站长别再单打独斗：媒体融合需重构技术运营逻辑

　　告警响的那一刻，我正把泡面叉子插进最后一块蛋里——没吃，就戳着。手机在桌上震第三遍，不是值班号，是开发老陈的私人微信语音条：“你快看监控！全链路红了！”我划开一看，三个核心节点掉线，中间那台缓存机器CPU打满到一百，但load才1.2，怪得离谱。我原以为是磁盘IO卡死，ssh进去敲iostat -x 1，盯着await列不动，等三秒，又等三秒，突然意识到：它根本没在等磁盘——这机器连磁盘都没挂上。

文章配图，仅供参考

　　其实我早该看出来的。上周三凌晨三点，机房空调跳闸，冷风直吹我后颈，我蹲在机柜前用笔记本连console线，屏幕右下角还开着两个没关的MySQL慢查窗口，一个是查用户行为表，另一个是我在帮运营同事导上个月的短视频播放时长统计。导到一半我切出来修证书，证书续签脚本跑了一半崩了，提示Let’s Encrypt rate limit exceeded。我没重试，直接手动cp了上个月的pem。反正流量不大，扛一晚上。可那一晚之后，CDN回源突然开始报503，没人觉得有因果关系——直到这次。

　　跟开发吵了一架，在会议室。他指着Prometheus图表说“你们监控不准”，我说“你补丁里没加rate limiting凭什么赖监控”。他掏出手机翻Git commit记录，指着一行注释：“已验证无副作用”。我当场笑出声，说：“你验证的是代码编译通过，不是它半夜三点把Redis当内存型数据库用。”他低头搓拇指，没说话。散会路上，隔壁组同事撞见我，问：“你家那个双活架构，到底双了几个活？”我回：“双了个寂寞。”

　　优胜劣汰这事儿，真不是口号。上周六我翻旧备份目录，发现三台机器里，两台的增量备份脚本去年十月起就没跑成功过，报错日志被自动清理，只剩一条crontab空行。谁删的？不知道。查不到。我们组四个运维，三个人都改过同一份自动化脚本，没人commit message写“修复备份失败逻辑”，全是“fix bug”“update config”。结果呢？三个月前那次DNS污染，靠的是手动推hosts；两个月前的证书批量过期，靠的是Excel表格人工勾选；上个月视频转码服务OOM，靠的是每天上午九点手工kill掉僵尸进程——这哪叫运维，这叫人肉crontab调度器。

　　窗外天快亮了，我还在等一个API响应。那个新媒资服务调用第三方AI审核接口，超时时间设成了120秒，而人家文档白纸黑字写着：“平均响应37秒，P99为86秒”。我提过两次，开发回我：“先上线再说，后面加熔断。”后面？后面就是现在——它卡在中间，既不成功也不失败，像一根插在数据库连接池里的牙签，堵住所有后续请求。我看监控，看着那个红色的“Pending”数字慢慢涨到47，心里突然特别平静。反正这事本来能避免，只要当时我把那行curl命令改成带timeout的版本，或者哪怕多加个sleep 0.5。

　　家里小孩昨天问我：“爸爸修电脑是不是就像修玩具车？”我说是。他说：“那你修好以后，它还会坏吗？”我说：“会，但修得越勤，坏得越有规律。”他点点头，转身去拆自己的乐高火箭，把发动机模块拧下来，搁在窗台上晒太阳。我看了会儿，那发动机塑料壳被晨光照得发亮，底下沾着一点灰，像没擦净的指纹。

　　其实那天凌晨，机房的人给我递了瓶水，冰的，瓶身全是水珠。他站我旁边看了五分钟监控，没说话，临走前拍拍我肩：“上次换交换机，你们组扛了十八个小时，记得吧？”我记得。但我没告诉他，那晚我偷偷改了SNMP trap阈值，把CPU告警从90%提到95%，就为了少接几通电话。反正没人查——就像没人查为什么备份脚本失效、为什么补丁不验压力、为什么所有配置都散落在三个人的本地笔记里。

　　我认了。站长单打独斗的日子，确实到头了。不是因为技术多难，是再这么干下去，迟早有人把生产库root密码贴在显示器边框上，还觉得自己在做“快速交付”。下周我打算把所有定时任务迁到Airflow，不图别的，就图它至少会记下谁改了什么、什么时候改的、改完有没有人看过log。当然，也可能它第一天就因权限问题跑不起来，到时候我大概率会重启服务器，再试一次。但至少，这次我不一个人重启。

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!