不想当将军??的士兵不是好士←兵——拿破仑

如何成为运营总监？成为运营总监需要具备哪▆些技能？我想很多运维工程师都会有这样的想法和疑问。

如何成为运营总监。一般来说，运维总监大概有两个出身。一♀是从最底层的维护做起，通过出色的维护工作，让公司领导特别认可〗这个人，同时也更加重视Linux运维工作。进步的立场。二是有企业管理】背景或IT技术背景，有一定经验，直接进入IT管理层△面的人。

作为一名Linux运维总监，你需要哪些技能，管理哪些细节，具备哪些能力？

运维技能设备库

:,,/xen,kvm,lxc,,,,,RHEV

配置工具： , Chef, , func, , ,

监控工具：Cacti、()、、基于时间的监控后端、Mtop、MRTG（网络〒流量监控图形工具）、Monit

性能监控工具：dstat（多类型资源统计）、atop（htop/top）、nmon（类Unix系统性能监控）、（内核slab缓存信息）、sar（性能监控○和困境检测）、（中间视图） ) ), ( ), iftop (top-like tool), iperf ( tool), smem) ( video tool), ( tool)

免费的 APM 工具：（我见过的最全面的分︻析工具），

过程监控：，

日志系统：，

绘图工具：，

流控系统：在线①数据包分析工具Pcap

安全检查：，

PaaS:,,,Deis(,,,core/)

:,,性能

持续集成：Go, ,

C盘压测：fio,,(win)

()

Redis,, codis/SSDB/

MySQL监控：mytop,,-,,,myawr，SQL级监控，拓扑可视化＠ 工具

MySQL 基准测试：, sql-bench, , 'sTPCC-,

: SOHU-, Altas, cobar,

MySQL逻辑备份工具：,,,,mk--dump/mk--

MySQL 化学备份工具：LVM

压力测试：＆

运维管理↓工作概述

域名

从购买一个域名开始，购买多□　个域名，50个甚至100个。分为主域名和推广域名（用于推广链接）。从上面买一个域名，因为这里的域名是稳定的，不会有被∮攻击的事情。同时需要购买域名保护，让网民在ping这个■域名时，无法解析出真实的服务器地址。

同时，域名解析的操作也不应该在互联网上进行。解析的操作应√该放在外网或者外网，或者zndns上（这个dns可以为一个域名解析多个IP地址。按◆照就近的原则，把最快速的IP地址解析给用户。）也可以搭建自己的dns服务器，想着自己的dns服务器就好了。这样，更改dns指向时会更快。

2.CDN

请务必购买 CDN 服务。如果部分用户无法访问，请使用cdn服务。可以从上面订购cdn服务，这样域名解析到※cdn，然后cdn解析到肉盾●墙或者任意一个，然后肉盾墙指向核心∴服务器。cdn起到缓存︻和转发的作用，在大流量攻击时可以防御至少200G的攻击。Cdns 被全局缓存。

3.图★像服务器

您可以在国外租用多台服务器作为图¤片缓存服务器，以提高访问率。虽然 nginx 本身就是一个图片缓存服务器。

图片服务器要和其他服务器分开，肉盾墙可以作为图片缓存。

4.服╳务器机房

选择机房非常重要。它必须具有良好的服务质量〇、高防御、高可靠性和及时响应。它还必须能够随时检查服务器状态。最重要的是要有良好的■服务态度。.

机房需要购买台湾九和（用户核心服卐务器），新加坡圣安娜机房（肉盾墙）（虽然速度慢，而且安全性和高防御都很棒，遇到大流量攻击时，电脑这里的房间还是可以访问的，所以不要把猪肉放在一个篮子里，有各档次就好了，国外机房快，高防效果差，而日本机ㄨ房慢，高防效果不错）

5.首页

主页，也就是招∑　商引资的网站，或者变成广告的▂网站，可以租用云主机，所以被黑了就≡被黑了。上面可以有一个链接，指向游戏的首页，这个链接最后可◥以打个，很简单。

也可以不带终端口号。这时候一定要使用cdn服务器，或者使用免录机房，将肉盾墙放置在免录机房。由于所有在国外建的网▓站都需要注册，所以赌博行业是严禁的，为了防止域▲名或IP地址被和谐（gwf），所以使用免备案机房。

或者在台湾♂或日本或日本等机房放置肉盾墙。这样，用户可以直接使用域名访问我们的网站，而不需▼要使用终端标语。

6.监控系统

一个网站需要有一个监控系统，可以实时监控服务器，看是否有电力攻击，查看日志是否暴涨，将日志放到日志服务〓器（服务）上。使用 cacti 服务，您可以将日志放在 cacti 上。网速『一定要查，网速飞涨一定要证明一定是攻击成功。

每天晚上看日志，使用日志分↘析软件◎，看访问源是单个访问源还是多个不同访问源。监控服务器必须具有报告功〖能。一旦情◥况出现异常，立即报告，然后早起应对袭击。

7.反灌篮

权力攻击⊙通常视情况而定，通常的权力攻击是直接攻击域名。nginx及其自身的防御功能可以防止少量的power攻击。因为大量的电力攻击ζ　直接占用网络㊣带宽，服务器很难正常响应，只能利用机房的高防御。

所以要买很多高防的，建议至少200G。如果攻击的来源是单个IP??或多个IP，就让机㊣房封锁这些IP。遇到cc或ddos攻击时，只能通过机房解决。服务♀器被黑后，需要立即将域名指向另一台服务器（或直接将域名指向百度）。

大量的权力攻击也需要用＠到CDN，让CDN直接指向核心服务器就够了，这样可以更】快，用户还能玩。事实上，高流量的力量攻击是无法完全避免的。

8.冗余

网站必须有冗余。例如，1000 人可以同时访∮问。网站的负载必须达到 2,000 个并发用户。

9.服务器

服务器的配置需々要三张网卡，一张用于用户连接和外部访问（更好的○网卡）。一种用于外网服务器之间的访︼问。一个是用来ssh管理的，所以我们也可以在攻击比较多的＠ 时候操作服务器。

每个网卡也需要多个IP地址，以免某个IP被阻塞。国外网络和美国网⊙络经常有IP不好用。硬盘至少要镜像（raid1），cpu必须是双向的，双电源，其实应该不会出现单点故障的。至于肉盾墙的配置可以再低点，连台式机的配置都可↑以，而且网络一定要好，尤其是有核心服务器∮的网络一定要好。

10.数据库

数据库需要主从复制，必须有异地备份，nginx服务器需♀要集群，也就是。前台（提供用户访问页面）和后台（员工管理√界面）应该使用两台不同的机器，互不影响。其余的服务可以使用虚拟机完成。

这样可以省钱。邮箱直接购买的gmail商务邮箱就可以∩了。这是非常容易使用。最好没有◥人拥有。或者在公司内部搭建自己的聊天软件（最好借钱买聊天软件）。

11.测试环境

需要≡三套测试环境。开发者需要自己的笔记本上的环境，局域◤网上的一套测试环境，互联网上的一◢套测试环境，以及生产环境。局域网的测试环︻境一定要稳定。可以买一个机柜和其他网络设备一起买，不要用普通的笔记本。局域★网必须有svn或git代码管理工具。全面测试后，上传到生产环境。

12.肉盾墙和核心服务器

肉盾墙和核心服☆务器之间必须能ping通命令，这样才能看到哪个IP地址╳不能用，才能看到网络连通性。

13.运维人员

至少两个，如果有〇一个运维主管和一个运维人员就足够了。这样，所有的运维工作都必须有操作文件，两个人协同工◣作，不需要轮班，24小时随叫随到。一个网络管理员就足够了。

普通的运维部门就是这样。如果◣是大型网络架构，会有自己的数据中心机房，后期安排人』员。

14.Linux系统优化与安全

一定要有优化和安全配置，比如nginx是基于cpu优化的，每个程序都是基№于cpu和显存的限制。

所有密码应ㄨ每 3 个月更改一次，尤其是域名的帐户和电子邮件密码。域名是最重要也是最容易受到▃攻击的环节。

15.局域网

局域网一定要稳定，可以→买两条至少10M带宽的网≡线，也可以买联通wifi，让员工手机上网。

16.机房

如果是小型网络架构，必须∑有自己的核心机房，而不是租用机房。每个职位由几个人组成，包括运维工程∏师、数据库管理工程师、网络工程▲师、安全工程师、存储和备份系统。具有运维经验的工〇程师负责协调各部门之间的工作。目前，一个运维就可以完成所有的工作。

17.运维工具

运维的工具要统一，比如使用连接数据库的工具，使用crt工具『连接服务器，使用密码管理工具，使用上传服务▽器代码的工具等。运维人员协调性更好。

此外，运维必须有大量的时间去学习。每天都要上』网找新技术、好资料，而且最好懂英文，因为好的技术◎文档都是用英文写的。这对运维工作很有↘帮助，但运维的技术实力会大大提高，并计划满足更大的需求。

18.灾难恢复计划

最后，要有一个计划，就是一旦服务器出现大问题，就无法●解决。这个时候不要解决服务器，使用计划，启用备份计划，尽快使∑网站可用。

平时多做计划演练，也多做备『份还原操作，因为有些备份不可用，这是普遍现象。关键＠时刻不要让备份不可用，整个网站就完蛋了。

19.服务器安全

必须有一套完整的安全配置，包括用户安全、应用安全、系统安全、文件ξ安全等。这样可以防止服务器被黑客入侵。

20.高▲并发测试

一定要做高▲并发测试，模拟2000个同时在线用户，看∮服务器负载，服务器高并发配置。网络方面是机房♀问题，要选择←最合适的IP地址、最合适的机房、出口带宽。

高并︼发是服务器架构的问题，而不仅仅是单个服务器。应该花的◤地方一定要花，能省ξ　钱的地方一定要懂得省钱。

21.运维信息

所有运维信息由两个人共享，包括密码和服务器配置步骤。团队由运维总监带队服务器运维，形成了一个相互学习、技术实力强、目↑标一致的和谐团队。让团队中的每个人都得到他们想要的。

运维总监的人很〓重要，否则，留不住人，就不会一起努力。运维工作技术不是最重要的。由于学习和使用这个职位♀已经来不及了，所以工作心态/个性和经验是最重要的。

22.服务器日志

对于服务器搭建◥日志，必须记录所有ω服务器的所有操作，并写入时间操作的内容。在生产服务器上运々行之前，必须进行风险评估和解决方案。

23.运维工作

应用上线◥后，运∴维工作才刚刚开始。具体工作可能包括：升级版≡本上线工作、服务监控、应用状态统∞计、日常服务状态检查、突发故障处◢理、日常服务变更调整、集群管理、服务性能评估与优化①、数据库管理︼优化、应用框架扩展，随着应用 PV 的增减，安全、运维的发展。

核心运维管理工具箱

重点介绍了运维流▓程管理、运维发布变更、运维监控告警三个具体工具，可以作为工作日☆记使用。

第一类：运维流程管理工具

1.发布变更↑流程管理工具

作为系统套接字与其他角色进行连接工作。并提供审批链接，控制发布》变更的风险。流程管理工具不负责具体业务操作的执行，而只是作为一个收据系统来跟踪流程并确保闭环。

2.警报和》事件管理工具

手动创建和管理突出服务损坏的警◆报。人工确认后，升级为◥紧急订单。通过创建订单来管理告警和突发事件，保证流〒程的闭环，每次故障都可以※总结经验，提供KPI，无需衡量业务的可用性。

第二类：运维发布变更工具№

1.版本管※理工具（数据库）

所有版本都应该从版本管理开始。开发的版本→包首先放入版本管理工具，然后从版本管理工具分发到现网。避免将一台服务器同步↑到另一台服务▃器的做法。

2.配置▅管理工具（数据库）

版本加配置等于现网每台机器的状态。最细粒度的配置管理到IP级别，相当于⌒机器的资产管理，分为模块、区域等不同的业务概念。一点粒度将管理流程和流程的相∏关配置。

3.配置和版本分发工具

指定的版本，结合配置的配置╱，下发到现有网络上的机器上。不同的版本和配置方式需要完全不同的交付形式。ssh/ 代表的交付方式是以脚本为中心ζ的。/chef 所代表的交付方式是以配置为中心的。

4.直播网络状态同步工具

为避免现网状态漂√移，与管理工具中的记录不一致。需要有一个工具来定◆期报告现网的实际状态。

5.服务①调度工具

发布更改通常需要一个串行过程，首先做 A 模块，然后是 B 模块。当机器』多时，需要并发执行并发操作㊣　，并保证非并发操作的串行执行。同时，很多发布变更流程都需要超出运↙营管理范围的服务，比如云中的DNS服务器记录。这就需要一个用于统一调度配置和版本分发的服务调度工具，一个进程接收工具，以及将其他系统ω　的API套接字组装成一个进程。

6.资源管理和隔离工具

以xen/kvm为代表的工具可以让★运维更灵活地削减资源。比如虚拟机的快速启动和停止，idc中ip的甩尾等。以lxc/为代表的工具可以让∑运维进一步削减资源到进程级别。资源隔离代理的细粒度资源控☆制可以带来更好的资源利『用率和更容易扩展的资源配置。

7.发布变更的统一接口

它封装了所有上层工具，并提供了一个简单的』接口来完成标准化的发布和更改操作。

第三类：运维监控报警工具

1.收集工具

通常是日志文ξ件的集合，也可以是 DB 或其他系统定期寻址的套接字。一个流▲行的开源解决方案是 .

2.采集工具

采集工具上报○采集工具。或者，开发者可以直接修改代码，将指标〓上报给采集工具。该过程的开源解决方案仍然存在。

3.统计库存工具

报告可能每次调用㊣　都会上报一次，统计工具负责统计一分钟内的次数。报告︽也可能每5秒报告一次数值，统计工具负责计算一分钟内的最大值。存在便于报告的统计工具。流行的开源方案是也有大公司基于Storm做二次︾开发。

4.时间序列数据库

所有时间指标都将进入数据库。监控告警ζ　所需的数据库需要支持特别大的数据量，但没↓有严格的ACID要求。

5.运维风暴数据库

记录所♀有警报。包括从其他系统获取警〓报，记录现有网络的所有变化。该数据用于支持警报的因果位置。

6.指标异常检查工具

基于∏物理模型，判断指标是否偏离过去的稳定模式，推断网络状态的变化。

7.拨号Ψ测试工具

定期PING或HTTP GET，模拟真实用户，判断服务是否中々断，并形¤成告警。同时，也形成指标并上报采集系统。拨号测试分为本地拨号测试▲和远程拨号测试。本地拨盘测试可用于检测只读C盘等本地告警。远程拨号测试可以模拟用户的地∞理分布，网络链路状态也包含在拨号测试的覆盖范围◣内。

8.报警收敛工具

综合各种来源的告警，进行频率收敛，分析问题的症结所在。统一▆汇总成报告，督促人工维修。

9.警报手动修补工具

接收手动处理的警▓报。帮助运维人员完成将固定故障机下架退回仓库的操☉作。或者，如果服务本身不高可用，可以在现网进行故障机更换、IP拖尾等修↑复操作，在一定程度上提高服务可用性。

10.报警通知工具

重要的警报需要升级到电话。需要有高可用的△电话、邮件、陌陌等通知套接字。

11.监控报警统一界面

屏蔽各种「上层工具，为代理安装、指标采◥集设置、指标曲线展ㄨ示、告警查询提供统一的界面。一个地方可以了〒解当前网络的所有问题。

优秀运维总监的能力

1、系统架构设计和规划能力。作为技术※工程师，你更关注具体的技术、问题分析、故障排除等细节，而作∞为运维总监，你需要站在全局的高度，把控各个环节的需求。规划设计系统架构，实现高效稳定的IT系统。

2、量化和管理问题的能力。熟悉ITIL及相关运维工具，通过运维▅管理工具，跟踪风暴进程，实现整个IT系统的统⌒一协调；通过运维管理工具，帮助运维人员监控和定位问题的症结所在；通过知卐识库的积累可以有效解决人事变动后的管理问题。可以说，IT系统不仅需要人的运维，要想发挥IT系统的最大作用，还需要借助工【具来量化和规范化管理。我们可以使用一些手动工具来收集和输出更全面的监测预警信息，变被ζ动运维为主动运维；可以使用人工运维工具，将多∩点集中管理减少到一个点，可以更好的简→化运维工作量，提高运维效率。标准流程清晰◆明了，这样当出现问』题时，不会出现A部门要求B部门反馈，B部门要求C部门处理的情况。C 可能∑　会说是 D 部门的问◥题，导致一个很简单的问题无⌒法得到。及时有效的处√理不仅影响业务本身，也影响部门之间的投诉。可以使用人工运维工具，将多点集中管理减少到一个点，可卐以更好的简化运维工作量，提高运维效率。标ω　准流程清晰明了，这样当出现问题时，不会出现A部门要求B部门反馈，B部门要求C部门处理的情况。C 可能会说ζ是 D 部々门的问题，导致一个很简单的问题无法得到。及时有效的处理不仅影响业◎务本身，也影响部门之间的投诉。可以使用人工运维工具，将多点集中管理减少到一个点，可以↑更好的简化运维工作量，提高运维效率。标准流程①清晰明了，这样当出现问题时，不会出现A部门要求B部门反馈，B部门要求C部门处理的情况。C 可能会说〖是 D 部门的问题，导致一个很简单的问题无法得到。及时有效的处理不仅影响︾业务本身，也影响部门之间的投诉。不会出现A部门要求B部门反馈，B部门要求C部门处理的情况。C 可能会说★是 D 部门的问题，导致一个很简单的问题无法得到。及时有效的处理不仅影响业务本身，也影响部门之间的投诉。不会出现A部门要求B部门反馈，B部门要求C部门处理的情况。C 可能会说是 D 部门的问题，导致一个很简单的问题无法得到。及时有效的处理不仅影响业务本身，也影响部门之间的投诉。

3、团队的管理和协调。大多数ζ　时候，运维人员都在做简单重复的工作，很难得到终↓端用户的肯定。曾经有一个词“穷困潦倒”来形容运维工程师。工作站上没有人。刚坐下，电话就不停地打来。有什么问⊙题需要解决，就会有人来找你。这样的场景大家应该都有体会吧。标准化流程卐的制定尤为重要。不仅方便了问题的排序，还可以让对Ψ应的问题找到对应的人。这对于运维来说非□常重要，也有利于团队协作。作为运々维总监，还要关心团队中的每一位成员，协调好每一位工程师的工作时间和CASE，合理安排工作任务。另外，肯定每一位工程师的努力，对他们的优秀工作给予∮积极的肯定和表扬，有助于凝聚人心，培养团队的荣誉感。

4、资产管理和审计能力。准确了解公司现有IT资产ㄨ和设备，对设备进行整治，明确每台设█备的磨损和维护信息。当公司需要购买新机器时，会有明确的数据支持您的购买请求。当【设备出现故障或变化时，通过以往的数据，可以实时掌握第一手准确数据☉。并且随着公司业务的发展和分支机构和员工的增加，资产管理和审计将变得更加重要，IT运维支持的意义将更加巨大。

5、能够形成运维梯队】，合理匹配运维资源。人员管理问题在运维中更为重要。很多情况下△服务器运维，由于运维工作分「配不合理，难以准◣确评估绩效。如果将运维人员Ψ划分为一、二、三线支持，不ㄨ同运维人员各司其职，使有限的运维力量得到合理利用，整体工作效率将显着提高；评估他们的工作表现。据此，制定相应的奖惩措施，或者针对不同的岗位提供不同的服务技能培训，也可以提高员工的积极性。例如，将所有 IT 问题汇总到技术服务台。对于绝大多数（80%以上）的问题，服务台可以直接解决↓；如果服务台无法解决问题，则根据问题处理的优先级分配不⊙同级别的运维。动力保证不同问【题的处理，运维人员不会错过需要▆及时处理的重大问题。如果服务台无法解决问题，则根据问题处理的优▓先级分配不同级别的运维。动力保证不同问题的处理，运维人员不会错过需要及时处理的重大问题。如果服务台无法解决问题，则根据问题处理的优〗先级分配不同级别的运维。动力保证不同问题的处理，运维人员不会错过需要及时处理的重大问题。

6、技术创新和积累能力。运维总监本╲人需要有很强的技术能力，需要熟悉各种』设备、不同∩的操作系统、各个环节中→的应用、数据库、存储、备份容灾、调优、安全等。有具体问题和重大问题，要听取团队的意见，让计划因您的补充和建议而更加确定。很多时候，在具体细节的处理上会有技术创新，同时也是对你的一次学习和●积累。针对每个主要问题和处理过的典型问题，编写技术文档，并随着时间的推移生成知识库。

7、见面和分享的能力。会议有时是一种很⌒　好的交流方式，但显然有时你可能会厌倦它们。这可能↓是由于其程式化、单句或题外话，无法解决实际问题。尽管会ω　议的作用是：

规范化：为您的项目、任务、工作理解、反馈、描述、执行等带来一致性☆☆。降低内部沟通成本，提高团队效率。

可视化：追求项目的可视化是项目管理的最高境界。层层分解，需要各级管理者对项目和任务的进度、风险和问■题进行一目了然的管理。

项目管理：通过团队各个维ξ度的管理，项目管控、人员√工作安排、团队学习提升、工作方向调整等。

理念贯彻与方◆向：贯彻公司▽文化和团队文化，统一你的理念和模ζ式。传达内部领导的指示部署，明确下一步工作的重点和方向。

解决具体问题：针对难点，提供指导或集思广益，集思广益。

最后谈谈如何成为一名优秀的运维总监。谁是优秀的运维总监？他们具备以上七种能力才能优秀吗？许多人的脑海中似乎有不同的定义。我认为优秀经理需要具备的素质之一就是带领团队不断进步。并拥有≡永无止境的精神。

看看，这么多能力，你缺什么？