共计 3577 个字符，预计需要花费 9 分钟才能阅读完成。
编者按：随着企业数字化转型步入深水区，设施数量减少，业务零碎更加简单，除了要保障物理硬件的稳定性和可靠性，运维目标和伎俩也产生了粗浅改革，由龙蜥社区零碎运维 SIG 组 Maintainer、统信软件资深操作系统研发工程师高冲从零碎运维的趋势与挑战、零碎运维 SIG 组我的项目及将来瞻望和布局三个方面带咱们理解操作系统运维和可观测性，本文整顿自 2022 年阿里巴巴开源凋谢周技术演讲，视频回放已上线至龙蜥官网（首页 - 动静 - 视频），欢送大家观看。
一、零碎运维的趋势与挑战
随着企业数字化转型步入深水区，设施数量减少，业务零碎更加简单，除了要保障物理硬件的稳定性和可靠性，运维目标和伎俩也产生了粗浅改革，通过平台化和智能化保障运维环境的实时性、数据安全性和业务连续性。
运维的整个倒退历程次要有上面四个阶段：
从最后的手动运维，依赖于运维人员的教训，倒退为流程化的一个运维，依赖流程的规范化治理来实现运维，前两种的运维形式为企业带来很大的运维老本，现阶段的支流运维形式有两种：一、平台化的运维。通过平台化的自动化和可视化的运维，来大大减少企业运维的老本。二、智能化运维。随着数据分析、人工智能的技术引入，缓缓地咱们也会染指智能化运维。
上面为大家介绍下运维业务的架构。
第一个最底层的是对于硬件的一个运维，通常就蕴含硬件的一些信息，比方温度、读写寿命、风扇转速等等。
第二再往下层就是对操作系统的运维，还有是通过外挂的一些运维，比方 IPMI 协定，通常比拟常见就是 BMC。
在整个零碎的运维方面，其实有两大部分，一个是管控，另外一部分是诊断。
1、管控次要分为三个方向：
第一个是资源管理。首先就是对资源的一个纳管，比如说主机的一些纳管。另外就是监控，如对资源的一些监控，蕴含 CPU 的算力、磁盘的应用状况、带宽、内存，最初是对资源的调配。
第二是配置管理。它蕴含有三局部：平安、包治理、自动化。在整个运维方向来看，其实都视为是配置。配置中的平安一个是 CVE，还有一些是配置项的平安，比如说端口扫描都属于平安。另外是包的治理，当初比拟支流的有两种：一个是 RPM 包，另一个是 deb 包。包治理其实就蕴含这个包的降级回退、版本控制。最初就是自动化，也是绝对比拟重要的一部分，比如说咱们配置的批量下发、定时工作，还有一些模板下发。
第三个就是权限治理。权限治理分两局部，一部分是用户权限管制，绝对比拟常见的 RBCA。另外是审计，蕴含行为审计和日志审计。除了审计，还有一部分是危险拦挡，比方拦挡危险命令的操作、提权操作等。
2、另外比拟外围的一块是 SLI：
SRE(站点可靠性工程) 的概念是由 gongle 创立出的, SLI 是指度量系统可靠性的测试指标。OS SLI 通常有可靠性、可用性、性能等方向，OS 通常为提早、吞吐量、相应工夫、准确性、完整性。一部分 SLI 是传统式被动触发，比如说网络提早抖动产生的时候，运维人员去调用相干的 SLI 一些工具，做下钻式的剖析或者是咱们去利用凌晨或者定时巡检来发现问题，相似于轮询这样的形式。
传统的 SLI 的采集是通过零碎调用获取零碎信息，比拟消耗资源的。目前比拟火的 eBPF 技术就解决了底噪占用高和平安的问题，能够联合一些根本解决伎俩来获取更有价值的数据。
以上介绍的管控和诊断，咱们都会通过这两块业务收集到数据，也就波及到数据处理。
数据处理，目前有四个方向的解决形式：
一个是时续化的数据处理。咱们将整个诊断，还有管控的数据做一个时续化的解决来帮忙运维人员做一些更好的、更深层次的剖析。第二就是一些性能的剖析，须要对整个性能做负载画像。第三零碎的各个的方向理论是绝对比较复杂的，咱们须要利用一些算法做聚合剖析。最初就是异样检测。比方 IO 的一个提早，须要对 IO 企业的工夫或者读工夫比拟长，做一个离群检测剖析。
有了这些数据之后，咱们会对数据利用运维的一些教训或者 AI 技术，做一些智能化的一些染指，当然也蕴含告警。
联合传统运维工具和 eBPF 技术，咱们能够对整个零碎的进行全栈观测。从最底层，比方 CPU 的诊断来说，咱们能够利用 CPU frequency 去看到每个过程在对 CPU 的一个调动频率的观测。再到下层的一个设施驱动、网络，还有文件系统，零碎调用等，都是能够利用 eBPF 技术来做到很深层次的观测。
那同样的对用户态的一些过程，比如说数据库、中间件或者是 runtime 的一个状态都能够就是利用 uproble 技术去做观测。
二、龙蜥社区零碎运维 SIG
零碎运维 SIG 组（Special Interest Group）是致力于打造一个集主机治理配置部署，还有监控报警、异样诊断、平安审计等一系列性能的一个自动化运维平台。目前 SIG 组有三个外围的我的项目：一个是 SysOM，提供一站式的运维的治理平台。SysAK 是零碎的一个剖析诊断套件，也是外围驱动 SysOM 一些诊断性能的技术底座。最初是比拟前瞻性的 coolbpf，是对 BPF 编译套件的加强，包含一个近程编译的技术。还有是对低内核版本的在 eBPF 上个性的回合。目前整个 SIG 组比拟沉闷的，PR 提交了有一千多。
上面为大家介绍一下 SysOM 的整个的架构。SysOM 的架构外围是分为两局部，一个是 server 端，另一个是 client 端。
前端次要是 dashboard 的展现。有主机治理、监控核心、宕机核心、诊断核心、日志核心和平安核心，次要是负责和用户的一个 UI 交互。后端是负责一些外围的技术实现。比如说监控，有资源监控（目前是通过 prometheuse 的 exporter-node 去实现资源的监控）、工作监控、异样监控。还有宕机剖析、诊断，依靠的是 SysAK 的一些性能去做到网络诊断、存储诊断、内存诊断和调度诊断。最初在平安这一块，次要包含破绽查看、破绽修复，加固以及日志审计。
整个的后端存储有两局部，一部分是关系型数据库，就是 RDB，还有一个就是时序性数据库。
client 蕴含 SysAK 负责提供零碎的性能和故障诊断。vmcored client 次要是负责提供诊断信息的收集。node exporters 负责整个资源的一个诊断，还蕴含时序化的解决、回传 prometheus。
那上面我将是通过前端的展现，为大家直观的理解 SysOM 整个的性能：
SysOM 主机治理，反对批量导入导出、集群化治理，当然也反对近程的终端。监控核心集成了一些罕用的资源的配置项。比如说磁盘、CPU 算力，还有网络带宽的应用状况，也蕴含一些要害过程的监控，还有网络的延时状况。
SysOM 诊断核心，也是绝对比拟外围的性能。咱们目前对系统做了 SRE 诊断，另外也蕴含整个的软硬件诊断的状况，还有 IO 诊断，也去做了零碎的低状态的查看。性能包含零碎的调度的应用状况做了火焰图的剖析，这样咱们也就可能通过很直观的去看到零碎的一些瓶颈、性能的问题。
也包含可用性的查看，咱们做了动态的一些配置项查看。比如说调度、内存和 IO 网络去通过和咱们专家教训去做比照，剖析出性能或者是一些故障隐患。
SysOM 比拟有亮点的两个性能：网络诊断和 IO 诊断。咱们当初从单时报能看到的是网络诊断，通过从 server 端发包给 agent 端，而后把整个调用链，在每个阶段均匀的耗时计算出来，通过一个直观的图展现进去，也能够通过鼠标的悬停去看具体的某个阶段的耗时状况做一个下转式的剖析。比方下图对用户态的整个内核的试验做了剖析：
从上图中咱们能看到它整个的一个均衡均匀耗时是三十七毫秒。然而在具体的某个时间段是有肯定的稳定的。
整个 SysOM 的性能是绝对比拟多的，也欢送感兴趣的小伙伴能够做一些乏味的摸索。
最初是 SysOM 平安核心。平安核心通过是 errata 的机制，联合 Anolis 的公勘去做了破绽的一个施行，定期扫描。当然也是反对破绽的第三方配置。咱们通过比如说配置破绽数据库，接入第三方的一些数据库来加强整个零碎或者是运维环境的安全性。
那对一些高危的或者是须要咱们重启的一些 CUE，咱们在修复之后也是会给出相应的提醒。如重启服务或者说内核须要重启零碎来失效。
以上是整个 SysOM 相干内容的介绍，对于 SysAK 和 coolbpf 相干介绍能够通过 SIG 组理解，也心愿大家参加到零碎运维 SIG 组，大家一起来多多奉献。
三、瞻望和布局
目前 eBPF 提供了一种全新的动静插桩技术，为运维的性能和故障诊断带来新生机。统信软件也将继续奉献在 OS 方向的专家经营教训，携手龙蜥社区一起把零碎运维 SIG 组做好，也把龙蜥生态做好，将来也将会在故障诊断、平安和权限治理继续发力。
相干链接地址：
零碎运维 SIG 地址：https://openanolis.cn/sig/sysom
SysOM 我的项目链接：https://gitee.com/anolis/syso…
2022 阿里巴巴开源凋谢周演讲视频：https://openanolis.cn/video/#…
—— 完 ——