运维管理方案实践

王锐 王博文

武警宁夏总队

随着技术的进步，信息化设备不断增多，数据中心承载的任务也越来越重，为了保障机房中每一台设备的正常运作，每一个运维环节都必不可少，都不能粗心大意。在基础运维保障工作中，主要以基础环境、网络、服务器存储和基础软件四个部分来展开工作。

机房基础环境部分，包含机柜位置、空调、消防、安防、弱电、UPS等最基础的机房环境设施。主要工作要从以下三个方面把握：一是做好人员出入、设备巡检等各项审批登记管理；二是做好第三方的维保工作，保证故障处理的时效性，第三方能在故障修复有效时间内进场；三是做好维护计划和报告。通过这些基础环境部分进行运维维护，确保整个机房环境正常稳定，提升机房环境的容错率。

网络环境部分，包括当前数据中心所有的交换机、路由器等设备，以及由这些设备组成的所有网络。一是要监控网络运行情况，测试网络接入速度，监控网络访问可用性和访问质量，出现问题第一时间直接联系接入商解决；二是做好网络病毒查杀；三是做好本地局域网日常管理和维护、VLAN 划分、网络性能优化、故障排除等工作；四是提出网络风险评估，定期对网络进行优化配置，提高网络运行效率，保证整个网络环境的安全。

服务器和存储部分，包含整个数据中心的小型机、服务器、存储设备、SAN交换机等设备。这些设备支撑着整个业务系统，是非常重要的基础硬件环境。主要关注的参数有CPU利用率、内存使用参数、交换区使用参数、磁盘I\O参数、文件系统参数、重要进程运行参数、系统日志和网络端口信息等。通过监控，及时处理出现的问题，并基于整个环境提供优化。

基础软件部分，包括各种操作系统、数据库、中间件、备份软件等。其中操作系统方面，要做好保证系统稳定可靠的情况下，同时做好系统升级服务；要定时查看系统日志，排查隐患；对系统权限划分明确，不同账号责任到人，达到一人一号，一号一权，做好风险管控；定期检查磁盘空间，进行磁盘文件排列扫描和优化，删除临时文件、垃圾文件和过老备份文件；维护好系统注册表；维护好系统配置，要备份系统配置文件。数据库方面，要监控和检查资源使用情况、运行情况、数据库进程状态、数据库连接状态、数据库进程使用资源、数据库的表空间、数据库日志空间、回滚段使用情况、数据库锁的数量、磁盘I\O、数据库运行日志、数据库用户登录情况等。中间件方面：辅助开发公司进行配置，保留配置文档；模块配置与更新，配合第三方配置.java及wls的版本及更新工作；操作系统模块配置与更新，配合第三方配置操作系统到可用的版本及更新；配合反馈第三方解决服务错误日志中的问题。备份软件方面：为保证在系统崩溃或停止运行时能尽快恢复系统，将制定相关的数据备份制度。应针对不同系统制定备份方案，应包括备份方法、频率等。数据备份包括定期和不定期备份。重要数据应每月进行全备份和增量备份；不定期备份应该在数据变更后立即进行，更新前的备份按需要保存一定时间。基础软件的维护工作是最为繁琐的，在要求这些软件可以正常工作的同时优化配置，为平台和工作站正常服务，当这些软件出现问题时，能发现并提出解决方案，可以协助应用人员解决故障或进行对应的变更、升级等操作。

中大型网站的运维工作牵扯较多且细节繁杂，需从一定高度来应对解决。弄清问题本质、根据相关技术原理探寻适合的方案。一是操作系统方面，操作系统是计算机系统中必不可少的基础系统软件，它的作用是管理和控制计算机系统中的硬件和软件资源，合理地组织计算机系统的工作流程，以便有效地利用这些资源为使用者提供一个功能强大、使用方便的操作环境。它在计算机系统（硬件）与使用者之间起到接口的作用。操作系统中的命令是必要掌握的，命令对了解新上线的机器、手机应用测试数据，或是排除线上故障，这些基础信息都对运维具有极大帮助。二是产品自身方面，不论是Web网站还是移动应用，从产品形态展示到服务器的请求处理，同样是运维人员关心的。主要从四个不同的维度下手：一是使用情况监测，监测内容包括用户是用户是否完成预设的访问路径，停留在哪些内容的时间较长等；二是交互动作监测：监测内容包括页面上哪些位置更容易引起用户访问，哪些元素比较具有吸引力；三是访问性能监测，监测内容包括用户的访问等待时间，流程通过时间等；四是用户统计监测，一般包括用户的基础信息，操作习惯等，给出一个完整的用户画像。

运维团队将根据当前数据中心的实际情况和对应的管理制度，通过主动性、预防性维护，执行日常维护作业计划，对告警、性能、运行状态进行检查分析，及时进行数据备份，并定期对备份数据进行恢复性测试验证，对系统运行质量进行分析，并进行维护记录。对监控或维护中发现的问题及时处理，消除隐患，保障平台的稳定运行。一个数据中心要及早布设综合监控系统，实施24小时全天候平台设备监控，对系统运行进行实时检查。对监控或维护中发现的问题及时处理，消除隐患，保障平台的稳定运行。

数据中心运维工作，以服务为中心，以稳定、安全、高效为三个基本点，确保组织的网络业务能够 7×24 小时为用户提供高质量的服务。运维人员对网络业务所依赖的基础设施、基础服务、线上业务进行稳定性加强，进行日常巡检发现服务可能存在的隐患，对整体架构进行优化以屏蔽常见的运行故障，多数据中接入提高业务的容灾能力。并通过监控、日志分析等技术手段，及时发现和响应服务故障，减少服务中断的时间，使网络业务符合预期的可用性要求，持续稳定地为用户提供务。

参考文献：

1. 1. 饶琛琳.网站运维技术与实践[M].北京：电子工业出版社，2014

2. 老男孩. 跟老男孩学 Linux 运维：Web 集群实战[M].机械工业出版社，2016

3. 王巧雷. 数据中心运维管理方案[OL].TWT企业IT社区，2021

作者简介：

1.王锐，汉，男，宁夏固原，硕士，高级工程师，武警宁夏总队。

2.王博文，汉，男，陕西西安，助理工程师，武警宁夏总队。