运维行业 IT 工程师分类 

1、办公网MIS工程师

2、机房IDC支持工程师

3、系统工程师

4、应用运维工作师

5、网络工程师

6、安全工程师

7、DB工程师

8、大数据工程师

9、SRE工程师

10、运维开发工程师

11、虚拟化工程师（KVM、Docker、k8s、Openstack等）

12、机房弱电工程师等等

运维工程师职责

运维工程师的职责，就是领导安排你的任务，能够按时完成，不能给领导找麻烦，并且领导还会要求你负责的服务要保证4个9或者5个9，那么这里服务的提供商指的是谁？其实就是我们运维同学、没有其他人，就是在我们提供的服务与用户（RD、QA、或者外部用户等）之间定义的一种双方认可的协定，一旦协定达成、目标确认后直接挂勾你的KPI，当然有些工种，不太适合使用SLA来定义，但大部分运维工作都适用SLA，为了完成KPI，你就会主动的提升服务可用性、稳定性、为部门减少成本、提高工作效率，今天简单介绍下运维工程师的行为准则。

1年 = 365天 = 8760小时
99.9 = 8760 * 0.1% = 8.76小时
99.99 = 8760 * 0.01% = 52.6分钟
99.999 = 8760 * 0.001% = 5.26分钟

这里说明一下，一定不要再没有数据支撑的情况下，向领导承诺4个9或者5个9，切忌！！要用数据说话，说过就要做到。

稳定性

1、敬畏之心

（1）操作之前能备份的，一定要备份，不要省略，往往它能快速救你一命；

（2）线上操作必须得到授权，并在测试环境验证过，或者有多数人共同决策后操作，别自做主张；

（3）能用工具操作的事情，别手动上去敲所谓高大上的命令，能提前写成脚本操作的、不要手动操作；

（4）对线上有影响的操作，需要评估流量低峰时间段、错开流量高峰（前提得到授权、脚本准备、回退步骤、验证脚本等等）；

（5）未加基础报警前，请不要上线，一定要报警先用业务上线；

（6）做为运维工程师对报警系统的敬畏之心，早上的例行巡检，对历史故障归纳总结等；

线上事故基本上都源于以上几条，大部分故障都源于未经授权、未在测试环境验证、RD所谓的免测、运维人员的自信、报警无人关注等导致人为事故；

2、故障

（1）故障发生，优先恢复业务，而不是在哪里定位问题；

（2）对棘手故障需要有故障升级通道，由 Leader 协调一切可利用资源；

（3）运维工程师按流程操作导致的故障，不记录该员工KPI考核中，记录在Leader KPI考核中，推进流程整改；

（4）没有按流程操作、导致线上重大故障的，记录在该工程师与 Leader KPI 考核中，共同对故障负责；

故障不可怕、怕相同故障多次发生，不以发生故障为耻、而为发生相同故障为耻；

3、故障casestudy

（1）故障发生渠道、发现时间点、参与人、故障定位过程、解决过程、故障根因分析，是否需要形成应急预案；

（2）故障是临时解决，还是永久解决、现有环境中是否有类似隐患；

（3）临时解决的需要给出整改计划，整改计划中需要设置跟进人员（PMO）、验收人员（Leader）；

很多公司的casestudy都流于形式，并没有切实执行落地，所以需要增加 Leader 验收，下次再有类似故障，Leader全责。

4、变更

（1）配置代码必须遵循蓝绿发布原则，测试环境确认无问题后，再上线；

（2）备份的重要性、回滚机制的建立；

（3）操作步骤命令或者工具化、而不是模棱两可的文字描述；

（4）QA 自动化测试用例、变更失败后的回滚机制等；

故障的发生70%以上是变更造成的，对变更要有敬畏之心。

5、轮值

（1）运维人员在轮值期间、一定要保证7*24小时待命和报警的随时响应，电脑和网络随时可用，缺一不可；

（2）值班期间做好故障处理、日常工作进度记录，故障用于后续分析，工作进度用于把未处理完成的事务交接给下一周期值班人跟进；

（3）当值过程中出现棘手故障，不能简单交接下一值班人，需要根据实际情况确认是否有当值人员处理完后，再下班；

（4）需要把轮值期间发现的故障问题，定期组织轮值人员进行学习。

没有参与过轮值的运维工程师，是另人羡慕的。

6、业务交接

（1）没有完整交接文档的业务不要接手，接手之后没有完全弄明白前，不要说交接完成；

（2）业务接手后，需要根据实际情况进行故障演练，确保有可能的故障点；

（3）尤其是离职人员的业务交接，更需要认真负责、签字，一旦签字，你要承担起所有责任，KPI 中需要有明确关于业务交接的奖惩措施；

部分公司业务交接基本流于形式，没有认真履行职责。

安全意识

安全是运维工作开展的前提和必要条件，有同行描述这是一种唇亡齿寒的关系，实为贴切。安全上出了问题，造成的影响以及后续的修复工作都将有运维来承担，公司到了一定规模都会将安全和运维划分为两个独立团队，这样做事更专注，也容易做好。

1、切忌安全无小事原则，任何一个安全小事，都有可能造成不可挽回的局面；

2、运维工程师应该主动配合安全部门整改、配合完成各种策略、虽然有的时候感觉这种策略会造成一些不必要的时间，如果站在安全的角度，其实是很有必要的。

效率和成本意识

1、有效率优化意识，琐事不可避免，但要尽可能减少琐事，对重复性、手工性的操作能够工具化的，必须开发一些自动化工具；

2、由手动操作到脚本工具、到平台工具、到产品，这样即能提高效率、降低成本；

3、节约资源也是减少成本的重要体现，虽然决定不了产品营收多少，但可以通过资源整合、弹性伸缩、服务混合部署、架构优化、无流量服务主动下线等手段将有限资源最大化利用，节省基础设施资源成本，同时，通过效率的提升也可以优化人力资源成本。