大云网信息安全系统安全正文

从携程宕机引发“运维人员”的思考

2015-06-01 09:48:42 大云网　点击量：评论 (0)

昨日上午11时09分，携程官网和APP突然无法使用引发热议，不少人对此幸灾乐祸，衍生出各种谣言段子。公众在调侃携程的同时，可能难以体会到携程技术部的巨大压力，尤其是运维部门面临的压抑和不安。今日凌晨

昨日上午11时09分，携程官网和APP突然无法使用引发热议，不少人对此幸灾乐祸，衍生出各种谣言段子。公众在调侃携程的同时，可能难以体会到携程技术部的巨大压力，尤其是运维部门面临的压抑和不安。

今日凌晨，原支付宝运维团队负责人智锦发表《深入解析和反思携程宕机事件》一文，让不少运维人读后深有感触，OneAPM也感同身受。面对层出不穷的安全隐患，当下运维人员亟需一套新型高效的方法论和工具，为自身运维工作“减负”，告别加班熬夜的怪圈。

运维重要性凸显

在不少企业管理者眼里，运维长期处于“边缘化”角色，他们往往不知该如何评价运维价值，甚至很多运维从业者也不知该关注什么，每天任务就是到处当“救火队长”。

众所周知，运维和性能息息相关，网站的访问性能（速度、稳定性），对于如今移动互联网时代的企业而言，已经成为影响公司发展过程中至关重要的一环。

以谷歌为例，网站打开速度只要差400毫秒，用户请求将会下降0.59%。更何况携程发生如此严重的宕机事件，造成损失难以估量。由此可见，企业管理者必须转变“传统运维”思考模式，积极探索新玩法。

通过携程宕机事件，OneAPM建议IT企业和技术人员应痛定思痛，认真总结经验教训，认识到“运维”的价值和重要性。

APM为运维工作减负

在传统时代，运维人员只能通过查询、分析各种日志文件来分析各种故障问题，基本上靠血肉之躯实现了业务部门的信息化，但已越来越难以适应新时代的运维需求。

近年来，APM（应用性能管理）已成SaaS领域最火的创业方向，其能对企业关键业务应用进行监测、优化。提高企业应用可靠性和质量，保证用户得到良好的服务，降低IT总拥有成本(TCO)。

以OneAPM为例，OneAPM专注于提供下一代应用性能管理软件和服务，帮助企业用户和开发者实现缓慢的程序代码和SQL语句的实时抓取。产品适用于复杂的现代应用程序生产环境，提供端到端应用性能管理、移动端和浏览器真实用户体验分析、业务交易实时分析，可以降低运维人员 90% 故障修复时间，减少 80% 的客服工作量。

APM的运维价值

携程此次宕机发生后，历经17个小时才恢复正常。究其原因，主要是对大型网站而言，数据恢复远不是搞定几个应用和几个数据库服务器那么简单。一个网站的后台是一个由SOA（面向服务）架构组成的庞大服务器集群，每一个简单页面的背后，都由成百上千个应用子系统组成，每个子系统又包括若干台应用和数据库服务器，而且不同应用系统之间也存在耦合和依赖关系。这么多复杂的系统交织在一起，数据恢复的难度可想而知。

为此，OneAPM提供一套新型解决方案。通过OneAPM的Application Insight 产品可以实现对前端浏览器、网络传输、应用性能、中间件性能、数据库性能的自动关联及分析功能，可自动发现应用执行过程中涉及的软硬件基础架构组件，以及他们之间的交互路径。

这也意味着，使用Application Insight 就能够根据应用拓扑和自动发现和可视化，进而实现对系统进行整体的把握。

不久前，OneAPM客户通过后台监控发现线上服务出现异常日志，通过监控报告发现，JVM垃圾回收指标迅速升高，运维马上进行针对性的分析，很快发现出现问题的代码行，在最短的时间内解决问题。直到半小时后，该公司使用的公有云服务商才发出告警信息。

从该层面而言，OneAPM对运维人员的价值不言而喻，OneAPM能够帮助IT运维人员提前预警，快速定位到故障问题，为运维人员节省更多的时间成本和和劳动强度。

除此之外，OneAPM另一核心价值就是将“黑盒运维”变成“白盒运维”。传统的运维人员算是“黑盒运维”，不断去做重复性的操作，时间久了，只知道自己管理的服务器能正常对外服务，但是却不知道应用的依赖关系。

通过OneAPM，运维人员能真正清楚所管理的系统的功能和配置，从前端浏览器到后端应用服务器、数据库，能够有效监控和分析系统执行的每一个环节，从源头上解决运维人员到处救火的窘境。

对于携程此次宕机事故，OneAPM建议公众应以理解和宽容心态对待。对于互联网公司而言，突发性技术故障算是稀疏平常之事，Google、Amazon、百度、腾讯、阿里巴巴等也难以幸免。

OneAPM也希望通过本次携程宕机事件，让业界重新认识到运维的价值和重要性。同时建议运维人员能接触和了解APM。当然，并不意味使用APM就能一劳永逸，OneAPM更多的是帮助运维人员提供一套高效的管理模式，以及更加智能化解决方案。