运维需求及解决现网问题的能力评估

一、运维需求背景

现在阿里云线上服务器由开发同事管理，主要负责应用的发布/升级；同时对系统进行维护/服务器监控、资源回收等运维工作； 目前已实施对阿里云线上服务器软硬件资源的监控，实现短信/钉钉/邮件等告警举措； 由于java后台开发人力资源紧张,多项目并行开发，同时，需要回到本职开发及日常管理工作，加上运维的工作量出现倾斜， 鉴于此，我们需要招聘一名运维人员来管理维护系统，保障现有<产品>的线上服务的健康运行环境。

二、不同级别运维工程师的能力体现

1、初中级运维

从申请域名开始，购买/租用服务器,上架， 调整网络设备的设置，部署操作系统和运行环境， 部署代码, 软硬件资源监控等

2、中高级运维

资源评估、控制服务器成本，完成申请资源； 软件硬件资源监控、应用服务评估运行状态； 对网络流量波动、程序bug等问题的出现制定预案； 服务管理，包括资源整合、扩容、流量调度等； 有一定编码能力，需要结合业务开发运维平台，实现自动化部署方案。

3、高级运维

懂开发技术架构为前提：

a、项目立项之初，评估产品结构设计的合理性，

        熟悉产品业务，便于做到应用业务级别的监控；

b、产品发布过程中，实现内测限制<ip白名单>及对外开放服务，

        同时需要保障不中断对外提供服务的能力；

c、产品上线后，对于运维监控的级别又有了新的挑战：

        i>、软硬件资源监控，可以不依赖阿里云生态；

        ii>、做到应用服务监控，往下便到了日志级别监控；

        iii>、业务级别监控，需要与运营/开发协作了解业务；甚至有直接解决bug的能力。

d、收集工作中的问题和数据进行分析，制定相关改进计划，对以下能力评估体现：

e、故障处理能力：服务中止、服务器奔溃等问题制定预案；

f、服务容量管理：需要评估服务的容量，规划好服务资源；

g、服务性能优化：包括网络、系统、应用等方向，提高服务的性能和响应速度，提高用户体验；

h、服务集群管理、成本管理等等服务质量、效率、成本、安全等方面的工作；

三、目前面临的问题

1、无法及时响应反馈线上问题，快速定位bug或服务器问题，且无法及时解决；

- 定位系统的问题，需要一位深入业务的高级开发便可以直接修正bug；

        - - 但是对于其职能定位?定然会照成资源浪费；

- 对突然出现的问题做到快速响应和处理；

-保证服务的稳定运行。

2、这个点的问题在于运维或开发在休息日是否有条件(网络、电脑设备、位置)来解决问题;

3、需要解决上面的问题，尤其是后台bug，至少需要一名中高级的后台开发工程师，且需要深入了解公司业务，且不能全职运维；这是一个尴尬的局面，如果遇见节假日反馈问题且需要及时响应，那么可能出现另一种工作状态，他必须在节假日上班，与正常出勤的同事无缝衔接；

4、现有公司硬件资源有效利用：从业务角度，调配资源，资源使用率最大化，从而节省资源；

5、有时扩容需求，这时需要监控现网数据来预测服务的增长趋势，对软件和系统性能进行调优。

四、解决现状的办法

1、招聘一位中高级运维，解决日常运维问题(环境、网络等方面)，需要监控系统运行状态，懂开发技术架构，深入业务解决运营痛点，能做到业务级别监控，协助开发定位业务bug；

2、运维技术层面需要会和开发做elk日志分析系统，熟练运用k8s集群，这会解决服务器自动伸缩(在服务器资源吃紧时增加实例，空闲时减少实例)、负载均衡（不能再依赖nginx来做）

3、最终运维的作用将会是协助开发定位问题，获取日志、sql查询数据、服务器维护等或其他运维工作。