如果用一句话，描述运维团队的工作状态
那大概就是
“在机房里面机房外面，有一群男精灵，
他们熬夜很清醒，他们加班到天明。”
每一个稳定运行的系统，
都是因为有这样一群运维团队在背后
夜以继日、全年无休地
处理成千上万条系统预警
但是呢?就算是这么努力
一年365天中
总难免碰到那么一两次系统延迟
遭受来自四野八荒的疯狂轰炸
“为什么系统登不上去了?”
“为什么访问速度这么慢?”
“为什么页面加载不出来?”
.......
但是，还是要弱弱地跟用户爸爸们
说一句：系统宕机就和人会感冒一样
难以百分百完全避免
真的
先来看几条新闻
再来看一组数据
你会发现
想要系统永不宕机，简直是一个世纪难题
毕竟两个马爸爸都没有解决掉
但是，好的运维就像高明的医生一样
可以做到立刻恢复
好在我们舟谱(99.95%)也没有拖后腿
和BAT处在了一样的水平
让客户用上更好用更稳定的系统
是我们一直以来的追求，
为此，我们也付出不懈的努力
并取得了一定的成效
除了我们的99.95%在线服务率
在过去半年里，
我们的千人周问题数下降了4-5倍;
(每1k人使用一周可能碰到的缺陷数)
在线问题响应时间最快可达5分钟;
问题处理时间也有了大幅度提升，
95%的问题可在24小时内解决......
而这一切都离不开
我们的整个研发团队和运维保障体系
在背后的全力支撑
什么是运维保障体系
运维保障体系是为了提高软件的开发效率及稳定性，降低软件的运行成本。换句话说就是只帮忙，不添乱。
舟谱数据技术总监王宏祥指出：“实际上，基于这个目的，舟谱运维团队要做两件事。在研发层面，运维要为研发提供最优质的工具，提升产品迭代效率，让用户需求得以及时满足;在系统保障层面，为保障用户使用流畅，运维一方面要协助客户处理操作难题;另一方面，运维需要进行不间断的系统监控及优化，保证整套系统持续稳定。”
01
提升研发效率
让用户迅速获得最好用的产品
为保证产品/功能以最快的速度、最优的品质交付用户，运维要为研发提供最高效的工具。除了采用Gitlab+Jenkin+Nexus自建仓库自动化构建自动化集成平台等工具外，运维还提供了CI/CD自动化工具，通过自动化的校检，促进软件项目的持续集成与交付的速度，使得开发团队可以保持软件更新并将其迅速的投入实践中，大大提升了产品的迭代效率。
也正基于此，舟谱整套技术解决方案能够得以快速落成，并且产品保持每2周迭代一次的频率，每年满足客户需求近千条。在不断的更新和优化之下，产品功能更加完善，系统也更稳定更好用。
02
提升监控密度及问题响应速度
保证用户使用流畅
为了保证用户使用顺畅，舟谱运维团队还提供全天在线的技术支持。比如，在帮助客户处理误删数据上，我们做到了数据秒级回滚，数据在时间上可以精确到秒还原，无缝衔接;在处理删除销售单问题处理上，我们不仅可以精确还原单据，还可以追踪到具体操作时间，帮助客户找到管理上的漏洞。对于用户比较关注的数据安全问题，我们采用最先进的网络安全协议，机密传输及备份，并且为每一位客户单独分配一个数据库来隔离，全面保护用户的数据安全。
“运维并不是系统能跑起来，用户用起来就万事大吉，第一时间发现问题，能第一时间预警，能第一时间自动化解决才是运维最终目标。”
为此，舟谱引入了云监控+自建监控多层级告警的方式 ，能更细力度监控各项资源的可用性以及性能，可以实时感知到业务的任何变化，并且做出实时决策，早用户一步发现故障或性能瓶颈。不仅如此，我们还采用了备用服务器，当某一集群或地区出现故障，能够迅速响应，第一时间切换到另一地区，正常提供服务;与此同时，实行集群化部署策略，自动消除单点服务保障。除了自动化解决问题外，为了及时应对0.05%可能出现的故障，我们的7x24小时oncall排班策略还在持续发挥着作用，最快5分钟迅速响应，快速恢复，95%的问题保证在24小时内解决。
一直以来，舟谱行进在一条高速迭代的快车道。从2016年第一款产品舟谱云管家上线，到目前舟谱形成了整套技术解决方案，在这期间，我们不断收集新的诉求，运用新的技术，并以每月2-3次高速迭代的频率来逐步丰富和完善产品。在一段时间里，相较于低频迭代来说，高速迭代会增加系统的不稳定性，因为相对而言不动的东西最稳定;但从长远来看，软件更新换代，匹配不断变化的业态才是正确的姿态，所以舟谱一如既往坚持走在快车道上。
而我们运维保障体系也在不断地迭代，追求以更为轻便、高效的方式保证用户使用更流畅，即便在出现故障时，也能保障用户的使用不受影响或者受影响的程度可以降到最低。为客户能够持续获得更好的产品及服务，我们还在持续努力着。
【本文是51CTO专栏机构“舟谱数据”的原创文章，微信公众号“舟谱数据( id: zhoupudata)”】
