【IT168 谈论】阿里巴巴的工程师有多凶猛?民间一向有传说，12306假如用了马云的工程师，每年春运期间就不用再被民众唾骂了。其实，淘宝每年“双11”的傲人成果，除了有技能支撑外，还少不了运维预案的预备。运维预案触及到的网络高可用、突发事件处理和应急处理流程等，从根底到使用，从技能到办理都是一个应战。

  现在各大网站，各大电商体系都在预备各种大促活动，一个好的运维预案是必不可少的，那么该怎么做好运维预案呢?网友ge_johnny(以下简称囧尼)共享了他的本身故事。

  大约10年前，囧尼在一家500强的咨询公司做data center的办理，其时该公司正在经过BS7799认证，该规范现在现已被ISO吸纳，叫ISO27001。在预备该认证的时分，有类似于运维预案里要求的应急处理流程，叫BCP - Business Continuity Plan，即事务持续性方案。该方案要考虑的维度同电商体系要求的不一样，但假如满意该方案的要求则可以满意电商体系的一切要求，并且考虑的方面要多得多，牵涉的部分也不仅仅是内部的IT。

  因为囧尼地点公司的首要事务是为银行金融保险等各行业的TOP公司做外包项目，所以其时公司的BCP要求是在以下三种状况产生后，公司的事务中止到康复的时刻(乃至24*7的不中止服务)是否满意SLA(服务等级合同)的要求。

  1. Building Outage：公司地点的几个大楼彻底不可用，怎么确保事务持续性?用什么方法可以确保用最小的人力和资源，最快在多长时刻康复事务?基于此想象规划相关流程并周期性的演练;

  客户敢不敢把新项目拿到公司施行，需求各个相关部分证明确保对任何状况都有所预备，所以该方案包括无死角是能不能争取到客户的一个要害，也是项目可以顺畅施行直至准时交付使用的重要确保之一。

  面临这样的方案项目，囧尼感觉有点无从下手，并且该方案触及资源太多，终究囧尼也仅仅牵强达到了City Outage的要求。他从人力和物力两方面资源切入，共享了做好预案的要害要素。

  关于building outage，首要是IT部分的担任人和内勤部分的担任人，因为囧尼地点的公司是常识密集型企业，出产设备首要是服务器，没有粗笨的出产设备，所以产生building outage无非两种状况，要么机房被损坏，要么大楼变危楼。而关于city outage则由公司大老板决定是否需求履行这一等级的呼应;

  各个项目部分的需求，以项目组为单位，各自依据自己项目的SLA所规则的事务康复时刻提出需求什么后备资源，根本需求都是IT根底设备，再加上各个项目的联络人，乃至是必要的出产人员，状况产生时需求搬运到备份站点，备份站点需求预备必要的保护人员。

  在本城市内以及其他城市寻觅备份站点，装备必要的备份设备;各个需求搬运的要害人员，需求预备日期可更改的机票以应对city outage的状况产生并装备移动办公设备;

  数据的备份磁带，首要是源代码及其他的出产体系的备份，存留若干份，每周的备份放银行保险柜以应对building outage的状况产生;每月的备份发一份到其他城市的某个分公司(备份站点)，以应对City Outage的状况产生。

  囧尼的故事片言只语说不完，仅仅供给了一个别的的视点考虑保证事务的安稳和功能的方案，可是因为高度不同，所以考虑要更全面一些，当然消耗资源也更多一些。

  做好预案是一个根底作业，可以应对IT毛病时的事务快速康复。各大电商体系，在搞大型线上活动时，尽量保证多机房运转下做到负载均衡、毛病搬运、功能分配、弹性扩容;做限流处理以保证网络高可用;预留必定资源，快速呼应做好毛病切换;做很多活数据库的预案预备。

  在实践作业中也要灵活应变，保证事务的可用性为榜首要务，此外只需能用程序完结的作业，尽量削减人为操作，自动化的处理才是王道。