工作內容編輯

在軟件產品的整個生命周期中運維工程師都需要適時地參與并發揮不同的作用，因此運維工程師的工作內容和方向非常多：

事件管理：目標是在服務出現異常時盡可能快速的恢復服務，從而保障服務的可用性；同時深入分析故障產生的原因，推動并修復服務存在的問題，同時設計并開發相關的預案以確保服務出現故障時可以高效的止損。在這方面主要工作內容有：

問題發現：設計并開發高效的監控平臺和告警平臺，使用機器學習、大數據分析等方法對系統中的大量監控數據進行匯總分析，以期在系統出現異常的時候可以快速的發現問題和判斷故障的影響。

問題處理：設計并開發高效的問題處理平臺和工具，在系統出現異常的時候可以快速/自動決策并觸發相關止損預案，快速恢復服務。

問題跟蹤：通過分析問題發生時系統的各種表現（日志、變更、監控）確定問題發生的根本原因，制定并開發預案工具。

變更管理：以可控的方式，盡可能高效的完成產品功能的迭代的變更工作。在這方面主要工作內容有：

配置管理：通過配置管理平臺（自研、開源）管理服務涉及到的多個模塊、多個版本的關系以及配置的準確性。

發布管理：通過構建自動化的平臺確保每一次版本變更可以安全可控地發布到生產環境。

容量管理：在服務運行維護階段，為了確保服務架構部署的合理性同時掌握服務整體的冗余，需要不斷評估系統的承載能力，并不斷優化之。在這方面主要工作內容有：

容量評估：通過技術手段模擬實際的用戶請求，測試整個系統所能承擔的最大吞吐；通過建立容量評估模型分析壓力測試過程中的數據以評估整個服務的容量。

容量優化：基于容量評估數據，判斷系統的瓶頸并提供容量優化的解決方案。比如通過調整系統參數、優化服務部署架構等方法來高效的提升系統容量。

架構優化：為了支持產品的不斷迭代，需要不斷的進行架構優化調整。以確保整個產品能夠在功能不斷豐富和復雜的條件下，同時保持高可用性。

能力要求編輯

基礎技能：

精通shell/Python/Perl等1至2種編程語言

熟練掌握常用數據結構和算法，并能靈活運用

熟悉網絡基礎知識

深入理解Linux操作系統

加分技能：

熟悉開源的監控平臺工具，比如：Ganglia、Nagios、Zabbix等

熟練掌握Shell腳本熟悉Awk、Sed等基礎工具

熟悉分布式計算或者存儲系統，比如Hadoop/Hbase/Storm等

熟悉機器學習原理能付諸實踐者更佳

熟悉TCP/IP、HTTP等網絡協議，精通socket網絡編程

軟素質要求編輯

強烈的責任心與主動性，對所負責工作有owner意識，并能自我驅動成長

能承擔較大工作壓力，有較強獨立分析、解決問題的能力

工作中需要膽大心細，具備探索創新精神