干货：运维工作的四大纪律九项注意

导读	朋友们调侃说，运维是个把脑袋别在裤腰带上的活，更有人说，运维是个把脑袋别在他人裤腰带上的活，苦劳没人认，有锅就有得背！运维 DBA 的形势是很恶劣，但再恶劣也比不过当年红军过草地。红军当年靠三大纪律八项注意度过了难关，若运维 DBA 认真执行，也能度过背锅难关。

朋友们调侃说，运维是个把脑袋别在裤腰带上的活，更有人说，运维是个把脑袋别在他人裤腰带上的活，苦劳没人认，有锅就有得背！

测试的同学说，“吃瓜群众很难感知运维背后的付出，倒是出了事情更能体现我们的专业性。”小样儿，你这是还没有掉坑里过。

所以，最好就是减少锅的出现。

但是，锅来了，大家就得背，甭管你是运维、产品、测试还是开发，总得有个人出来走一走，对吧？

今天我们就来谈谈运维 DBA 怎样少背锅。

运维 DBA 的形势是很恶劣，但再恶劣也比不过当年红军过草地。红军当年靠三大纪律八项注意度过了难关，若运维 DBA 认真执行，也能度过背锅难关。

甭管你是团队，还是团伙，要求都是一样的，一切行动听指挥！听谁的指挥？听运维经理、运维总监、CTO、CEO 的指挥。

当年墨子当钜子的时候，手下 180 人，训练有素，同心同德，“赴火蹈刃，死不还踵”。这样的团队来搞运维，就具备了基本要求。

运维团队里，最忌讳的是具有三脚猫功夫、蔑视前辈经验、心浮气躁的人，遇到这种人 Team Leader 要及时校正甚至剔除，否则这就是你背锅的最大来源。我被坑得比较惨的几次，都是因为团队里有这样的人，想动手的时候不够坚决，最后祸起萧墙，只能弓着腰给客户和领导死命的批评。这叫什么，一颗老鼠屎坏了一锅汤。

所以，选择运维成员时，要选那种踏实、机敏、上进、沟通能力强的年轻人，用心培养，往往事半功倍。

所谓红线，就是天条。第一个是按指挥再行动，其实是活的，可能是要请示和汇报的。这第二条是死的，就像高压线一样，碰到就完蛋了。

所有变更要做到：凡变更必有方案，凡方案必经过评审方可执行，凡执行必严格遵循方案，重大变更需要有人核实。

这一条其实是为了规避误操作，误操作就是人为故障。人为故障在所有故障中的占比一直是很高的。

所有影响到业务的故障，不管是硬件故障、软件故障还是人为故障，必须第一时间通知到部门经理。

这一条是为了规避，技术人爱钻牛角尖，看见故障钻进去就出不来，贻误战机，把快速恢复业务的大好时机给浪费了。

记得某一年有一次团队 Outing，集合时某 DBA 睡眼惺忪地说半夜3点被告警搞起来了。这还不算，他在玩密室逃脱的时候，又接到机房告警电话，某业务表空间使用率超过 85% 严重告警了。是不是亮瞎了？

要想轻轻松松过节日，或者出去玩，除了做好备份之外，最重要的是做好容量规划。最基本的表空间、文件系统空间、历史告警等等基本情况横扫一遍，起码要能安全等到你休假回来。

对于一些特别的电商系统，节假日可能正是高峰期，那就不仅仅是空间这点事了，还要做好性能预测和解决方案预案。

备份要做，恢复更要做。如果你是管理者，千万不要以为你的 DBA 一定会帮你做了。

不惊讶，以下是真实案例的脱敏数据：

如果是企业缺少相应备份设备或软件导致的， DBA 有义务督促领导购置恢复演练所需的软硬件设备。因为一旦出现意外， DBA  的直接领导往往也担不了这个责任，毕竟数据都保护不了，用户还怎么相信你这个企业，不论你是央企还是国企。
运维 DBA 的九项注意

三大纪律是规矩，九项注意是指导原则。

做运维的人，不能总说这个我们没想到，哎呀，没想到这也不行。这是爬雪山，过草地，不注意就陷进去了，哪里会留时间给你瞎 BB？

你也许没听过“一个 tnsping 干翻 6 台 P595”，你也许没听过“一个 cp 命令让营业系统停止使用 30 分钟”，你也许没听过“建一个索引让所有核保业务不能用了”，你也许没听过“我本来是要 shutdown 我的虚拟机的，没想关生产库”… …

你没听过的事情很多，你没干过的事情更多，因为你还年轻。

但是一定要对生产环境心怀敬畏。

所有操作命令不是网上搜来就可以用的，你要尽可能搞清楚这个命令的副作用，这个命令下去最坏的可能，可能是什么？不懂的就虚心求教， DBA plus 社群这么多大牛，实在不好意思，就先砸个大红包过去再问。

做运维的没有彻底休假之说，不要以为你休假了就关机大吉了，那离你关门大吉也不远了。嗯，所以有些公司把这条也列为纪律之一。

我曾遇到过这样一个情况，某个 DBA 请假了，刚好有个环境的密码只有他知道，而这个环境现在出了点问题。可想而知，当时人是多么着急？ 嗯，那个 DBA 休假回来就长时间离开现场了。

完全不懂业务的 DBA 不是一个合格的架构师。

要去懂业务、懂应用、懂服务，就一定要跟应用的人唠嗑、吃饭、抽烟，平时尊重人家，人家愿意跟你说，你就越来越熟悉业务。慢慢的，你就可以为推动业务采用更合适的架构方案。

什么叫普通变更？就是你本来可以提前一天做的变更。

比如扩表空间、增加用户权限、创建索引……并非是为了解决紧急故障而导致的变更。

提前做好变更规划，尽量争取每次免考核时做完所有重要的变更。

数据库没有发生故障，不代表是 DBA 做得好，而是故障自己还没有发生，不是不报，实时候未到。

所以，确定好检查规则，定期做好数据库检查，并进行整改。涉及到其它配合方的整改一定要邮件抄送，并电话确认。

安装必要的最少组件，赋予必要的最小权限，是主动避坑的有效手段。很多数据恢复，操作问题，如果能够从权限上把把关，后面就能省很多事情。

部署了高可用系统，上线前要做高可用切换测试。

部署了容灾系统，要做定期容灾演练。

部署了应急系统，要做定期应急演练。

做了数据库备份，要做定期数据库恢复测试。

说起来容易，做起来难。全国 90% 的系统没有做到这一点。所以你才会经常听到异常恢复的案例。特别是哪些用存储容灾，或者用 OGG 应急的。不是技术本身不行，而是管理不行。

在看到这条之前，你也许心里一直在暗暗的骂道，都什么时代了，还这么古板。

其实不管你是否已经开始了自动化运维，前面的每一条都值得你好好去做好，对你有益无害。

但是，去做自动化运维，是运维 DBA 绕不开的路径。就像从昆明到上海，最开始是只能靠马帮，后来逐渐通了高速公路，现在开始沪昆高铁了一样。

这个自动化运维怎么做？完全靠自己重复造轮子显然不完全靠谱。如果你不是 BAT，也不是京东新美大饿了么，最好的方式，是找专业运维的公司研发的自动化运维平台，是骡子是马拿出来遛两下，你就喜欢上了。

做过讲师的人，都会有这样一个共识，就是讲完东西，自己其实比听课的“学生”收获更大。这一点互联网公司做得非常好，不管是BAT还是新的巨头，都纷纷成立技术学院，领衔的也往往是业界大佬，把企业内部的技术分享组织得有声有色。

作为传统企业的 DBA 来说，一家企业往往没有这么个学院，但是互联网上的平台很多，比如 DBA plus 社群，甚至还有其他一些社群都提供这样的机会。

为什么我们团队工作一年的新人，可以拥有其他公司工作四五年 DBA 所具有的能力，除了复杂的硬件环境外，每月的分享也功不可没。

运维没有尽头，注意事项也没有尽头，你有更好的建议，不妨说说。