【运维思考】如何做好云上运维服务？

想让APP和微信一样，可以流畅运行小程序？ | 体验即送大疆、华为、樱桃键盘！>>>

上云后需要运维吗？当然需要。上云确实可以简化一部分运维工作，比如对于服务器的日常运维，但由于云计算的特性（即开即用、灵活扩展等）以及云产品的快速迭代，相比与传统运维的稳态，云运维更体现出敏态特性。如何做好云上运维服务呢？除了做好云运维基础服务保障系统不出问题外，更应该做好增值核心运维服务。同时，云计算技术日新月异，运维人员的能力也需要与时俱进。云时代正在重塑IT运维。

云运维与传统运维的区别

云计算发展如火如荼，从互联网行业向制造、金融、交通、医疗等传统行业不断渗透和融合，促进传统行业转型升级，企业正在享受着云计算释放的巨大红利。但是，上了云就万事大吉了吗？当然不是，要想享受到云计算红利，需要用好云，云运维服务工作必不可少。

云运维与传统运维有什么区别呢？云与传统数据中心的建设目标是一致的，都是为企业提供IT服务；运维的职责都是为了保障IT服务的质量，围绕服务等级协议SLA展开各种运维活动。但由于云计算的特性，云运维相比传统运维还是有很大区别：

运维对象区别

传统运维，接触的起点大都是硬件，如服务器、网络设备、存储设备和风火水电，在云计算时代，运维人员已经无法见到物理的任何设备，云运维的对象更加偏软一些。

运维要求区别

由于云计算的特性，在云平台上实现应用的快速部署、快速更新、实时监控等方面对云运维提出了更高要求；同时对灵活扩展、云原生等云特性优势的运维服务也提出了更高要求。

运维形态区别

云厂商的产品在不断快速迭代，相比与传统运维的稳态，云运维更处于一种敏态过程中，运维人员需要伴随着云产品的升级迭代而不断更新自己的知识库。

云上运维服务的重点

做好云上运维服务，需要先清楚服务的内容和重点，以及服务的方式方法，云上运维服务体系如下图：

01 云运维基础服务

云运维基础服务主要体现在三个方面：监控告警、安全运维、日常问题处理。

监控是整个运维乃至整个产品生命周期中最重要的一环，事前及时预警发现故障，事后提供详实的数据用于追查定位问题。 监控既涉及到基础架构如主机CPU、内存、磁盘IOPS、网络流量等监控，也涉及到应用APM监控，同时运维人员是否确认收到告警信息、对告警问题是否在处理、处理的过程和结果进行跟踪管理同样重要。

安全运维包括安全加固、漏洞扫描、补丁修复、安全架构优化。安全加固是对安全基线检查以及安全基线配置加固，漏洞扫描针对应用进行安全扫描，补丁修复对操作系统、中间件、数据库进行补丁更新或漏洞修复，安全架构优化针对现有架构和安全产品进行安全能力提升。

日常问题处理，包括云上各类资源产品的安装配置、升降配、备份服务、技术问题的及时处理等。

02 云运维核心服务

云运维基础服务保障的是系统运行不出问题，对于企业来讲，这还远远不够。企业需要的是更规范、更标准、更低成本、更低风险、更好扩展性的保障系统运行，对于运维人员来讲，需要投入更多精力在运维服务的核心方面。

云运维的核心服务也体现在三个方面：云最佳实践标准、云成本优化、云深度巡检与优化。

云最佳实践意味着云上的部署都是按最优标准来配置的。包括架构的最佳实践、云资源选择和配置的最佳实践、云上管理的最佳实践。对于任何一个上云的企业来说，都希望按照最佳实践标准来使用云。

比如，下面这个混合云架构，就是按照最佳实践标准来设计的。

企业本地IDC与公有云之间通过专线或VPN打通，在公有云跨可用区部署应用，通过负载均衡分发用户请求，形成高可用架构，数据库尽可能使用云数据库，在网络、主机、应用、数据库等不同层次部署云安全产品全方位保障应用和数据安全，文件、数据库通过云原生备份服务进行定时备份，使用堡垒机、访问控制服务、云监控等产品辅助运维管理。

同样，在云资源方面，云资源传统五大件（计算、存储、网络、数据库、安全）和其他资源的选择和配置也需要建立标准。比如是规划一个VPC还是多个VPC，交换机子网网段如何规划设计、虚机的命名规范、虚机的选配标准、安全组端口开放原则等等，只有按照最佳实践标准来选配，未来运维才更高效，扩展性也才更好。

云上管理的最佳实践包括备份、容灾、账号、权限等等方面。

云运维的另一个核心服务，就是帮助企业节省成本。据专业咨询机构RightScale的一份调研报告显示，当下的企业级用户在云计算支出一项的浪费高达30%。

如何做好云成本优化运维服务？涉及到云成本优化体系的建立，建立一套从事前规划到事中分析，再到事后评估改善的不断循环的成本优化体系。

体系重在落实，比如事中分析如何降低云资源浪费，可以从下图中的5个维度进行审视分析：

云深度巡检与优化，通过定期（比如每季度一次）对架构、资源、配置和费用等全面健康巡检，发现可能存在的不合理配置及薄弱环节，进行调整优化，提升资源使用效率、减少系统出现故障的概率。

云深度巡检务必对所有的云资源进行巡检，巡检对象包括整体架构、安全、成本、网络、计算、存储、数据库、监控、账号、备份。

对发现的问题进行高、中、低分级，级别为高的问题已经对系统运行、可用性、功能产生影响，建议立即采取行动。级别为中、低的问题建议采取行动或保持关注。

03 使用工具平台辅助云运维

运维的工作量和复杂度达到一定程度后，就需要自动化工具平台来协助，比如自动化巡检、自动化发布、告警事件的自动处理等，提升效率的同时减少人工处理的出错率。

另外，很多中大型企业在进行云战略规划时会选择多云战略，如何对多云进行统一的管理，比如在统一的界面中对各种云平台资源进行全生命周期管理、如何对资源的申请审批流程管理、如何进行用量分析、成本分析等，此时就需要多云管理平台。

云运维服务的进一步思考

云运维工作是一项繁琐、高要求的工作，除了常规的日常运维服务之外，有时还需要做好专项运维支持服务。比如企业高并发的电商业务放到云上后，在类似618、双11等促销期，往往还需要做好高并发护航的专项支持工作，比如全链路压测、数据库调优、容灾演练等等，确保在活动期间系统稳定运行。

云计算技术日新月异，容器、无服务器、微服务、IOT、人工智能等新兴技术在带来更强优势与便利的同时，对云运维人员也提出了更高的要求，运维人员的能力需要与时俱进。云时代正在重塑IT运维。