站长圈淘汰只会单点技术的运维人

　　去年七月份那场事故，现在想起来还后怕。凌晨三点监控突然炸锅，官网502的告警短信跟催命符似的往手机上蹦。我冲进公司时，运维老张正蹲在工位前敲命令行——他还在用那套十年前的脚本重启Nginx，键盘上那个掉漆的F5键都快被他按穿了。结果呢？首屏转圈、按钮点了没反应、控制台一片红，用户投诉直接把客服系统干崩了。

　　最离谱的是，这哥们儿连日志都没看全就断言“肯定是CDN节点挂了”。我扒开他的终端窗口，发现他还在用tail -f手动翻日志，而隔壁测试机的Kibana面板上，错误请求的地理分布图早就把问题指向了某个后端接口超时。等他终于承认“可能不是CDN的问题”时，产品经理已经站在我背后看了五分钟——他端着咖啡的手都在抖，杯子里的水溅到了我的键盘上，那个掉键的空格键彻底废了。

　　后来查构建日志才发现，那天下午后端刚合并了一个PR，把Redis的键名从驼峰改成了下划线。老张的监控脚本里还硬编码着旧键名，自然抓不到缓存击穿的数据。更绝的是，他居然没开任何告警收敛策略，同一个错误每秒刷几百条，直接把Zabbix的数据库撑爆了。我盯着他那台竖着的显示器，上面还开着十年前的Putty会话——窗口标题还是“生产环境-2013版”，背景图是某个二次元动漫角色。

　　现在站长圈都在传“淘汰单点技术运维”，其实不是我们故意卡人。上周帮某个传统企业迁移系统，他们那个“资深运维”连Dockerfile都不会写，非说“容器就是虚拟机轻量版”。我让他用docker-compose起个测试环境，他居然在生产机上直接运行docker run --network host，结果把内网DNS服务冲垮了。更搞笑的是，他连基本的端口冲突检查都没做，8080端口被占用的错误在控制台挂了半小时，他还在那儿翻Nginx配置文件。

　　上周五的复盘会上，产品经理把监控大屏怼到所有人脸上：新上线的中台页面，首屏加载时间从1.2秒飙到4.7秒，用户流失率直接涨了30%。老张的解释是“可能是前端资源太大了”，结果我打开Chrome性能面板，发现后端接口平均响应时间占了3.2秒——其中有个SQL查询没加索引，全表扫描了200万条数据。更讽刺的是，这个接口的负责人就是老张自己，三个月前他还在群里吹牛说“我的代码从来没出过性能问题”。

　　现在招运维都要求“全栈监控能力”，不是我们事儿多。上周面试个候选人，问他“如何排查线上服务OOM”，他居然说“先看日志有没有OutOfMemoryError，没有就重启”。我让他打开Arthas面板，他盯着那堆线程堆栈一脸懵逼；我让他用jstat看GC日志，他说“我们以前都用jmap手动dump”。最绝的是，当我提到“Prometheus+Grafana的告警规则怎么写”时，他居然问“Prometheus是不是那个做监控的开源项目？”

　　昨天路过老张的工位，发现他的显示器上还开着那个十年前的Putty会话——窗口标题还是“生产环境-2013版”，只是背景图换成了某个网红主播。键盘上那个掉键的空格键旁边，多了个贴着“F5”的便签纸。外卖小哥在门口喊了三次“谁的麻辣烫”，没人应声——我猜大家都在躲着他，怕又被拉去处理他搞崩的生产环境。

文章配图，仅供参考

　　今天上午又收到个告警，某个H5页面的JS错误率突然涨到15%。我打开Sentry一看，是某个第三方SDK的版本冲突——这个SDK的维护者三个月前就弃坑了，而我们的代码里还硬依赖着它。我回头看了眼老张的工位，他的显示器已经黑了，键盘上的“F5”便签纸在空调风里微微颤动。外卖小哥又在门口喊了，这次是“谁的黄焖鸡”——我叹了口气，摸出手机点了份螺蛳粉，顺便把Sentry的告警规则又调严了点。

（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!