【51CTO专稿】2013年11月22日-23日，Hadoop中国技术峰会（China Hadoop Summit 2013）在北京福朋喜来登集团酒店隆重召开，作为国内唯一专注于Hadoop技术与应用分享的大规模行业盛会，吸引了来自国内外各行业领域的近千名CIO、CTO、架构师、IT经理、咨询顾问、工程师、Hadoop技术爱好者。本次技术峰会上，51CTO记者有幸采访到新浪网研发中心系统架构师许杨毅，就新浪微博的敏捷运维问题进行探讨，了解其背后的故事。
（左：许杨毅 右：51CTO记者）
【嘉宾简介】许杨毅，新浪网研发中心系统架构师，14年互联网系统平台工作经验，目前负责新浪研发中心的各类系统平台的架构优化和技术组织工作。 包括新浪微博敏捷运维体系的建立和平台架构优化，数据体系工程，视频整体系统架构的质量改进/优化工作。
新浪敏捷运维产生的背景
“由于业务压力导致，在sina微博这个大规模数据量的产品上，故障的响应时间的要求就非常高，处理得稍微晚一点，这个故障可能就会从一个小范围扩散到全国范围内的用户。”许杨毅谈到，“正是由于处于在这样的背景下，所以怎么把运维工作做到更好更快是运维团队需要考量的问题。
首先，要有效的判断超大型业务系统的运行状态；微博服务平台有数万台各类设备，部署在全国多个IDC，是一个超大型的业务系统，在其上部署了非常复杂的各种业务逻辑架构。通过DIP平台来准实时/离线的搜集各个业务监控平面的指标以及业务指标的模式分析，建立业务运行的健康和监控标准(这一平台在新浪内部被称为SinaBench)。
其次，通过实时或者准实时对系统运行指标的多维提取 （异常值、告警区间，多维分析的漏斗模型 ）来进行业务异常状态的 自动化发现。
最后接入新浪的告警系统（SinaWatch），这样就形成敏捷运维的效果。
敏捷运维与传统运维的区别和联系
许杨毅称：“敏捷运维并没有完全脱离传统运维，只是在传统运维的基础上去整理和梳理的工作方法。采取一些运维工具，结合工作流程，去做优化，提升故障管理的效率。自动发现各个监控平面和业务环节的异常后，利用这些异常事件来快速定位和解决故障的问题随之而来。”Sina是如何解决这些问题的呢？许杨毅表示，“这一方面Sina用到了DIP的大数据处理能力（HADOOP+图计算框架）。通过业务数据，能够进行业务整体的全拓扑分析，自动建立故障事件的告警路径，再进行可视化回溯分析来快速定位。”
敏捷运维过程中遇到的挑战
“由于敏捷运维并非是一个独立的团队来做，包括所有和sina微博业务系统保障的部门，比如说：微博开发者团队，平台的运维团队、系统和底层架构等团队，把在某一个点或者面上的运维扩散到一个全业务、全流程的体系。所以在敏捷运维的过程中，需要协调跨部门的同事来进行，牵涉到很多业务单元，要把这些事情连动起来，难度是比较大的。”许杨毅如是说。
整合不同部门的人员和多种多样的技术，来保证业务的可扩展性（灵活性），能事半功倍、更好的协同和更高效的做好工作，这是新浪敏捷运维背后的一些故事。如欲了解更多内容详情，请从下边的视频中获悉，或许你会发现更多惊喜。
