信息技術(shù)IT園區(qū)系統(tǒng)運(yùn)維工程師實(shí)習(xí)報(bào)告一、摘要

2023年7月1日至2023年8月31日，我在某信息技術(shù)IT園區(qū)擔(dān)任系統(tǒng)運(yùn)維工程師實(shí)習(xí)生，負(fù)責(zé)園區(qū)核心網(wǎng)絡(luò)設(shè)備的日常監(jiān)控與維護(hù)。通過運(yùn)用Linux命令行工具、Python腳本自動(dòng)化處理告警日志，累計(jì)處理系統(tǒng)告警200余次，其中通過腳本優(yōu)化修復(fù)重復(fù)告警30例，將平均響應(yīng)時(shí)間縮短至5分鐘以內(nèi)。參與園區(qū)服務(wù)器集群擴(kuò)容項(xiàng)目，部署Kubernetes集群3個(gè)，使用Ansible實(shí)現(xiàn)批量配置管理，錯(cuò)誤率控制在0.5%以下。實(shí)習(xí)期間，熟練應(yīng)用Prometheus+Grafana監(jiān)控系統(tǒng)性能指標(biāo)，通過數(shù)據(jù)可視化定位并解決CPU使用率異常問題12次，日均處理工單量提升20%?？偨Y(jié)出基于日志分析+自動(dòng)化運(yùn)維的故障預(yù)判方法，可應(yīng)用于同類園區(qū)系統(tǒng)管理。

二、實(shí)習(xí)內(nèi)容及過程

1.實(shí)習(xí)目的

希望通過實(shí)踐了解IT園區(qū)系統(tǒng)運(yùn)維的實(shí)際工作內(nèi)容，掌握基礎(chǔ)的網(wǎng)絡(luò)監(jiān)控、服務(wù)器管理和故障處理技能，將學(xué)校學(xué)的理論知識(shí)跟實(shí)際操作結(jié)合起來。

2.實(shí)習(xí)單位簡(jiǎn)介

我實(shí)習(xí)的單位是家提供園區(qū)網(wǎng)絡(luò)服務(wù)的公司，主要業(yè)務(wù)是維護(hù)幾個(gè)大型園區(qū)的服務(wù)器、網(wǎng)絡(luò)設(shè)備和辦公系統(tǒng)。園區(qū)里有幾百家企業(yè)，設(shè)備種類挺多，從老舊的交換機(jī)到新的云服務(wù)都要管。

3.實(shí)習(xí)內(nèi)容與過程

剛開始主要是熟悉環(huán)境，跟著師傅看監(jiān)控系統(tǒng)后臺(tái)，學(xué)怎么用Zabbix和Prometheus抓取數(shù)據(jù)。7月10號(hào)開始接手日常巡檢，每天早上開完會(huì)看前一天的日志，發(fā)現(xiàn)某個(gè)園區(qū)API服務(wù)器的CPU偶爾飆到90%以上，但重啟服務(wù)沒啥反應(yīng)。后來發(fā)現(xiàn)是某個(gè)客戶端請(qǐng)求參數(shù)錯(cuò)誤導(dǎo)致的，改了策略后就沒再出過問題。

7月20號(hào)參與了南區(qū)機(jī)房升級(jí)項(xiàng)目，幫著新部署了一批Kubernetes集群，用Ansible批量配置節(jié)點(diǎn)。其中有次配置腳本報(bào)錯(cuò)，花了兩天時(shí)間才定位到是某個(gè)節(jié)點(diǎn)的時(shí)間同步?jīng)]對(duì)上，搞明白后總結(jié)了腳本錯(cuò)誤排查的流程。

實(shí)習(xí)最后兩周開始獨(dú)立處理告警，8月25號(hào)半夜收到短信，說北區(qū)的負(fù)載均衡器流量突然跌了50%，登錄后臺(tái)發(fā)現(xiàn)是主備切換了，備機(jī)沒做全量同步。趕緊把數(shù)據(jù)補(bǔ)上，第二天分析原因發(fā)現(xiàn)是主機(jī)的SSD快壞了，要是再晚點(diǎn)發(fā)現(xiàn)可能就影響好幾個(gè)企業(yè)的系統(tǒng)了。

4.實(shí)習(xí)成果與收獲

8周里處理了200多個(gè)工單，其中30個(gè)是通過腳本自動(dòng)解決的，把重復(fù)性工作減少了不少。還幫運(yùn)維部整理了故障記錄表，按設(shè)備類型分類，現(xiàn)在查問題快多了。最大的收獲是學(xué)會(huì)用數(shù)據(jù)說話，以前只看日志猜原因，現(xiàn)在會(huì)用Grafana畫趨勢(shì)圖，比如發(fā)現(xiàn)某個(gè)交換機(jī)丟包率異常時(shí)，能快速定位是端口還是鏈路的問題。

5.問題與建議

遇到的困難主要是園區(qū)設(shè)備太雜，有些老系統(tǒng)沒法用標(biāo)準(zhǔn)化工具管，比如東區(qū)還有批思科的老交換機(jī)，監(jiān)控接口不全，只能靠人工巡檢。另外培訓(xùn)機(jī)制有點(diǎn)欠缺，剛來時(shí)沒人系統(tǒng)教怎么用監(jiān)控系統(tǒng)，都是自己摸索。

改進(jìn)建議是可以搞個(gè)知識(shí)庫，把常見問題的排查步驟寫清楚，特別是老設(shè)備的操作手冊(cè)。另外建議每周搞個(gè)技術(shù)分享會(huì)，大家互相交流怎么用腳本提高效率，比如AnsibleTower可以試試，現(xiàn)在團(tuán)隊(duì)還在用老版的playbook，跑起來特別慢。這段經(jīng)歷讓我意識(shí)到運(yùn)維不是簡(jiǎn)單的修電腦，得懂點(diǎn)網(wǎng)絡(luò)、數(shù)據(jù)庫、云計(jì)算，不然遇到復(fù)雜問題就抓瞎。對(duì)職業(yè)規(guī)劃影響挺大的，以后想往云運(yùn)維方向發(fā)展，得把AWS和Azure的技能補(bǔ)上。

三、總結(jié)與體會(huì)

1.實(shí)習(xí)價(jià)值閉環(huán)

這8周實(shí)習(xí)像把理論和實(shí)踐硬碰硬地撞了一下，7月1號(hào)來的時(shí)候還不太清楚監(jiān)控怎么用，8月31號(hào)走的時(shí)候已經(jīng)能獨(dú)立排查Kubernetes節(jié)點(diǎn)問題了。最扎心的數(shù)據(jù)是，實(shí)習(xí)前我處理一次復(fù)雜故障要查半天資料，實(shí)習(xí)后平均30分鐘搞定，這種進(jìn)步挺真實(shí)的。比如8月15號(hào)北區(qū)的負(fù)載均衡器告警，半夜接到電話時(shí)手心還出汗，但憑著學(xué)到的日志分析法和備份數(shù)據(jù)恢復(fù)流程，第二天就修復(fù)了，那種把問題解決后的踏實(shí)感，學(xué)校里真模擬不出來。

最有價(jià)值的收獲是明白運(yùn)維不是修修補(bǔ)補(bǔ)，而是要建立預(yù)防機(jī)制。比如通過分析7月25號(hào)的CPU異常日志，我發(fā)現(xiàn)了那個(gè)客戶端的錯(cuò)誤模式，后來寫了個(gè)監(jiān)控規(guī)則，現(xiàn)在同類問題自動(dòng)告警，相當(dāng)于提前幫團(tuán)隊(duì)省了事兒。這種從被動(dòng)響應(yīng)到主動(dòng)管理的思維轉(zhuǎn)變，才是實(shí)習(xí)最大的價(jià)值。

2.職業(yè)規(guī)劃聯(lián)結(jié)

這段經(jīng)歷讓我更確定要往云運(yùn)維方向發(fā)展了。實(shí)習(xí)中接觸到的AWS和Azure環(huán)境讓我意識(shí)到，現(xiàn)在的運(yùn)維需要懂點(diǎn)編程、懂點(diǎn)數(shù)據(jù)庫，單純會(huì)配置服務(wù)器已經(jīng)不夠用了。比如8月10號(hào)參與南區(qū)擴(kuò)容時(shí)，用AnsibleTower部署鏡像花了1小時(shí)，后來發(fā)現(xiàn)改成自定義腳本只需要15分鐘，這種效率差異讓我特別受刺激?，F(xiàn)在打算下學(xué)期考個(gè)CKA認(rèn)證，把Kubernetes技能補(bǔ)齊，再學(xué)學(xué)Python寫更高級(jí)的監(jiān)控工具。

實(shí)習(xí)還讓我看清了職業(yè)路徑：初級(jí)運(yùn)維得會(huì)各種工具，中級(jí)要懂架構(gòu)設(shè)計(jì)，高級(jí)還得懂業(yè)務(wù)?，F(xiàn)在看來，自己離真正的職業(yè)人還差得遠(yuǎn)，但至少知道了要往哪個(gè)方向猛跑。

3.行業(yè)趨勢(shì)展望

看得出現(xiàn)在的運(yùn)維越來越依賴自動(dòng)化和智能化了。比如園區(qū)開始試點(diǎn)用AI預(yù)測(cè)故障，7月30號(hào)我見過一次測(cè)試，系統(tǒng)根據(jù)歷史數(shù)據(jù)提前1小時(shí)告警了某個(gè)交換機(jī)的端口溫度異常，這才叫真正的運(yùn)維升級(jí)。這讓我意識(shí)到，以后只會(huì)用現(xiàn)有工具的運(yùn)維肯定被淘汰，必須得持續(xù)學(xué)習(xí)。現(xiàn)在行業(yè)都在搞DevOps，以后可能得懂點(diǎn)CI/CD流程，甚至要參與開發(fā)才能更好地配合。

實(shí)習(xí)最后兩周接觸到的零信任安全理念也給我挺大啟發(fā)，園區(qū)開始要求所有訪問必須多因素認(rèn)證，這種趨勢(shì)下，運(yùn)維和安全已經(jīng)分不開了。自己現(xiàn)在最大的不足就是安全這塊太薄弱，打算下階段重點(diǎn)補(bǔ)。

4.心態(tài)轉(zhuǎn)變

以前覺得運(yùn)維就是按按鈕，實(shí)習(xí)后才知道責(zé)任有多重。8月22號(hào)下午發(fā)現(xiàn)南區(qū)機(jī)房UPS電量低，趕緊協(xié)調(diào)更換，要是沒發(fā)現(xiàn)第二天整個(gè)園區(qū)網(wǎng)絡(luò)就癱瘓了，這種壓力是寫代碼時(shí)感受不到的?，F(xiàn)在每天上班前還是會(huì)緊張一下，但心態(tài)比以前穩(wěn)多了。另外抗壓能力也強(qiáng)了，7月18號(hào)連續(xù)處理了4個(gè)緊急故障，最后累得直接在工位睡著了，第二天反而更有精神。這種經(jīng)歷比任何培訓(xùn)都管用。

最深的體會(huì)是，職場(chǎng)不是學(xué)校，沒人手把手教你，問題也不會(huì)等你準(zhǔn)備好了再出現(xiàn)。但好在每次解決問題后都會(huì)長(zhǎng)本事，這種正反饋特別有成就感。下階段要繼續(xù)保持這種狀態(tài)，多看多練多思考。

四、致謝

1.

感謝實(shí)習(xí)期間提供實(shí)踐機(jī)會(huì)的單位，讓我接觸到了真實(shí)的系統(tǒng)運(yùn)維工作。這段時(shí)間的鍛煉讓我受益匪淺，特別是能接觸到多樣化的網(wǎng)絡(luò)環(huán)境和服務(wù)器架構(gòu)。

2.

特別感謝帶我的導(dǎo)師，耐心指導(dǎo)我解決技術(shù)難題，比如7月15號(hào)那個(gè)Kubernetes集群擴(kuò)容的bug，要不是他點(diǎn)醒我檢查節(jié)點(diǎn)狀態(tài)，可能還得繞半天。還有8月8號(hào)我寫的監(jiān)控腳本效率低，他建議用Jinja2模板優(yōu)化，直接快了3倍。

3.

感謝團(tuán)隊(duì)里其他同事，8月20號(hào)晚上處理北區(qū)分機(jī)房斷電時(shí)，是大家一起幫忙協(xié)調(diào)備件才搶在業(yè)務(wù)關(guān)閉前恢復(fù)的。還有平時(shí)分享的那些小技巧，比如用htop定位CPU占用，這些碎片化的知識(shí)特別實(shí)用。