引言
“網(wǎng)絡(luò)就像wifi，沒有故障的時候，就沒有人意識到它的存在”，這句話有無數(shù)的翻版，但是對于網(wǎng)絡(luò)工程師來說這就是現(xiàn)身說法。由于網(wǎng)絡(luò)工程師的人數(shù)即便是在上千人的公司，也僅僅是個位數(shù)，所以他們的工作也鮮為人知 ?！熬W(wǎng)絡(luò)是不是有問題？”這句話幾乎成了所有SRE排錯時的口頭禪，如果這個時候網(wǎng)絡(luò)工程師表示沉默，或者無法拿出足夠的證據(jù)，那背鍋幾乎是無疑的，如何讓網(wǎng)絡(luò)環(huán)境的運(yùn)行狀態(tài)更加透明，如何在每次業(yè)務(wù)故障的時候自證清白，這不僅是基礎(chǔ)服務(wù)團(tuán)隊(duì)要關(guān)心的內(nèi)容，更是整個技術(shù)團(tuán)隊(duì)想要了解的黑匣子。
1、監(jiān)控
網(wǎng)絡(luò)設(shè)備存活監(jiān)控
對于SRE來說需要監(jiān)控程序是否正常，對于主機(jī)組來說需要監(jiān)控服務(wù)器硬件是否正常，對于網(wǎng)絡(luò)來說我們首先需要關(guān)心網(wǎng)絡(luò)設(shè)備是否可達(dá)。當(dāng)一臺TOR不可達(dá)時，基本上預(yù)示著會有一片服務(wù)器不可達(dá)，業(yè)務(wù)的痛感是相當(dāng)強(qiáng)烈的。
網(wǎng)絡(luò)設(shè)備的監(jiān)控最好和業(yè)務(wù)監(jiān)控系統(tǒng)盡量解藕，因?yàn)榫W(wǎng)絡(luò)故障極有可能引發(fā)業(yè)務(wù)系統(tǒng)異常，如果恰巧導(dǎo)致的是業(yè)務(wù)的監(jiān)控系統(tǒng)異常，那網(wǎng)絡(luò)設(shè)備的告警將失去可靠性，“監(jiān)控不準(zhǔn)”且不說這個鍋是誰的，這種局面會讓網(wǎng)絡(luò)工程師Trouble Shooting時陷入被動，延長了故障時間。
每一個網(wǎng)工在走出校門的那一刻，都已經(jīng)具備基本的編程基礎(chǔ)， 況且交換機(jī)的數(shù)量和服務(wù)器的數(shù)量有著量級上的差別，所以如果你能看懂幾句python，100+的python代碼即可搞定一個簡易的設(shè)備存活監(jiān)控的程序，Github中可搜索 NodePingManage 就是一個很好的例子，還可以通過多點(diǎn)部署來消除單點(diǎn)故障。有了這類工具， 從此全網(wǎng)的各個角落的可達(dá)性終于明了， 漆黑的網(wǎng)絡(luò)環(huán)境，似乎反射出了一絲光明。
設(shè)備日志監(jiān)控
設(shè)備存活告警雖然可以預(yù)警很多異常，并且準(zhǔn)確度很高，但是對于冗余性做的比較好的網(wǎng)絡(luò)，能Ping通并不代表完全沒問題，此時，細(xì)心的網(wǎng)絡(luò)工程師會去看日志，這里可以反映出更多細(xì)節(jié)。對于萬臺服務(wù)器規(guī)模，網(wǎng)絡(luò)設(shè)備的數(shù)量也就千臺，但是逐臺查看日志，人肉判斷是否有異常，那簡直是場噩夢。
《日志告警》程序就成為網(wǎng)絡(luò)工程師們居家旅行必備之良品，只需要一臺Syslog服務(wù)器，部署一個日志監(jiān)控程序，當(dāng)發(fā)現(xiàn)日志中出現(xiàn)特殊關(guān)鍵字，觸發(fā)郵件+短信告警即可。這么高大上的工具當(dāng)然需要更多的編程技巧，150+ python代碼才能搞定。Github中類似的解決方法有很多，搜索 LogScanWarning 即可得到一個示范案例。
從此你可以在業(yè)務(wù)無感的情況下，發(fā)現(xiàn)網(wǎng)絡(luò)中的異常， 例如：風(fēng)扇轉(zhuǎn)速異常／電源模塊故障／ospf鄰居狀態(tài)抖動／端口flapping／有黑客在爆破我的設(shè)備／設(shè)備硬件parity error／模塊收發(fā)光異常／Kernel報錯等等。優(yōu)秀的網(wǎng)絡(luò)工程師可以在故障發(fā)生時快速定位，牛X的網(wǎng)絡(luò)工程師可以在故障發(fā)生前就消除隱患，防范于未然。
流量監(jiān)控
高速公路鋪的再好，也架不住車多人多。確保網(wǎng)絡(luò)順暢，品質(zhì)優(yōu)良，沒有丟包，延時穩(wěn)定也是網(wǎng)絡(luò)工程師的職責(zé) ，此時流量監(jiān)控就成了剛需。業(yè)務(wù)的飛速發(fā)展體現(xiàn)在網(wǎng)絡(luò)層面就是DC內(nèi)流量上漲／DCI流量上漲／IDC出口流量上漲／專線流量上漲，流量監(jiān)控可以準(zhǔn)確掌握業(yè)務(wù)的高峰和低谷，當(dāng)線路需要擴(kuò)容時，帶寬使用率是老板參考的重要數(shù)據(jù)。一般情況下線路中的流量超過50%即可發(fā)起擴(kuò)容，因?yàn)檫@意味著當(dāng)備份鏈路down之后，主線路將出現(xiàn)擁塞。
接口error監(jiān)控
接口的Error包監(jiān)控和流量監(jiān)控一樣，均可以通過snmp采集，OID：ifOutErrors，ifInErrors , Error包出現(xiàn)增量會直接影響業(yè)務(wù)的服務(wù)質(zhì)量，一旦發(fā)現(xiàn)需要優(yōu)先處理，否則業(yè)務(wù)會拎著一堆TcpTimeOut指標(biāo)找上門來。當(dāng)然，可以通過snmp采集的信息還有很多，例如：設(shè)備的CPU／內(nèi)存／溫度／防火墻的Session等，掌握這些信息對了解設(shè)備的工作環(huán)境也頗有益處，如果你要做一個自動化巡檢工具，那么這些指標(biāo)必不可少。市面上提供網(wǎng)絡(luò)監(jiān)控的軟件有很多，例如：Falcon/Zabbix/Solarwinds/Cacti/Nigos 等，有開源的也有收費(fèi)的，功能類似，此處不加贅述。
2、制造自動化運(yùn)維工具
第一章中的組合拳打完之后，基本上不會出現(xiàn)“意料之外的故障”，所有的異常都應(yīng)該有據(jù)可查，當(dāng)SRE莫名其妙提出對網(wǎng)絡(luò)環(huán)境的質(zhì)疑時，你應(yīng)該早已心中有譜。但是網(wǎng)絡(luò)工程師的工作并非只有救火，日常運(yùn)維工作中，經(jīng)常需要配合業(yè)務(wù)發(fā)展做一些線上變更/ 機(jī)房擴(kuò)建／業(yè)務(wù)類故障排查等。作為一名“懶惰”的網(wǎng)絡(luò)工程師，程序可以幫忙點(diǎn)什么忙呢？
UserDevice Tracker
這個名詞借用于Solarwinds套裝中的一個組件，直譯為“用戶設(shè)備追蹤器” ， 在中小型企業(yè)網(wǎng)運(yùn)維中，經(jīng)常會有這樣的需求：
知道服務(wù)器的IP，請問連接在交換機(jī)的哪個口？
知道交換機(jī)的某個端口，請問連接的服務(wù)器的IP是多少？
給你一臺服務(wù)器的MAC地址，怎么知道在哪個交換機(jī)的哪個口？
大型互聯(lián)網(wǎng)公司一般會有CMDB或者網(wǎng)絡(luò)管理平臺來記錄這些信息， 但是如果你是一家中小型企業(yè)的網(wǎng)管，沒有運(yùn)維研發(fā)團(tuán)隊(duì)做支持，并且還在沿用二層的環(huán)境（服務(wù)器網(wǎng)關(guān)在核心設(shè)備），那就比較費(fèi)勁了。以上幾個問題其實(shí)歸根到底是要捋清楚三個要素的對應(yīng)關(guān)系： PORT<>MAC<>IP
舉個例子：
一臺交換機(jī)有多個物理接口，一個物理接口下可以有多個MAC，一個MAC可以對應(yīng)多個IP，或者不對應(yīng)任何IP。 有了這個基本的模型，只需要做兩件事情即可找到全網(wǎng)設(shè)備這三元素的對應(yīng)關(guān)系。首先去服務(wù)器直連的交換機(jī)獲取MAC表（即MAC<->PORT）， 然后再去服務(wù)器的網(wǎng)關(guān)設(shè)備獲取ARP表（即IP<->MAC），這兩張表根據(jù)MAC地址作為唯一主鍵即可得到 PORT <->MAC<->IP 的對應(yīng)關(guān)系。 信息的獲取可以通過模擬登陸或者OID采集均可，Github中也有很多類似的代碼可供參考，有了這個對應(yīng)關(guān)系，即便沒有CMDB，你依然可以快速定位想要的信息， 普通網(wǎng)工查找這個信息需要5分鐘， 而你只需要5秒鐘。
網(wǎng)絡(luò)設(shè)備向接口的二次封裝
日常網(wǎng)絡(luò)運(yùn)維工作中，經(jīng)常會有一些 “簡單重復(fù)勞動”，例如：為某個接口劃分Vlan／給某臺設(shè)備添加一條指向主機(jī)的路由等， 這些操作即沒有科技含量，還占用了工程師寶貴的時間，更要命的是再簡單的人肉操作，重復(fù)的次數(shù)只要足夠多，總有失誤的時候，正所謂“常在河邊走，哪有不濕鞋”，但是在這種問題上犯錯誤簡直是對職業(yè)生涯的抹黑，如此“雞肋”的工作怎么才能干的漂亮？
以《自動劃分交換機(jī)接口Vlan》的功能為例， 如果有一個工具只需要你提供三個參數(shù)：設(shè)備IP／端口／vlan編號， 就能自動登陸設(shè)備把特定接口劃分到指定Vlan，那豈不是美哉。沒錯！你需要的是一個對設(shè)備封裝后的接口， 現(xiàn)在多數(shù)網(wǎng)絡(luò)設(shè)備廠商都會提供自己的API，無論是NETCONF還是RESTful，只要讀懂了使用手冊，即可通過程序輕松變更設(shè)備的配置，甚至你可以用更加”接地氣”的方法，用程序“模擬登陸”設(shè)備 ，雖然這個方法在效率上比不過NETCONF和RESTful API，但是在通用性上那簡直無敵，因?yàn)闆]有哪個廠商的設(shè)備不支持SSH或者TELNET的。
有了這個理論基礎(chǔ)，一些簡單的網(wǎng)絡(luò)上的操作就可以通過自己封裝的接口來實(shí)現(xiàn)變更，甚至可以把變更的權(quán)限交給業(yè)務(wù)，只要業(yè)務(wù)提交的請求是合法的，變更可立即上線生效。此時，肯定會有人大驚失色！把網(wǎng)絡(luò)設(shè)備的權(quán)限交給業(yè)務(wù)，這樣真的好么？萬一改壞了怎么辦…所有的疑惑都是正常的，同時也都是有解的。還以《自動劃分交換機(jī)接口Vlan》舉例子，你可以限制程序執(zhí)行的內(nèi)容，你可以規(guī)定交換機(jī)只能是TOR不能是CSW，你可以約束接口只能是Access不能是Trunk，你可以限定被操作的接口下流量必須為0bps，以避免誤操作影響到業(yè)務(wù)，你可以通過動態(tài)Token保證接口的安全，你可以要求必須提供接口下現(xiàn)存的MAC以定位接口的位置，你還可以對調(diào)用者加白名單，另外，操作成功后還需要有短信+郵件反饋操作后的結(jié)果，等等…
所有的考量都可以固化為代碼規(guī)則，只有程序是最忠實(shí)的執(zhí)行者。接口可以提供7*24 小時全年無休的服務(wù)，而人的精力是有限的，用程序去應(yīng)對業(yè)務(wù)那些簡單有規(guī)律的需求，節(jié)省出工程師寶貴的時間來思考人生，這才是網(wǎng)絡(luò)工程師自動化運(yùn)維之路的正道。
總結(jié)
以上，是筆者結(jié)合自身工作經(jīng)歷總結(jié)的一些心法，寫代碼對于網(wǎng)絡(luò)工程師來說確實(shí)有些難度，但是只要跨過這道坎，你會得到更多富裕的時間來擴(kuò)展自己的專業(yè)道路，謹(jǐn)以此文，希望能拋磚引玉為自動化網(wǎng)絡(luò)運(yùn)維盡綿薄之力。
文章摘自小米運(yùn)維

當(dāng)前文章：網(wǎng)絡(luò)工程師眼中的自動化運(yùn)維
網(wǎng)頁鏈接：http://jinyejixie.com/news45/112545.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站營銷、網(wǎng)站改版、企業(yè)建站、網(wǎng)站收錄、外貿(mào)網(wǎng)站建設(shè)、微信小程序

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)