[讨论]系统管理员在运维工作中的闹心事儿（获奖名单已公布-2012-6-5）

方兆国

回复 1# yuhongchun


   

我有一本和这个很像的书，名字叫“Linux服务器架构指南”，也是清华大学出版的“典藏大系”系列

yifangyou

1.罗列系统管理员在工作中遇到的麻烦和问题。
答：1）为20以上机器装软件，前几天公司买了20台云主机，我负责装nginx，redis,php,mysql等等，花了一天时间，新买的云主机只有干净的系统，好多依赖包需要安装，安装一遍不下于安装一个新系统，就安装20台云主机就花了一天时间
2) 搬迁机器到新机房，必须要收到启动机器进去修改ip,重新启动时，由于密码设置得太复杂全是特殊符号而且很长，这样导致没有输入完密码，密码等待时间就到了，输了n遍才能进去
3）系统无缘无故挂了，在系统日志里找不到异常
4)nagios误报很多，短信天天响，都麻木了，当真正有事时，都给忽略掉了。
5）新机房调试电源，下周新机房调试一路电源，新机房需要关闭一路电源几个小时(提供的双路)，我公司的机器有的只有一路电源，到时还得半夜去机房把电源线插到另一边。
新机房是新建的，没有用到一半的机柜，因此他们趁客户还少时，经常要调试。

2.如何有效地处理这些麻烦和问题。
答：1)对于超过10台机器的安装，必须使用带有能够批量执行的SSH客户端，执行一条命令能够同时在20台机器上执行，这样对于系统要求一致，环境一致，批量执行时考虑到批量的问题，也就是所有的命令里的路径最好是绝对路径
2)换机房之前，最好把ip改好，其次是把密码尽量不要用特殊符号或者大小写分隔的字符串，应该统一用小写或者大写
3) 系统加有历史的监控，nagios没有历史不方便，最好用ganglia或者cacti等有历史的监控。
4) 把nagios的监控增加尝试次数，减少误报。
5）真的别以为新机房就是好，换机房时，还得考虑机房的满座率，一般满座率超过80%的机房应该运营了很长时间了，而且不敢轻易调试电源或者网络

gecedu

对版主表示理解与支持！

zhangheng520

1.罗列系统管理员在工作中遇到的麻烦和问题。
经常性的充当救火队员,比如由于开发人员在操作上的不规范,比如写了一个比较慢的SQL直接在主库上运行,或者在程序当中写了update 不带 where条件的语句,导致数据直接..........接下来..你们懂得.....运维在公司更多的也是充当背黑锅的角色.
2.如何有效地处理这些麻烦和问题。
一般还是需要有效的沟通,共同制定相关操作规范.在一个应用程序上线前需要多方面配合测试.压力.数据完整性.等等一系列的流程规范制约.

yefengzilong

很好的和运营服务上沟通，并保修，建议做成双线互备这样比较合适

rickyfang

进来感同身受下大家的喜怒哀乐。

逛街看世界

看酒歌的头像，总想起黄飞鸿里面的十三姨！

ooooldman

yuhongchun 发表于 2012-05-03 10:58
我这边数据库出问题全是领导写SQL搞死了，每次都要麻烦我们去重启数据库。。

不重视运维的结果就是项目都得重新来过，
   一家公司，网站改版，数据库重构，开发人员能把所有的字段都用类型上的最大值，像bigint，varchar(3000)，一个产品表把所有的文字描述的字段都带上，一登录数据库直接当机，   

miao122333

支持楼上，我也认为做人和做人都很重要