運維工程師心法:6 大技能讓你告別背鍋

運維工程師心法:6 大技能讓你告別背鍋

一、線上操作規范

1.測試使用當初學習Linux的使用,從基礎到服務到集群,都是在虛擬機做的,雖然老師告訴我們跟真機沒有什麼差別,可是對真實環境的渴望日漸上升,不過虛擬機的各種快照卻讓我們養成瞭各種手賤的習慣,以致於拿到服務器操作權限時候,就迫不及待的想去試試。

記得上班第一天,老大把root密碼交給我,由於隻能使用putty,我就想使用xshell,於是悄悄登錄服務器嘗試改為xshell+密鑰登錄,因為沒有測試,也沒有留一個ssh連接,所有重啟sshd服務器之後,自己就被擋在服務器之外瞭,幸好當時我備份瞭sshd_config文件,後來讓機房人員cp過去就可以瞭,幸虧這是一傢小公司,不然直接就被幹瞭……慶幸當年運氣比較好。

第二個例子是關於文件同步的,大傢都知道rsync同步很快,可是他刪除文件的速度大大超過瞭rm -rf,在rsync中有一個命令是,以某目錄為準同步某文件(如果第一個目錄是空的,那麼結果可想而知),源目錄(有數據的)就會被刪除,當初我就是因為誤操作,以及缺乏測試,就目錄寫反瞭,關鍵是沒有備份……生產環境數據被刪瞭

沒備份,大傢自己想後果吧,其重要性不言而喻。

2. Enter前再三確認關於rm -rf / var 這種錯誤,我相信手快的人,或者網速比較慢的時候,出現的幾率相當大。

當你發現執行完之後,你的心至少是涼瞭半截。

大傢可能會說,我按瞭這麼多次都沒出過錯,不用怕,我隻想說,當出現一次你就明白瞭,不要以為那些運維事故都是在別人身上,如果你不註意,下一個就是你。

3. 切忌多人操作我在的上一傢公司,運維管理相當混亂,舉一個最典型的例子吧,離職好幾任的運維都有服務器root密碼。

通常我們運維接到任務,都會進行簡單查看。如果無法解決,就請求他人幫忙,可是當問題焦頭爛額的時候,客服主管(懂點linux),網管,你上司一起調試一個服務器,當你各種百度,各種對照完瞭發現,你的服務器配置文件,跟上次你修改不一樣瞭,然後再改回來,然後再谷歌,興沖沖發現問題,解決瞭,別人卻告訴你,他也解決瞭,修改的是不同的參數……這個,我就真不知道哪個是問題真正的原因瞭,當然這還是好的,問題解決瞭,皆大歡喜,可是你遇到過你剛修改的文件,測試無效,再去修改發現文件又被修改的時候呢?真的很惱火,切忌多人操作。

4.先備份後操作養成一個習慣,要修改數據時,先備份,比如.conf的配置文件;

另外,修改配置文件時,建議註釋原選項,然後再復制,修改;

再者說,如果第一個例子中,有數據庫備份,那rsync的誤操作不久沒事瞭吧;

所以說丟數據庫非一朝一夕,隨便備份一個就不用那麼慘。

二、涉及數據

1.慎用rm -rf網上的例子很多,各種rm -rf /,各種刪除主數據庫,各種運維事故……

一點小失誤就會造成很大的損失。如果真需要刪除,一定要謹慎。

2.備份大於一切本來上面都有各種關於備份,但是我想把它劃分在數據類再次強調,備份非常之重要哇~

我記得我的老師說過一句話,涉及到數據何種的謹慎都不為過。

我就職的公司有做第三方支付網站和網貸平臺的。第三方支付是每兩個小時完全備份一次,網貸平臺是每20分鐘備份一次。

我不多說瞭,大傢自己斟酌吧

3.穩定大於一切其實不止是數據,在整個服務器環境,都是穩定大於一切,不求最快,但求最穩定,求可用性。

所以未經測試,不要在服務器使用新的軟件,比如nginx+php-fpm,生產環境中php各種掛啊~

重啟下就好瞭,或者換apache就好瞭。

4.保密大於一切現在各種艷照門漫天飛,各種路由器後門,所以說,涉及到數據,不保密是不行的。

三、涉及安全

1. ssh

  • 更改默認端口(當然如果專業要黑你,掃描下就出來瞭)
  • 禁止 root 登錄
  • 使用普通用戶+key認證+sudo規則+ip地址+用戶限制
  • 使用hostdeny類似的防爆力破解軟件(超過幾次嘗試直接拉黑)
  • 篩選/etc/passwd中login的用戶

2. 防火墻防火墻生產環境一定要開,並且要遵循最小原則,drop所有,然後放行需要的服務端口。

3.精細權限和控制粒度能使用普通用戶啟動的服務堅決不使用root,把各種服務權限控制到最低,控制粒度要精細。

4.入侵檢測和日志監控

  • 使用第三方軟件,時刻檢測系統關鍵文件以及各種服務配置文件的改動。比如,/etc/passwd,/etc/my.cnf,/etc/httpd/con/httpd.con等。
  • 使用集中化的日志監控體系,監控/var/log/secure,/etc/log/message,ftp上傳下載文件等報警錯誤日志。
  • 另外針對端口掃描,也可以使用一些第三方軟件,發現被掃描就直接拉入host.deny。這些信息對於系統被入侵後排錯很有幫助。有人說過,一個公司在安全投入的成本跟他被安全攻擊損失的成本成正比,安全是一個很大的話題。

也是一個很基礎的工作,把基礎做好瞭,就能相當的提高系統安全性,其他的就是安全高手做的瞭。

四、日常監控

1.系統運行監控

好多人踏入運維都是從監控做起,大的公司一般都有專業24小時監控運維。系統運行監控一般包括硬件占用率,常見的有,內存,硬盤,cpu,網卡,os包括登錄監控,系統關鍵文件監控。

定期的監控可以預測出硬件損壞的概率,並且給調優帶來很實用的功能。

2.服務運行監控

服務監控一般就是各種應用,web,db,lvs等,這一般都是監控一些指標,在系統出現性能瓶頸的時候就能很快發現並解決。

3.日志監控

這裡的日志監控跟安全的日志監控類似,但這裡一般都是硬件,os,應用程序的報錯和警報信息。

監控在系統穩定運行的時候確實沒啥用,但是一旦出現問題,你又沒做監控,就會很被動瞭。

五、性能調優

1.深入瞭解運行機制其實按一年多的運維經驗來說,談調優根本就是紙上談兵,但是我隻是想簡單總結下,如果有更深入的瞭解,我會更新。

在對軟件進行優化之前,比如要深入瞭解一個軟件的運行機制,比如nginx和apache,大傢都說nginx快,那就必須知道nginx為什麼快,利用什麼原理,處理請求比apache,並且要能跟別人用淺顯易懂的話說出來,必要的時候還要能看懂源代碼,否則一切以參數為調優對象的文檔都是瞎談。

2.調優框架以及先後熟悉瞭底層運行機制,就要有調優的框架和先後順序,比如數據庫出現瓶頸,好多人直接就去更改數據庫的配置文件,我的建議是,先根據瓶頸去分析,查看日志,寫出來調優方向,然後再入手,並且數據庫服務器調優應該是最後一步,最先的應該是硬件和操作系統,現在的數據庫服務器都是在各種測試之後才會發佈的

適用於所有操作系統,不應該先從他入手。

3.每次隻調一個參數每次隻調一個參數,這個相比大傢都瞭解,調的多瞭,你就自己就迷糊瞭。

4.基準測試判斷調優是否有用,和測試一個新版本軟件的穩定性和性能等方面,就必須要基準測試瞭,測試要涉及很多因素。

測試是否接近業務真實需求這要看測試人的經驗瞭,相關資料大傢可以參考《高性能mysql》第三版。

我的老師曾說過,沒有放之四海皆準的參數,任何參數更改任何調優都必須符合業務場景。所以不要再谷歌什麼什麼調優瞭,對你的提升和業務環境的改善沒有長久作用。

六、運維心態

1.控制心態很多rm -rf /data都在下班的前幾分鐘,都在煩躁的高峰,那麼你還不打算控制下你的心態麼?

有人說瞭,煩躁也要上班,可是你可以在煩躁的時候盡量避免處理關鍵數據環境。

越是有壓力,越要冷靜,不然會損失更多。

大多人都有rm -rf /data/mysql的經歷,發現刪除之後,那種心情你可以想象一下,可是如果沒有備份,你急又有什麼用,一般這種情況下,你就要冷靜想下最壞打算瞭,對於mysql來說,刪除瞭物理文件,一部分表還會存在內存中,所以斷開業務,但是不要關閉mysql數據庫,這對恢復很有幫助,並使用dd復制硬盤,然後你再進行恢復

當然瞭大多時候你就隻能找數據恢復公司瞭。

試想一下,數據被刪瞭,你各種操作,關閉數據庫,然後修復,不但有可能覆蓋文件,還找不到內存中的表瞭。

2.對數據負責

生產環境不是兒戲,數據庫也不是兒戲,一定要對數據負責。不備份的後果是非常嚴重的。

3.追根究底很多運維人員比較忙,遇到問題解決就不會再管瞭,記得去年一個客戶的網站老是打不開,經過php代碼報錯,發現是session和whos_online損壞,前任運維是通過repair修復的,我就也這樣修復瞭,但是過瞭幾個小時,又出現瞭。反復三四次之後,我就去谷歌數據庫表莫名損壞原因:一是myisam的bug,二是mysqlbug,三是mysql在寫入過程中被kill,最後發現是內存不夠用,導致OOM kill瞭mysqld進程,並且沒有swap分區,後臺監控內存是夠用的,最後升級物理內存解決。

4.測試和生產環境在重要操作之前一定要看自己所在的機器,盡量避免多開窗口。

Published in News by Awesome.

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *