保障体系的建设/SLA

前言

运维的基础工作通常是针对现有系统及项目的，例如服务器、各类云产品，正在运行的项目、监控、账号权限管控，项目上线等等，是宽泛而繁琐的，少有建设性的内容。
那当我们接手一套新的系统，就有必要将它本身及周边进行完善。可能少数公司有较为全面的运维体系，有我们的桌面运维，网络运维，安全运维，研发运维、数据库运维以及系统运维或应用运维等专业团队，而更多的公司运维可能只有1-2个。以上的岗位工作都需要完成，但以下我们着重会聊到应用运维。

在接触新环境时，面对的是上任留下的坑，这比开发接手代码要更加严峻。交接的资料其实不应该只是账号密码、工作流程，工作注意事项，更重要的是操作维护文档，因为系统很少有简单的环境，即便有，也会存在一些微妙的项目逻辑关系，稍有不慎，就有可能酿成线上问题，现在大多都是微服务的结构，增加了系统维护的复杂性。

例如接手后领导要你部署使用docker部署一个java服务 , 从正式环境复制一个到测试环境，结果启动后出问题了，可能是启动参数与目前环境不匹配，可能是连接权限未放开，可能是启动后连接的是生产的数据库，如果程序启动后清空或者修改了一些历史数据，令人细思极恐。

这种问题很常见，就我目前就遇到不少，好多配置信息写的很模糊，项目与项目之间耦合度非常高，没准就牵扯到哪个系统了，牵一发而动全身，是关也不敢关，改也不敢改，作为一名运维工程师，我们居然会不敢动一个项目！

所以要打造一个铁桶出来，这是一个创造性的过程，也是我们深入项目的过程。只有更深入的了解项目，才能更好的去维护项目。

做好一个运维的基础

• 对自己当前的环境和任何东西都应该非常清楚；
• 要有监控，切实有用的可以发现问题的监控；
• 任何东西都要有备份，可以用于快速恢复，也要做恢复演练。

进阶∶

• 针对系统做优化处理；
• 针对工作流程做优化处理
  这就是上述大纲了，后续会详细说明的，其实也是大众路线，先标准化、流程化，再自动化。

基础

2.1 项目摸底
在接手系统后，先要确保能日常维护，对整套系统做一个摸底，一般包括以下几项：

• 项目简介
• 账号密码表
• 项目资源管理配置清单
• 各种结构流程图
• 部署维护文档
• 项目监控策略汇总表
• 项目应急操作手册

1. 项目简介
   我们可以从当前项目的业务范围，即项目的功能是什么？以及项目负责人及相关人员是谁，方便我们后面更好的项目对接。
2. 账号密码表
   账号密码表中应详细记载各服务器、平台、系统的登录用户名及密码，另外还应该有权限记录表，记录给谁开过权限，登录账号又是什么，以上种种，此处仅是距离，需要记录的东西很多，切记一定要准确清晰。
3. 项目资源管理配置清单
   这里面我觉得至少包含但不限于4个sheet表：服务器清单，项目