新基建下大行服务器智能运维怎么做?360度实战全拆解
在新基建发展起来的浪潮当中, 那些超级大型银行是把原来的服务器智能运维模式给变了。原来, 那个东西就是用的单点的工具。现在, 是把监控、安全、自动化和备份这些全都给包括上去了, 这样就成了一个完整的链路体系了。以前出了故障的话, 响应时间还得好几个小时, 现在把这个时间给压缩到了几分钟以内。

原来的运维模式是怎么样的, 是等着故障发生了再去救火, 属于被动的。现在的模式转向了主动地去防范和控制风险。所以, 它就成为了核心的底座, 这个底座是用来支撑很多新的基础设施场景的,比如5G这个东西, 比如AI的算力这个东西, 再比如智算中心这些东西。
一、360度运维体系的四大核心维度
超级大行的智能运维方面, 是围绕着四个维度来做的, 并且构建出了能力方面的一个完整的体系。
1. 全栈监控与智能告警

覆盖了CPU、内存、磁盘空间、inode、网络流量, 以及Nginx、MySQL、Redis、PHP-FPM等核心服务的状态, 采用Prometheus加Grafana或者是Zabbix来进行统一的采集, 设置了分级的告警阈值, 并且与工单系统进行了联动, 消除了信息孤岛, 使得响应时效提升了超过60%。
2. 纵深安全防护

启用ssh强制密钥登录, 并且禁用root远程直连, 遵循最小权限原则。利用防火墙只开放80端口、443端口以及必要的管理端口。数据库端口严禁对公网暴露。配合fail2ban进行限频以及入侵检测, 如果发现异常情况立即隔离并取证。要定期检查登录日志与异常进程。
3. 自动化运营与备份

备份工作是定时的, 并且遵循了所谓的3-2-1原则, 这个原则的具体内容就是有三份数据, 有两个不同的介质种类, 还有一个是放在异地的, 在进行文件以及数据库的联合备份工作的时候, 配置和证书也一起同步归档, 日志是按照每天进行自动切割然后保留的, 任何变更都通过自动化流水线来处理, 在发布之前会先做一个自动快照, 等进行了灰度验证之后再执行全量操作, 如果需要回滚的话, 就保留完整的上一个版本。
4. 全场景故障处置

针对服务器不可达的这种情况, 针对负载异常的这种情况, 针对磁盘满的这种情况, 针对内存OOM的这种情况, 针对数据库连接打满的这种情况, 针对SSL证书过期的这种情况, 一直到网站502故障, 还有网站504故障, 都建立了标准化的排查SOP, 还建立了自动化恢复脚本, 这样就形成了从发现到处置的完整的闭环, 没有信息的断点。
二、新基建背景下的核心价值
在5G基站, 以及在AI训练集群和智算中心之类的这些新型基础设施建设场景里面, 服务器的规模是出现了指数增长的。
超级大银行是通过360度这样的智能运维方式来进行管理的, 使得每个运维人员所管理的服务器数量从原来的几十台增加到了几百台, 运维成本降低了大约百分之三十五, 同时平均故障恢复时间也被缩短到了五分钟以内, 这样就能够在满足金融行业级别的可用性要求达到百分之九十九点九九以上的情况下完成工作。
核心逻辑是讲, 智能运维这件事并不是去简单地堆砌很多工具, 而是把业务连续性当成一个固定的锚点, 然后把监控系统、安全防护、自动化操作还有数据备份这些东西串联成一条完整的链条, 好让日常的运维工作真正能够从一个事后才去救火的状态转变成为一个事前就去预防火灾发生的一种状态。
常见问题
《新基建下大行服务器智能运维怎么做?360度实战全拆解》主要讲什么?
在新基建发展起来的浪潮当中, 那些超级大型银行是把原来的服务器智能运维模式给变了。原来, 那个东西就是用的单点的工具。
文章提到了哪些重点?
所以, 它就成为了核心的底座, 这个底座是用来支撑很多新的基础设施场景的,比如5G这个东西, 比如AI的算力这个东西, 再比如智算中心这些东西;利用防火墙只开放80端口、443端口以及必要的管理端口