首页 > IT生活 > 一个开发眼中的运维
2015
08-14

一个开发眼中的运维

在云计算时代,开发和运维的结合变得越来越重要。在DIFF论坛第一期,前新浪SAE运维主管,郑志勇,分享了《一个开发眼中的运维》根据自己从开发人员转型运维之后的心得,谈如何把在开发上的运用抽象思维方式运用到运维领域。

1.jpg

1. 运维不是什么?

运维不是打杂的,运维不是客服,运维也不是服务开发的,但要做好合作。

2. 运维是什么?

运维服务于整个产品,保证架构合理,系统稳定。运维只对业务稳定负责,所有的工作都是奔着这个去的。

3. 你如何写程序,写程序的目的是什么?

程序是为了完成特定的功能。为了完成特定的功能,程序需要申请资源、使用资源、管理资源,功能完成后,还要释放资源。说到底,就是跟资源打交道,和资源打交道的工具是“编程语言”。
资源包括什么?内存、CPU、磁盘、网络、文件描述符、外部API、缓存、数据库等,编程语言是如何管理资源的、合理的算法/架构保证了资源的合理使用,malloc/free分配内存、connec、close使用网络等等。

4. 什么样的程序算好程序?

正确的程序算好程序。

  • 逻辑正确,使用资源尽可能的少;

  • 没有bug,没有把机器资源耗尽;

  • 稳定性好,不会异常退出;

  • 可用性高,有HA方案,不会因为一台机器(或一个进程)无法提供服务,而影响整个系统的服务;

  • 没有单点是基本要求;

  • 容易扩展,只需要简单的增加资源(CPU、内存、磁盘、机器等)就行,不需要太多人工迁数据、修改配置等;

  • 容易维护,包括容易配置、容易部署、容易监控等。

5. 如何写出好程序?

什么样的程序不出错?代码少的程序错误少,逻辑简单的程序错误少,需要管理的资源少的程序错误少。要复用代码,减少代码的数量。

  • 要抽象,分层,内聚,解藕,简化逻辑,隔离资源,才能简化逻辑,隔离资源,限制错误。

  • 没有持久状态的程序好扩展,没有持久状态意味着上下线机器不需要迁移数据。没有状态的程序也很容易做HA方案。

  • 配置简单,日志丰富,能提供程序状态查询的程序好运维。

  • 但程序不可能没有数据,通过集中管理数据库,让数据尽量只读,预加载数据等手段隔离逻辑和数据,也能让扩展变的容易。

6. 系统是什么?

  • 系统是我们运维的目标,不了解系统是什么,就不知道如何运维。

  • 系统是网络,是机器,是程序。是把网络,机器,程序组织起来的架构。

  • 机器角色应该是尽量单一的,架构应该是数据流简单的,基础业务服务化的。

  • 系统是动态的,运维系统首先考虑的不是当下成本,而是系统变更(扩容,上下线机器)的成本。

  • 运维必需是简单的,要考虑的一个新手,如何能尽快上手工作,而不是冗长的文档和复杂的培训。

7. 写程序和做运维是类似的,甚至一样的!程序提供单一功能,而运维搭建,维护的系统提供全部的功能,开发人员开发的程序只是整个系统的一个部分。

  • 从某个角度说,开发人员做的事情越少,系统越容易稳定,因为开源的总是更靠谱。这是减少代码,也是复用。

  • 但运维却理应比开发更不容易犯错,因为运维只需要管理资源,而不需要应对复杂的业务逻辑。

  • 这是个矛盾,因为开发负责的复杂业务逻辑,是运维负责的系统的一部分,前者不稳定,后者也别想消停。

所以运维不懂开发,至少要懂如何控制复杂度,如何隔离故障,如何服务降级。出色的运维人员,只要精通一门语言,必然也是出色的开发(反之亦然)。但
什么是出色的运维呢?大部分运维人员,只是一个熟练的操作工人。出色的运维必然更了解系统(原理),这要读很多书,做很多思考,有很多实践。
只看这个

cat bigfile.txt | parallel --pipe wc -l | awk '{s+=$1} END {print s}'

你能不能想出parallel加速的原理是什么?

8. 你是否了解你运维的资源?

  • CPU高意味着什么?你是不是应该先问问是sys,user,iowait这三个的哪个高?是单个CPU高,还是整体都搞?

  • 你是否了解有的程序CPU使用率90%就有问题了,而有的350%了还没问题?

  • load高意味着cpu高吗?内存耗尽导致load高的原理是什么?内存耗尽回导致io高吗?

9. 是否正确的监控了资源?

监控了磁盘使用率,是不是也监控了磁盘的io能力,raid卡呢?磁盘损坏呢?监控了网卡使用率,是不是也监控了丢包率?

10. 资源是否一定对应硬件?

  • CPU,内存,磁盘,带宽都有对应的硬件,那些没有硬件对应的资源呢?文件描述符,端口数,进程数是不是资源?

  • 路由表,iptables,cron是不是资源?

  • MySQL主从,第三方REST接口是不是资源?

11. 为什么要尽量把一切抽象为资源?

还记得刚才说程序要讲抽象么,为什么linux一切皆文件?一切运维对象都抽象为资源后,就可以用尽量统一的方法来管理(配置,监控)。
如果新上线一台机器无比容易,为什么还要费尽修复删除的/usr目录呢,把它当成新机器重做上线就行了。

12. 运维原则:

  1. 线上变更必需走配置管理。线上系统对任何人应该是只读的,只有配置管理程序有权写。这样保证了,变更是可重复的,可复制的。手工加路由,手工修改
    文件权限,手工配置ip,手工配置nfs,手工起虚拟机等等。一切在线上手工做的操作,于团队都是无益的,因为团队失去了一次改进配置管理的机会。任何操
    作不是想我就这一台机器,而是想我有1000台机器怎么办。

  2. 上线业务必需先问,如何保证HA,如何扩展,如何运维/监控。这三个问题不解决,谨慎上线,当然上线必需使用配置管理上线。

  3. 隔离复杂度,要简化,抽象。抽象指角色抽象。运维眼中没有计数用的mc,和缓存用的mc,运维眼中只有mc,于是所有的mc都来自mc池,mc池通过puppet配置,创建mc的过程编程了简单的
    puppet配置。一旦把自己管理的所有业务抽象/分拆为几种有限的“业务”,缓存、mysql、httpd等,一切就简单了。例如我们有缓存池、数据库池、redis池、httpd池。(参考:4、5)

  4. 先解决问题,然后是以后如何避免此类问题,后者更重要。

  5. 不犯第三次错误(重复的问题不出现第三次)。第一次算不知道,第二次算不小心,第三次特么是故意的吧。如果每个问题都能彻底有效解决(最终落实到配置变更和监控),问题就会越来越少。

  6. 时刻思考如何“偷懒”,运维越清闲,系统越稳定。

13. 配置管理是如何管理资源的?

  1. 包,所有线上的软件/脚本都是通过(rpm)包管理的。

  2. 文件,所有的变更“持久化”都是通过文件。程序的配置文件,sysctl,iptables,route,cron等凡是能用配置文件控制的一切。

  3. 进程,所有的进程都是用配置管理启动的,或者通过配置管理写文件到系统启动目录,例如rc3.d。

你能相到的一切,无论是配置keepalived,还是添加用户,都抽象为这三个。如果不能抽象为这三个,请再思考两个小时。
如果系统可以由这三者全部控制,而这三者又全部写入了配置管理,这意味着按照配置管理配置出来的系统就一定是对的。扩容,升级,机器的上线,下线从此该有多容易。而运维人员,可以通过配置管理,一览整个系统,通过持续改进的模板,配置更容易学习,不容易出错。

监控

  1. 的正确性,业务响应时间也要同等关注的。

  2. 基础监控要全面,但不一定实时报警。如果业务不受影响,又何必半夜起来处理宕机呢?如果业务有问题,全面的监控会帮你发现问题的蛛丝马迹。

如果memcache偶尔响应慢,你怎么能想到是swap导致的呢?全面的监控可以帮你发现这一点。把业务逻辑抽象为资源,可以统一业务监控和基础监控。(监控如何算全面,参考8、9)

运维技巧

  1. 重装操作系统,使用puppet重新配置,是系统恢复到正确状态的最佳途径。理论上,新装的机器使用puppet配置后一定是能用的,否则,就是puppet写的有问题。

  2. 区分无状态的机器和有状态的机器,尽量把状态集中,然后集中精力运维这些有状态的机器。
    宁可通过网络把状态集中也要尽量让机器避免有状态,无状态的机器非常好运维。




最后编辑:
作者:tshare365
这个作者貌似有点懒,什么都没有留下。
捐 赠您的支持是博主写作最大的动力,如果您喜欢我的文章,感觉我的文章对您有帮助,请狠狠点击

留下一个回复