六个人如何运维一万台服务器？

我 2013 年加入去哪儿网，一直在从事运维开发工作。去哪儿网运维开发有一个特点，所有开发既当 PM，又当 QA，也没有区分前端工作还是后端工作，用现在比较流行的话说，我们都是全栈工程师。

加入去哪儿这几年，我做的工作也是比较零碎的，哪里有需求就去哪里。

概括起来主要涉及主机管理、应用管理、监控、报警平台等设计，开发和运维这几方面的工作。

下面简单介绍一下我们的运维团队：

我有几张阿里云幸运券分享给你，用券购买或者升级阿里云相应产品会有特惠惊喜哦！把想要买的产品的幸运券都领走吧！快下手，马上就要抢光了。

• 我们的运维团队负责公司所有的服务器、网络等硬件平台的运维工作。
  
• 部分人员从事日常运维，包括 QVS 的部署，Nginx 的配置，应用上线的支持，存储的部署等，还包括报警的告知、故障的通报和跟踪。
  
• 2013 年左右，我们开始研发自己的运维平台。
  
• 负责公司内网的应用，这些内网包括 OA 系统、HR 系统，还有 IT 资产管理平台等等。

去哪儿网应用运维平台介绍

首先简单介绍一下去哪儿网应用运维平台。

我们知道一个应用从开发到线上运行，它的生命周期主要涉及到四个部分：

• 应用的资源管理，这些资源包括应用部署需要的主机、应用的图片、文件，对象存储所需要的存储资源，应用通信和其他的网络带宽，还有应用所需要的计算资源等等。
  
• 为了提高应用开发的效率，并且保证应用开发的规范，我们公司会提供公共的中间件，这些中间件包括日志收集、应用配置注册、监控报警指标的收集，还有应用调用路径。
  
• 为了将我们的应用发布到线上，我们需要对应用进行代码管理和构建测试到发布到线上，这需要 CI/CD 持续发布和持续集成。
  
• 当一个应用发布到线上之后，我们需要对这个应用的性能指标和业务指标进行监控、报警和分析，这样就需要应用相关的监控、报警和日志分析平台。

去哪儿网的业务也是一步步发展起来的，机器从几十台到上万台，在发展的过程中我们遇到了很多问题，在不同的阶段我们也提出了不同的解决方案。

原文链接