机房巡检这事，看着像走过场，其实真能捡回一条命
很多人觉得机房巡检就是拿着表去转一圈，看看灯亮不亮，拍几张照片，回来填个表，纯走过场。我以前也这么想，直到有一次巡检真捡回一条命。那是去年夏天，机房例行巡检，我负责 B 区。按流程走,看...
分类 · 28
当前分类下共有 5 篇文章。
带了三个新人，我终于明白师傅为什么总说「你自己先查查」
今年组里来了三个新人，一个应届，两个转行。我带了一个月，血压上去好几次，但回头想想，也把自己当年踩的坑重新看了一遍。第一个新人，应届生，科班出身，Linux 命令背得滚瓜烂熟。有次他处理...
系统半夜崩了，开发第一句话是：是不是你们运维改了什么
凌晨一点二十，电话响。我接起来，对面是值班开发，语气很急：线上系统崩了，全站 502，你们运维是不是改了什么？我脑袋还懵着，下意识先自证清白：我今天没动过任何生产配置。他说那怎么突然就崩...
面试一个「精通 K8s」的，聊到 DNS 解析他沉默了
上个月招运维，筛简历的时候看到一个挺亮眼的：三年经验，精通 Kubernetes，会写 Helm chart，搞过 CI/CD，还说自己调过 CNI 网络问题。我心想终于来个能扛事的了。...
报警越响的事故越小，真出事的时候监控往往是安静的
昨天下班前看监控后台，发现又有三台机器连着几天没上报数据了。我第一反应不是"机器挂了"，而是"监控通道又堵了"。查了一下，果然，agent 日志里一堆超时重试，机房那边说晚上要割接，交换...