大云網信息安全系統安全正文

從攜程宕機引發“運維人員”的思考

2015-06-01 09:48:42 大云網　點擊量：評論 (0)

昨日上午11時09分，攜程官網和APP突然無法使用引發熱議，不少人對此幸災樂禍，衍生出各種謠言段子。公眾在調侃攜程的同時，可能難以體會到攜程技術部的巨大壓力，尤其是運維部門面臨的壓抑和不安。今日凌晨

昨日上午11時09分，攜程官網和APP突然無法使用引發熱議，不少人對此幸災樂禍，衍生出各種謠言段子。公眾在調侃攜程的同時，可能難以體會到攜程技術部的巨大壓力，尤其是運維部門面臨的壓抑和不安。

今日凌晨，原支付寶運維團隊負責人智錦發表《深入解析和反思攜程宕機事件》一文，讓不少運維人讀后深有感觸，OneAPM也感同身受。面對層出不窮的安全隱患，當下運維人員亟需一套新型高效的方法論和工具，為自身運維工作“減負”，告別加班熬夜的怪圈。

運維重要性凸顯

在不少企業管理者眼里，運維長期處于“邊緣化”角色，他們往往不知該如何評價運維價值，甚至很多運維從業者也不知該關注什么，每天任務就是到處當“救火隊長”。

眾所周知，運維和性能息息相關，網站的訪問性能（速度、穩定性），對于如今移動互聯網時代的企業而言，已經成為影響公司發展過程中至關重要的一環。

以谷歌為例，網站打開速度只要差400毫秒，用戶請求將會下降0.59%。更何況攜程發生如此嚴重的宕機事件，造成損失難以估量。由此可見，企業管理者必須轉變“傳統運維”思考模式，積極探索新玩法。

通過攜程宕機事件，OneAPM建議IT企業和技術人員應痛定思痛，認真總結經驗教訓，認識到“運維”的價值和重要性。

APM為運維工作減負

在傳統時代，運維人員只能通過查詢、分析各種日志文件來分析各種故障問題，基本上靠血肉之軀實現了業務部門的信息化，但已越來越難以適應新時代的運維需求。

近年來，APM（應用性能管理）已成SaaS領域最火的創業方向，其能對企業關鍵業務應用進行監測、優化。提高企業應用可靠性和質量，保證用戶得到良好的服務，降低IT總擁有成本(TCO)。

以OneAPM為例，OneAPM專注于提供下一代應用性能管理軟件和服務，幫助企業用戶和開發者實現緩慢的程序代碼和SQL語句的實時抓取。產品適用于復雜的現代應用程序生產環境，提供端到端應用性能管理、移動端和瀏覽器真實用戶體驗分析、業務交易實時分析，可以降低運維人員 90% 故障修復時間，減少 80% 的客服工作量。

APM的運維價值

攜程此次宕機發生后，歷經17個小時才恢復正常。究其原因，主要是對大型網站而言，數據恢復遠不是搞定幾個應用和幾個數據庫服務器那么簡單。一個網站的后臺是一個由SOA（面向服務）架構組成的龐大服務器集群，每一個簡單頁面的背后，都由成百上千個應用子系統組成，每個子系統又包括若干臺應用和數據庫服務器，而且不同應用系統之間也存在耦合和依賴關系。這么多復雜的系統交織在一起，數據恢復的難度可想而知。

為此，OneAPM提供一套新型解決方案。通過OneAPM的Application Insight 產品可以實現對前端瀏覽器、網絡傳輸、應用性能、中間件性能、數據庫性能的自動關聯及分析功能，可自動發現應用執行過程中涉及的軟硬件基礎架構組件，以及他們之間的交互路徑。

這也意味著，使用Application Insight 就能夠根據應用拓撲和自動發現和可視化，進而實現對系統進行整體的把握。

不久前，OneAPM客戶通過后臺監控發現線上服務出現異常日志，通過監控報告發現，JVM垃圾回收指標迅速升高，運維馬上進行針對性的分析，很快發現出現問題的代碼行，在最短的時間內解決問題。直到半小時后，該公司使用的公有云服務商才發出告警信息。

從該層面而言，OneAPM對運維人員的價值不言而喻，OneAPM能夠幫助IT運維人員提前預警，快速定位到故障問題，為運維人員節省更多的時間成本和和勞動強度。

除此之外，OneAPM另一核心價值就是將“黑盒運維”變成“白盒運維”。傳統的運維人員算是“黑盒運維”，不斷去做重復性的操作，時間久了，只知道自己管理的服務器能正常對外服務，但是卻不知道應用的依賴關系。

通過OneAPM，運維人員能真正清楚所管理的系統的功能和配置，從前端瀏覽器到后端應用服務器、數據庫，能夠有效監控和分析系統執行的每一個環節，從源頭上解決運維人員到處救火的窘境。

對于攜程此次宕機事故，OneAPM建議公眾應以理解和寬容心態對待。對于互聯網公司而言，突發性技術故障算是稀疏平常之事，Google、Amazon、百度、騰訊、阿里巴巴等也難以幸免。

OneAPM也希望通過本次攜程宕機事件，讓業界重新認識到運維的價值和重要性。同時建議運維人員能接觸和了解APM。當然，并不意味使用APM就能一勞永逸，OneAPM更多的是幫助運維人員提供一套高效的管理模式，以及更加智能化解決方案。