編者著：井老板是我11年入行加入百度時(shí)的團(tuán)隊(duì)大老板，骨灰級(jí)老炮，逮著這個(gè)機(jī)會(huì)不容易，把業(yè)內(nèi)常見問題都問了個(gè)遍，以饗讀者。井老板生性灑脫，嬉笑怒罵皆成文章，道理自在其中。這里是接地氣、有高度的《運(yùn)維百家講壇》第 1 期，開講！

嘉賓介紹

井源，左一，前百度運(yùn)維架構(gòu)師，前小米運(yùn)維負(fù)責(zé)人，前美菜CIO

有些運(yùn)維人員反映公司對運(yùn)維的價(jià)值所知甚少，您當(dāng)年是怎么給公司講清楚運(yùn)維的價(jià)值的呢？

首先需要和公司講清楚運(yùn)維的崗位職責(zé)（運(yùn)維是干什么、產(chǎn)出什么）和關(guān)鍵指標(biāo)（度量產(chǎn)出成果），比如工作圍繞穩(wěn)定、安全、高效等方向展開，開展了哪些運(yùn)維項(xiàng)目，如何主動(dòng)推進(jìn)關(guān)鍵指標(biāo)的達(dá)成。

關(guān)鍵指標(biāo)，不僅僅包含服務(wù)可用性，還有比如服務(wù)器資源達(dá)標(biāo)率、服務(wù)故障數(shù)據(jù)（故障分類、故障響應(yīng)時(shí)間、平均故障恢復(fù)時(shí)間、故障告警覆蓋率）、服務(wù)安全指標(biāo)、服務(wù)資源到位時(shí)長等等。

比如搭建一套完善的監(jiān)控系統(tǒng)：

監(jiān)控服務(wù)器資源使用率，找出使用率不達(dá)標(biāo)的服務(wù)器進(jìn)行回收或資源重新分配，通過虛擬化、容器化等手段提升資源使用率 梳理告警閾值，規(guī)范P0、P1、P2、P3告警級(jí)別；監(jiān)控系統(tǒng)提供告警合并、智能定位建議，提供活躍告警聚合，提供時(shí)間緯度的告警分析。方便更快的告警響應(yīng)和故障定位，提升故障響應(yīng)時(shí)間、故障恢復(fù)時(shí)間等 服務(wù)的告警和預(yù)案梳理，縮短平均故障恢復(fù)時(shí)間，提升故障告警覆蓋率

業(yè)內(nèi)有觀點(diǎn)認(rèn)為云和Kubernetes這樣的基礎(chǔ)設(shè)施的崛起會(huì)讓運(yùn)維崗位逐漸消亡，您是怎么看待這樣的觀點(diǎn)呢？

很多年前我們運(yùn)維團(tuán)隊(duì)的口號(hào)是NO Ops，博客是noops.me。

很早就說過，運(yùn)維崗位會(huì)逐漸消亡，或者部分工作職責(zé)會(huì)消亡。拿系統(tǒng)運(yùn)維來舉例，以前管理的團(tuán)隊(duì)需要服務(wù)器工程師、內(nèi)核工程師、網(wǎng)絡(luò)工程師、CDN工程師、機(jī)房運(yùn)維工程師等小20人的團(tuán)隊(duì)。后來通過引入公有云，團(tuán)隊(duì)只有4個(gè)人，云資源管理員1人、CDN調(diào)度工程師1人、網(wǎng)絡(luò)工程師1人、內(nèi)核工程師1人，他們只需要管理和調(diào)度好第三方公司提供的資源和服務(wù)即可。

隨著K8s和云的普及，以及研發(fā)代碼工程化的不斷成熟，運(yùn)維在這個(gè)過程中的參與度會(huì)越來越少。在部署框架成熟的情況下，為了節(jié)省運(yùn)維人力，提升部署效率，二、三級(jí)服務(wù)的部署已經(jīng)交給研發(fā)自助完成。

隨著科技的發(fā)展，時(shí)代的變化，一個(gè)崗位的消亡是很正常的事情，及時(shí)做好調(diào)整和規(guī)劃才是思考的重心。

在企業(yè)大范圍上云的當(dāng)下大環(huán)境里，您覺得運(yùn)維人員應(yīng)該做出哪些調(diào)整才能更適合當(dāng)下的人才需求？

在上云的大環(huán)境下，運(yùn)維工程師更應(yīng)該面向業(yè)務(wù)、面向架構(gòu)，拓展自己的業(yè)務(wù)范圍，成為保障業(yè)務(wù)穩(wěn)定的關(guān)鍵人才。如果還是和以前一樣，僅僅只關(guān)注監(jiān)控報(bào)警，只負(fù)責(zé)服務(wù)部署變更，那么勢必會(huì)被淘汰。

另一方面，可以往專精的方向走，成為某個(gè)領(lǐng)域的專家（監(jiān)控、大數(shù)據(jù)、K8s、數(shù)據(jù)庫等等），走運(yùn)維研發(fā)專家的方向。

人生的建議，多尋找一些副業(yè)，運(yùn)維工作只是生活的一小部分。

AIOps熱炒了幾年，但是最近明顯聲量變小了，您覺得企業(yè)現(xiàn)階段應(yīng)該落地AIOps么？應(yīng)該注意哪些問題？

就拿智能監(jiān)控為例，看到了很多文案說要通過AI預(yù)測故障、智能定位。到現(xiàn)在沒有看到任何靠譜的案例。在一個(gè)服務(wù)變更快、依賴關(guān)系復(fù)雜、故障影響因素多的互聯(lián)網(wǎng)業(yè)務(wù)系統(tǒng)中，如果真能通過歷史數(shù)據(jù)，實(shí)現(xiàn)故障預(yù)測。那還不如去做地震預(yù)測，有幾千年的地震數(shù)據(jù)積累，能夠產(chǎn)生很大的社會(huì)價(jià)值。

做AIOps的前提，是真的懂AI，清楚機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的原理。有多少人工才有多少智能，AIOps才能不是一個(gè)口號(hào)。

chatGPT這樣的AI能力您覺得未來是否有可能解決運(yùn)維行業(yè)的問題？

比如在故障管理中，根據(jù)故障的設(shè)備、數(shù)據(jù)、描述，通過知識(shí)庫、歷史故障庫等等，給出故障可能的輔助建議(suggestbot)

BTW，如果你已經(jīng)可以玩轉(zhuǎn)chatGPT了，把這個(gè)技術(shù)投入到其他更能產(chǎn)生價(jià)值的領(lǐng)域吧，別老在運(yùn)維這個(gè)領(lǐng)域耗著……

業(yè)務(wù)程序的部署，到底應(yīng)該交給研發(fā)來做還是應(yīng)該交給運(yùn)維來做，在很多公司爭論不休，您是怎么看待這個(gè)問題呢？

之前提到過，我們二、三級(jí)的服務(wù)是完全由研發(fā)去做，一級(jí)服務(wù)是運(yùn)維和研發(fā)輪流去做，主要目的主要是讓運(yùn)維清楚當(dāng)前服務(wù)的變化情況而已。運(yùn)維人員在公司一開始做部署，更多是規(guī)范線上環(huán)境，規(guī)范服務(wù)部署方式，從而更好的研發(fā)部署系統(tǒng)，掌控所負(fù)責(zé)的服務(wù)架構(gòu)。

安全問題、流程問題，完全可以通過部署系統(tǒng)去解決。運(yùn)維就不要守著這個(gè)沒任何價(jià)值，沒任何沉淀的工作不放了。

您最想對（運(yùn)維）行業(yè)說的一句話是？為什么？

“物理學(xué)沒有不存在，只是我們認(rèn)為的物理學(xué)，可能不存在?！?運(yùn)維行業(yè)可能也不存在了，多少運(yùn)維人的夢想是AIOps、NOOps，要么自己去干掉這個(gè)行業(yè)，要么在這個(gè)行業(yè)被干掉。

工具選型這塊，到底是自研，還是使用開源，還是使用商業(yè)產(chǎn)品，是如何抉擇的？

有能力有時(shí)間就使用開源，能力一般時(shí)間有限就使用商業(yè)產(chǎn)品。有錢有閑還很自負(fù)的話，可以嘗試下自研。

您所在的公司是否也是多云架構(gòu)？您覺得多云場景下哪些能力應(yīng)該依托云廠商哪些能力應(yīng)該自建？

我們是多云架構(gòu)。專線或者數(shù)據(jù)傳輸?shù)哪芰?，這個(gè)需要自建?；诙嘣浦系墓材芰σ部梢宰越?，比如監(jiān)控系統(tǒng)、數(shù)據(jù)備份系統(tǒng)、部署系統(tǒng)、微服務(wù)核心組件等，其他的交給云廠商就好了。

您印象最深的一次故障是什么？對您有何啟示？

運(yùn)維這么多年，遇到的詭異故障太多了，root cause讓你根本想象不到。只能說，故障很難避免，只能設(shè)法減少故障的頻率、影響面和影響時(shí)間。

所以你的績效不是故障次數(shù)和故障級(jí)別，而是故障影響面、故障響應(yīng)、恢復(fù)時(shí)間等。

面對當(dāng)下快速發(fā)展的基礎(chǔ)技術(shù)，您對給剛?cè)胄泻腿胄幸丫玫倪\(yùn)維人員，分別有什么職業(yè)規(guī)劃的建議嗎？

比較偏激哈~剛?cè)胄械模ㄗh盡快轉(zhuǎn)行！入行已久的，轉(zhuǎn)行技術(shù)相對困難，已經(jīng)打上了深深的運(yùn)維烙印。我見過太多運(yùn)維人員轉(zhuǎn)行其他技術(shù)，多數(shù)都是運(yùn)維研發(fā)、運(yùn)維產(chǎn)品經(jīng)理的崗位，還是找一下副業(yè)吧。

您覺得傳統(tǒng)運(yùn)維和SRE的區(qū)別是什么？您的團(tuán)隊(duì)做出這樣的轉(zhuǎn)型，其背后的思考是？

這都2023年了，聊這個(gè)話題就跟互聯(lián)網(wǎng)運(yùn)維弄個(gè)NOC監(jiān)控值班一樣，開倒車。

如果現(xiàn)在還在考慮要不要轉(zhuǎn)型SRE、怎么轉(zhuǎn)型SRE、SRE的變化這些問題，就跟5g時(shí)代，還在考慮用2g，還是3g……都會(huì)被時(shí)代所淘汰。

是否有種戛然而止的感覺？哈哈，這是《運(yùn)維百家講壇》第1期，我們會(huì)持續(xù)邀請業(yè)內(nèi)大佬前來分享，越是有不同的觀點(diǎn)才越有意思，越是能夠引發(fā)思考，咱們一起，抱著開放的心態(tài)，聆聽百家之言。下一期，再見！