你有一份2019運維技能風向標，請查收

運維是一個融合多學科(網絡、系統、開發、安全、應用架構、存儲等)的綜合性技術崗位。

從最初的網絡管理（網管）發展到如今的系統運維工程師、網絡運維工程師、安全運維工程師、運維開發工程師等，能夠看出，運維的分工一直在細化，而且對綜合技能要求愈來愈高。

將來運維的發展趨勢是高、精、尖。高表示高度，精表示精通，尖表示尖端，也就是運維職場必定要站在必定的技術高度，在多個技術領域中，要精通某項技能，同時對尖端前沿技術必定要能掌控趨勢。

1. 運維職位的發展和趨勢

根據不一樣的運維領域和技術面以及分工流程三個方面來了解下2019年運維職位的發展趨勢。

1.按領域來劃分
1）基礎設施運維：IDC/網絡運維、服務器/存儲設備運維
2）系統運維：系統中間件運維、雲計算平臺運維
3）數據運維：數據庫運維、大數據技術平臺運維
4）應用運維：應用軟件系統
5）雲平臺運維：公有云平臺運維
6）容器運維：基於容器服務的運維

2.按技術切面來分
1）安全運維
2）性能運維
3）數據運維
4）集成運維

3.按流程來劃分
1）構建/持續集成、發佈
2）安裝部署、升級、遷移、合併、擴展
3）配置、初始化、配置變動
4）備份、傳輸、恢復
5）日誌、監控、預警
6）診斷排查、優化

2.系統運維技能圖譜

系統運維是運維的基礎，新的一年中，對基礎運維技能要求也在提升，打好系統運維基礎，才能深刻學習後面的各類運維技能。

下圖列出了系統運維要掌握的必備技能：

3.web運維技能圖譜

web運維是運維崗位中崗位最多的一個，薪資也相對較高，但須要掌握的知識點也比較多，新的技能要掌握，老的運維技能也不能丟。

下圖列出了web運維要掌握的各類必備技能。

4.大數據運維技能圖譜

大數據從2017年開始逐漸走到生活的各個角落，2018年在逐漸落地，而在2019年，大數據依然火熱。

加上國家對大數據產業的扶持，大數據產業在新的一年崗位需求必定會更加大，所以掌握大數據運維技能，就走在了運維的前沿。

下圖列出了大數據運維要掌握的各類必備技能。

5.容器運維技能圖譜

容器的產生，是一次IT行業的革命，2015 年到 2016 年，是業界廣泛認爲的容器技術爆發的一年，短短一年多時間裏，容器技術在中國大陸完成了從零星概念到烽火燎原的壯舉。

時至今日，容器技術在國內大多數企業中落地已成爲一種共識，而國內的生態系統，也呈現出了企業產品、開源社區和公有云齊頭並進的良好局面。

所以，2019年也是容器繼續快速落地的一年，下圖列出了大數據運維要掌握的各類必備技能。

6.數據爲王的時代

萬丈高樓平地起，高樓穩不穩取決於地基是否紮實。運維數據即是運維管理這座高樓的地基。運維數據大體分爲CMDB、日誌、生產DB、知識庫四個方面。

對數據的維護和管理相當重要，特別是日誌數據，對運維來講，經過日誌能夠比較準確全面地知道系統或是設備的運行狀況，能夠返查問題產生的緣由，還原問題發生的整個過程。

經過日誌也能夠提早預測系統可能要發生的問題或是故障，如系統安全日誌，若是網絡安全防禦會在系統安全日誌中有必定的體現。

7.日誌數據處理

這麼多的日誌，運維要經過各類手段完成日誌的收集、過濾分析、可視化展現，那麼如何實現這些功能呢？

方法不少，例如ELK集成套件（Elasticsearch , Logstash, Kibana）就能夠輕鬆實現日誌數據的實時收集、分析傳輸以及圖形化展現。

那麼要如何使用ELK呢，根據日誌量的不一樣，對應的ELK架構也不盡相同，看下面幾個常見架構：

8.ELK架構1

此架構主要是將Logstash部署在各個節點上搜集相關日誌、數據，並通過分析、過濾後發送給遠端服務器上的Elasticsearch進行存儲。

Elasticsearch再將數據以分片的形式壓縮存儲，並提供多種API供用戶查詢、操做。用戶能夠經過Kibana Web直觀的對日誌進行查詢，並根據需求生成數據報表。

此架構的優勢是搭建簡單，易於上手。缺點是Logstash消耗系統資源比較大，運行時佔用CPU和內存資源較高。

另外，因爲沒有消息隊列緩存，可能存在數據丟失的風險。此架構建議供初學者或數據量小的環境使用。

9.ELK架構2

由此衍生出來了第二種架構：

此架構主要特色是引入了消息隊列機制，位於各個節點上的Logstash Agent（一級Logstash，主要用來傳輸數據）先將數據傳遞給消息隊列（常見的有Kafka、Redis等）。

接着，Logstash server（二級Logstash，主要用來拉取消息隊列數據，過濾並分析數據）將格式化的數據傳遞給Elasticsearch進行存儲。

最後，由Kibana將日誌和數據呈現給用戶。因爲引入了Kafka（或者Redis）緩存機制，即便遠端Logstash server因故障中止運行，數據也不會丟失，由於數據已經被存儲下來了。

這種架構適合於較大集羣、數據量通常的應用環境，但因爲二級Logstash要分析處理大量數據，同時Elasticsearch也要存儲和索引大量數據，所以它們的負荷會比較重，解決的方法是將它們配置爲集羣模式，以分擔負載。

此架構的優勢在於引入了消息隊列機制，均衡了網絡傳輸，從而下降了網絡閉塞尤爲是丟失數據的可能性，但依然存在Logstash佔用系統資源過多的問題，在海量數據應用場景下，可能會出現性能瓶頸。

10.ELK架構3

最後，還有第三種架構：

這個架構是在上面第二個架構基礎上改進而來的，主要是將前端收集數據的Logstash Agent換成了filebeat，消息隊列使用了kafka集羣，而後將Logstash和Elasticsearch都經過集羣模式進行構建。

此架構適合大型集羣、海量數據的業務場景，它經過將前端Logstash Agent替換成filebeat，有效下降了收集日誌對業務系統資源的消耗。

同時，消息隊列使用kafka集羣架構，有效保障了收集數據的安全性和穩定性，然後端Logstash和Elasticsearch均採用集羣模式搭建，從總體上提升了ELK系統的高效性、擴展性和吞吐量。

11.用大數據思惟作運維監控

大數據分析最先就來源於運維人的日誌分析，到逐漸發展對各類業務的分析，人們發現這些數據蘊涵着很是大的價值。

那麼如何用大數據思惟作運維呢，大數據架構上的一個思惟就是：提供一個平臺讓運維方便解決這些問題， 而不是，讓大數據平臺去解決出現的問題。

基本的一個大數據運維架構是這樣的：

對於運維的監控，利用大數據思惟，須要分三步走：

獲取須要的數據
過濾出異常數據並設置告警閥值
經過第三方監控平臺進行告警

全部系統最可靠的就是日誌輸出，系統是否是正常，發生了什麼狀況，咱們之前是出了問題去查日誌，或者本身寫個腳本定時去分析。如今這些事情均可以整合到一個已有的平臺上，咱們惟一要作的就是定義分析日誌的的邏輯。

好啦，這就是今天要給你們介紹的2019核心運維技能啦，抓住時機，開始全新學習吧！2019，你的全新開始！！！

更多好內容，請訂閱南非螞蟻三部曲《大牛帶你解決運維典型難題》 如今訂閱，免費送圖書>>>