摘要：她介绍说，每个数据中心的运维工作人员管理了至少台服务器，其中部分员工会管理数量高达多个的系统。提到，自动化工作的目标是尽量避免将技术人员派往现场解决问题，除非必须对服务器进行现场处理。这样做的结果就是用来修理服务器的时间减少了。
Facebook 数据中心运维主管 Delfina Eberly
目前，Facebook 已经凭借它在网络基础建设上的可扩展能力成为了行业的领军者。Facebook 数据中心运维主管 Delfina Eberly（上图人物） 在“7x24 Exchange 2013 秋季会议”上的演讲中为我们透露了 Facebook 部分内部运维数据，下面我们来具体了解下。
服务器数量惊人，一人管理 2 万台:Facebook 服务器数量惊人，其硬件方面的工作重点主要放在“可服务性”上，内容也涉及服务器的初期设计，一系列工作的目标就是为了保证数据机房的设备维修最简单、最省时。她介绍说，每个 Facebook 数据中心的运维工作人员管理了至少 20,000 台服务器，其中部分员工会管理数量高达 26,000 多个的系统。
近期 Facebook 的服务器与管理人数比又创下了新高，目前已经超过 10000:1，可以查看文章高扩展性对此进行更加详细的了解。
大数据汹涌，运维工作不轻松在 Facebook 数据中心做运维工作并不轻松，对工作人员的能力要求很高。他们每天面对的是海量数据。
据统计，Facebook 目前拥有 11.5 亿用户，日常登录用户约 7.2 亿。每天 Facebook 用户分享的内容达到 47.5 亿条，“赞”按钮点击次数近 45 亿次。Facebook 目前存储了 2400 亿张照片，每月照片存储容量约增加 7 PB（注，单位换算：1PB=1024TB）。
自动故障诊断系统：原为留住人才为了管理运维工作，Facebook 已经开发了相应软件来自动化处理日常运维任务，如 CYBORG 可自动检测服务器问题并进行修复。如果 CYBORG 无法自动修复检查出的问题，系统将自动给订单系统发送警告，并分派给数据中心工作人员，以对相应问题进行详细追踪与分析。
Eberly 提到，自动化工作的目标是尽量避免将技术人员派往现场解决问题，除非必须对服务器进行现场处理。强调自动化不是因为 Facebook 对打造无人数据中心感兴趣，原因在于 Facebook 重视自己的员工。
Eberly 解释说：我们要留住人才，因为大家更喜欢高水平的任务，公司希望让他们留下来与我们一起进步成长，这对 Facebook 来说至关重要。
“可服务性”主导服务器设计：节时 54%在 Facebook，运维团队的时间与工作量是根据 Facebook 硬件设计来安排的。比方说，全部服务器从头开始就坚持“可服务性”这一原则来进行设计，那么数据中心的工作人员就没有必要老钻机房了；服务器被设计成无需工具就可以对磁盘和组件进行替换。这样做的结果就是：Facebook 用来修理服务器的时间减少了 54%。
Eberly 介绍说，Facebook 运维团队会仔细跟踪设备故障率，这一数据会为公司的采购提供参考。公司的财产管理和订单系统用序列号来跟踪硬盘和其他组件，这方便完整了解每个硬件的生命周期。
Eberly 还提到，虽然这些系统很复杂，但并不需要太多开发者。Facebook 的运维团队仅有 3 名软件工程师，但他们对数据中心的工作来讲至关重要。
从 Eberly 的介绍中，我们可以看到 Facebook 在可扩展性网络建设上的实力。同时，这也为行业提供了一些可参考的经验，如：开发自动故障系统，根据“可服务性”设计基础架构。同时，运维也是一个系统工程，需要得到其他部门的配合支持才行。
原文链接：Datacenterknowledge
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/7891.html
摘要：月日，首期沙龙海量运维实践大曝光在腾讯大厦圆满举行。织云高效的实践是，它是以运维标准化为基石，以为核心的自动化运维平台。 作者丨周小军，腾讯SNG资深运维工程师，负责社交产品分布式存储的运维及团队管理工作。对互联网网站架构、数据中心、云计算及自动化运维等领域有深入研究和理解。 12月16日，首期沙龙海量运维实践大曝光在腾讯大厦圆满举行。沙龙出品人腾讯运维技术总监、复旦大学客座讲师、De...
摘要：谈及浪潮积极参与各种开放计算组织的原因时陈彦灵表示。陈彦灵就表示，浪潮今天能推出众多开放计算的服务器节点，模式从中提供了很多帮助。随着云计算、大数据应用的普及，数据中心正在走向大型化，如今10万台、50万台服务器规模的数据中心越来越常见，特别是一些CSP，其数据中心大型化趋势非常明显。根据相关统计，以AWS、Google、微软为首的全球10个超大规模数据中心其服务器部署量占到了全球服务器保有...
摘要：年加入阿里巴巴，目前负责基础运维平台。产品数据这也是我们产品在阿里内部的一些数据，每天有上亿次的服务器操作，分钟可以操作万台服务器，插件有多个，管理服务器规模在百万级，资源占有率也特别低，支持主流发行版。 摘要： 还记得那些年我们半夜爬起来重启服务器的黑暗历史吗？双11期间，阿里巴巴百万量级主机管理能安全、稳定、高效，如丝般顺滑是如何做到的？阿里巴巴运维中台技术专家宋意，首次直播揭秘阿...
摘要：腾讯云目前分别提供主从版集群版新一代三个版本。目前腾讯云作业平台已建成数百种场景化的工作流程，日调用次数达上千次，覆盖大部分的运维场景，变更导致的事故减少，服务更为稳定可靠，场景化运维工作效率提升。 本文由云+社区发表作者：冯伟源 作者：冯伟源，高级工程师，腾讯云Redis系统运维负责人。6年DBA经验，一直从事SQL优化、实例调优、数据库架构、海量数据库集群运维、运营平台建设和管理...
摘要：坚持演习谷歌定期做的演习，如最高等级的演习是定期把数据中心强制关闭，进入维护状态。经过长期演练，谷歌内部系统的容错能力增强。 showImg(https://segmentfault.com/img/remote/1460000009390718?w=80&h=80); 王璞/数人云创始人&CEO 美国George Mason 大学计算机博士。曾先后供职于 Google、Groupon...
阅读 3127·2021-11-25 09:43
阅读 1883·2021-09-22 10:02
阅读 2819·2021-09-06 15:00
阅读 2701·2021-09-02 15:34
阅读 2059·2019-08-30 15:56
阅读 2169·2019-08-30 15:54
阅读 3077·2019-08-30 14:14
阅读 2117·2019-08-29 17:25
