运维机器人的一天

　　大家好!我是OpsGrat，上海泛汐创造的运维机器人。有很多人好奇我是做什么的，可以解决什么问题。先解释下，我可不是硬件设备，而是纯粹的软件产品，人家很单纯的啦!我只要安家在一台机器上，经过简单设置，就可以发挥强大的RPA(机器人流程化自动化)的作用，帮用户承担大部分运维工作。

　　我把一天的辛勤劳作列给大家看看，相信大家就明白我有猴赛雷了。

　　0：00，有些夜猫子还在刷手机时，我在刷机器：

　　1、    日志清理

　　很多系统都会产生日志，时间长了影响运转(磁盘满、IO不稳定等)。我会检查操作系统、服务、应用产生的日志，将历史日志进行压缩转储。

　　2、    数据备份

　　每天系统、服务和业务会产生不少新的数据，以数据库为例，新增的用户、业务、产品信息很重要。为了确保数据安全，我会将新的数据备份到本地，传输到远程，实现异地备份。数据库可能是传统的Mysql、Oracle、SQLServer，也可能是NoSQL阵营的MongoDB、InfluxDB等。

　　3、    大数据分析

　　很多客户都有大数据分析需求，我严格按照人类伙伴设定的指令，对大数据相关的任务顺序执行。为了确保数据准确，各环节的执行有先后要求，有了我的参与，无论是离线分析还是实时统计，都可以做到井然有序。

　　4、    代码发布

　　客户的代码发布工作，以前通过人类伙伴操作，有时发错了机房，有时遗漏了配置。人们半夜操作也很辛苦，交给我之后，我会和各系统配合起来，实现自动构建、灰度发布、自动测试，检测到问题我会立即自动回滚。根据统计，我投入工作后，发布引起的故障率下降了90%以上。

　　04：00，在环卫师傅清洁街道之前，我开始清理客户业务运行的环境：

　　1、    系统标准化

　　人类伙伴有时在设备上操作，无意间会忘了恢复原有的配置(目录结构、权限等)，可能影响发布、监控，严重的还会引发事故。无论是10台还是上万台，我会认真检查每个系统的环境，发现问题及时纠正、报告，保证环境的标准统一。

　　2、    清理垃圾

　　系统运行时间久了，会堆积一些垃圾，可能影响系统的安全稳定。我会按照操作系统(Linux、Unix、macOS、Windows)、服务(Tomcat、Redis、RabbitMQ等)的特点，排查垃圾，及时进行清理。这些垃圾包括桌面的、缓存的、浏览器的、内存镜像等。

　　3、    业务标准化

　　我的客户遍布各个行业，运行着不同业务软件。通过行业方案，我可以帮助客户快速建立业务运行的标准环境，包括运行程序的配置、目录、权限、相关用户等。我会认真检查每台业务设备，与标准化环境对比。发现问题我会及时修复，同时报告给管理者，尽可能消除隐患的影响。

　　8：00，我的人类伙伴们陆续到达岗位，随时检阅我的劳动成果：

　　1、    任务完成情况

　　我在夜间，执行了多少任务，成功率高低，有没有失败的任务，分别是什么原因等。

　　2、    工作流进度

　　我执行了多少流程，各个流程耗费了多久，成功率多少，是否需要重复执行等。

　　3、    自动纠偏报告

　　和标准环境相比，我自动改正了多少问题，还有哪几个需要人工排查。通过提示管理人员，将不标准的配置恢复正常，消除大部分事故隐患。

　　有的勤快的人类伙伴会到社区里逛逛，检查是否有最新的模板，确保系统紧跟潮流。

　　1、    作业模板

　　最近zabbix升级了，是不是有了最新的作业模板?作业模板有时被我的创造者更新，更多时候是被有经验的客户提交，经过审核后实现更好的管理。

　　2、    工作流模板

　　我涉及的工作流很多，包括各行业的、各系统的，如期货行业的windows装机流程、互联网行业的扩容流程、电商行业的代码发布流程等。通过查找合适的工作流，新用户也可以快速让我高效运转起来。

　　12：00，当人类伙伴去享用午餐，我也不会闲着：

　　1、    打系统补丁

　　相信大家都听说过比特币勒索病毒，其实新的攻击每天都会产生，谁让那么多人都吃饱了呢!只有及时更新系统补丁，才能防患于未然。我会检查各系统是否有对应的补丁，矜矜业业地将补丁更新到每台设备，做好客户的守护神。

　　2、    安全检查

　　除了及时为系统打补丁，我也会留意病毒库是否有更新、对主机进行安全审计、检查系统安全日志等。安全源于遵照规则的24小时防范，通过我--完全尊重规则的运维机器人，就是为了即使出现一次疏漏，也能通过规则迅速弥补，不会重复犯错。

　　16：00，下午人类伙伴有些疲劳，我却依然精神抖擞，继续执行一些指令，常见的有：

　　1、    软件升级

　　可能是几十台Nginx，可能是几百台Tomcat，也可能是上万台Linux设备升级内核。如果完全依靠人类伙伴，耗时费力，且容易出错，有了我的帮忙，效率提升了几十倍，差错率为0。

　　2、    安装软件

　　有时需要为几十台Windows机器安装客户购买的杀毒软件，有时上千台Linux设备要装上监控、日志的Agent，我会无休无眠地并行安装，直到所有机器都整齐划一。

　　20：00，在我的人类伙伴们享受家庭美好时光，围坐在一起欢声笑语时，我在不间断地进行晚间作业：

　　1、    容量规划

　　如果不进行提前的规划，随着业务的发展，等到磁盘满、负载高，再进行干预，为时过晚。我会从监控系统中获取基础数据，分析近期和中长期趋势，在发生问题前通知客户处理。有时会自动发起流程，进行扩容，看我的人类伙伴如何要求了。

　　2、    安全管控

　　晚上是人们使用互联网的高峰期，我会根据人类伙伴制定的规则，密切留意各种风险，并及时做出反应：当有黑客攻击，我会启动报警和预防机制;当有过多流量蜂拥而至，我会进行削峰处理，避免整体业务受影响;当有黄牛进行非法刷单，我会进行加入黑名单的处理。

　　不定期的，我会接到一些大型任务，无论任务多重，我都会毫无怨言立即全身心投入：

　　1、    设备扩容

　　要做活动了，需要增加50台机器。我会按照指定流程依次进行系统安装、服务部署、代码发布、启用监控、引入流量、日志采集等一系列操作。以往需要几天甚至几周的工作，交给我只要几小时甚至几分钟。

　　2、    网络配置

　　如果客户调整了防火墙规则，需要应用到所有网络设备中。按照以往做法，少不得让网络管理员加班熬夜，第二天出了问题不容易修复。给我规则，我会很快让几十上百的网络设备更新到位，管理员下班不要太早哦!

　　3、    批量变更

　　对几十台机器重启?所有Python2.7升级?JDK需要回退到上个版本?交给我!我一不会抱怨，二没有情绪，不管何时交给我多少工作，我都会乐呵呵地忙起来。

　　由于我的无差错、自动化特点，以往需要耽误人们大量时间的重复性工作，都交给我高效执行。有的以前需要几周的工作，现在只需几小时;有的经常出错的，现在几个季度都很难出现问题。

　　有了我的助力，人类伙伴的生活也得到了了改善：之前忙于每天做繁琐低效操作的同学，现在不仅运维管理得好，得到了升职加薪，还有时间去研究大数据和AI了;之前经常熬夜加班的团队负责人，现在有了更多时间陪伴家人。

　　有了人类伙伴与我的配合，业务也有了长足进步：随着运维效率的提高，70%左右操作实现了自动化流程化，差错率降低;后台效率的提升，带动了研发、业务的效率提升，最终实现客户整体绩效的改观。

　　我的创造者—上海泛汐，仍在孜孜不倦地打磨我的功能、外观、性能，让我的使用更简单，效能更强大。随着信赖我的人类伙伴越来越多，我将帮助更多客户取得更好的绩效，与客户伙伴们共同快速进步和成长，为广大客户创造长期价值。