运维总监让我1个人管理4万台服务器,他是不是在扯淡?

知乎 2024-03-02 11:07:00
最近,小编在知乎上看到这样一个问题:
 

图片

 
 
 

无论是实例还是虚拟机都算,一个运维可以管理4万台服务器吗?

 
 
 
题主:脑子有些懵,我想问问一个人真的可以管理4万台服务器吗?不论是实例还是物理机都算。国内哪些厂商有这么大规模的服务器机群和集群?大厂商真的是一个人可以做开发测试上线维护整条流水线吗?
 
秉持着和平交流的学习态度,小编精选了几位知乎网友的精彩回答,分享给大家学习交流(勿上升、勿引战):
 
 
 
 
 
1号知乎网友:匿名用户
 
 
 
 
 
10年以上老运维,目前管理着近1000台物理机,三机房托管的,每年新增约100台,报废约20台左右。
 
以稳定和成本控制为核心,负责IDC上架规划、网络规划、设备采购、上架部署、安装交付,主要工作如下:
 
每年底至少花一个月时间做预算,包括IDC租赁、带宽、专线、设备需求、过保设备备件……
 
设备硬件故障维护,每月大约30起左右设备硬件故障,硬盘及内存是最多的,其余是主板、CPU、风扇类。一些重要业务如数据库类,可能会影响业务。处理步骤目前还没自动化,打算做,人不够(在保自动收集日志提交报修,过保直接发机房维护工单)。
 
采购上架每季度一次,从发起到交付,耗时耗力,交换机光模块够不够?机柜空间是否可以继续上架不超电?跳线怎么尽可能短一点?CPU一直C0机器怎么分布?录取CMDB手工信息有点多……没有自动化系统,机器类别太多了,后续规范下可能会好很多……
 
资源管控,申请资源后下发权限,特殊类监控需求,资源变更,使用跟踪……没有自动化,在弄全流程资源管理。
 
网络类现在有专门网络管理员了,可以不用管了,这部分工作接入的话需要一部分精力。
 
我还管各类中间件,就我一个人管,跑去找领导把中间件甩出去了一部分。
 
就这么说吧,这么多规模的机器,仅仅一个硬件故障,晚上电话告警,即使如硬盘故障有RAID不用处理都要累死人。
 
每个月工时300左右。如果4W台虚拟机应该会好一点,不过没搞过不知道,以前搞过最大规模虚拟机就3000台,业务比较单一,Puppet搞定了。
 
 
 
 
 
2号知乎网友:小鸟呱呱
 
 
早些时候不让招外包,HC又有限,就我和另外一个小兄弟一起干。
 
从收到货以后,到硬件拆卸、机器上架、贴标签、搞电源、扩容机房、搞空调、装系统、装服务、更新迭代、系统版本迭代、监控、报警、日志都是我俩自己捣鼓的。
 
可以说从底层的IDC,到系统,到应用都得做,自己还得做运维中台的产品,勉强算得上是全栈运维了。
 
那个时候,实体服务器总数是100多、200不到,算系统的话(因为有虚拟机、docker可以割),大概是500~600台左右,很多资源池里放着没用的空闲机器不算。
 
如果是新机器,那么100~200台实体机的工作量差不多就饱和了;如果是老机器,两人绝对不够。
 
为什么是2个人,不是1个人呢?
 
做运维的同学都知道一个“高可用的概念 —— 写代码可以一个人,做产品可以一个人,搞测试也可以一个人,但运维一定是成双成对的
 
这不仅仅是搬服务器一个人扛不动,一摔下去就是几万块的损失;
 
更重要的是,运维本身就是应急兜底的,我上个厕所的功夫,外部流量下跌了,没人应急,那还有谁来处理?
 
就算打电话给睡着的owner,也得要有人通知才行呀~
 
后来去大厂做SRE,300个人的大部门。
 
不管是哪个团队的SRE,都会被排到值班,捣鼓运维,雅称:稳定性保障。
 
两个大字开头的部门,外加国际,一个部门docker的总数量平摊到人头上也不可能有4W/人,有1W/人就算是不错了。
 
就这样,大家还叫苦连天呢,大半夜的手机都还常常吵醒!不接,钉钉还会打电话提醒的,可烦了!也就导致了SRE脾气普遍不好!
 
话说话来,要知道,SRE可并不负责机房部分哦,除了基础设施的同学以外,大都也只关注应用,已经是少了很多的工作了,可也hold不住,叫苦不迭……
 
 
 
 
 
3号知乎网友:木村·星辰
 
 
 
我一个人管6000台物理机。硬件上什么部位报警就换什么,换了不管用就整机送修。
 
软件上管到开出指定数量的kvm,或者装上指定的docker镜像。
 
网络上交换机全是trunk,机器上kvm/docker配置到指定的VLAN里;路由器不管,运营商来处理BGP。
 
机房只扫地不擦灰。
 
数据迁移有空就自己做,没空就叫业务部门做或者往后拖,自己做也就打包释放一下。
 
上班时间自由,报警72小时内处理好就行,随便什么时候去。
 
 
 
 
4号知乎网友:三囧
 
 
 
不可能,这个数量的服务器,单纯硬件一个人都管不下来,更别提其他的方面。
 
4万台服务器,加上配套的交换机、路由器、存储设备、ups电源、空调、安全设备、机房防火设备。这个设备的数量是很恐怖的。
 
就算单台设备出现问题的概率很小,数量上去以后,出问题几乎成了必然。仅每天处理硬件问题一个人就搞不定。
 
每个硬件还有使用寿命,等使用寿命到的时候需要更换。到更换的时候,一个人根本搞不定这个数量。设备都是一批一批来的,更换也是一批一批的。让业务停着等你慢慢换设备怎么可能?
 
这个数量肯定不会是简单的系统,要过等保吧。要按照等保的要求管理机房,不是简单的管个设备能用就行,管理要有制度,要有流程,还要制定安全策略。这些东西就算你是大牛,一个人全能搞定,但是总要花时间的吧,搞一次测评,一两个月就没了。你还有时间管其他的?
 
我觉得那个评论的人是一个管4万台服务器的团队中的一个人。
 
至于他是不是有权限管4万台服务器,我是不信的,正常的运维不可能把那么多服务器全权交给一个人。肯定要分权,不同的人管不同的类别的设备,动服务器也要有人审批。
 
如果说,我是一个管电源的,电源上面插着4万台服务器,我也算管了4万台服务器的话,那当我没说。
 
 
 
 
5号知乎网友:karlestira
 
 
4w台物理机?
 
光是给领导汇报工作都能X死你了。
 
另外4w台物理机是个什么概念?常见的纯CPU双路2U机器都得500w功耗,4w台就是20MW,算上各种UPS、空调、存储、网络,可能得去到50MW。商业电一度一块的话这个机房满载一天就是100w往上的电费。
 
都这么大家伙事了,多雇两个人它不香吗?
 
 
 
 
 
6号知乎网友:zhyllhhaaoo
 
 
40台都够你喝一壶了。
 
机房的上架,各种跳线……折磨死你。
 
4w台,一个人??你莫不是在说相声?
 
 
 
 
7号知乎网友:食铁兽
 
 
别管几台服务器,4台还是4万台,一个人,连5*8的全勤值守都难以保障。
 
更别说这个人伤病、离职造成的空缺了……
 
必然要一个有一定鲁棒性的团队!
 
 
"一个运维可以管理4万台服务器吗? "欢迎在留言区交流,分享你的经验~
 

 

参考丨DevOps技术栈   二次整理丨dbaplus社群
来源丨网址:https://www.zhihu.com/question/386653243/answer/2117913692
*仅为提供参考和学习交流,不代表dbaplus社群立场!dbaplus社群欢迎广大技术人员投稿,投稿邮箱:editor@dbaplus.cn
 
最新评论
访客 2024年04月08日

如果字段的最大可能长度超过255字节,那么长度值可能…

访客 2024年03月04日

只能说作者太用心了,优秀

访客 2024年02月23日

感谢详解

访客 2024年02月20日

一般干个7-8年(即30岁左右),能做到年入40w-50w;有…

访客 2023年08月20日

230721

活动预告