王甲佳:当例外有了预案 运维就掌握了主动

王甲佳:当例外有了预案 运维就掌握了主动

在效率和规范方面永远存在着难以调和的矛盾，处理这个矛盾的水平决定着企业进步的水平，也直接影响企业进步的速度。

从案例来看，唐军应当是一个优秀的运维管理者。一方面对可能的灾难性结果有充分的预见，另外一个方面在现场处置上非常有套路。当然作为一个“社会服务部门”，他的做法并没有被纳入正常的程序中，这是一个遗憾。

他如何既保证整个系统的安全运行，又能保证合法合理的行使自己的权力，承担运维的责任？我想至少可以从三个方面来进行探讨。

实现大集中后的管理与监测

就在五月份，我参加了中国计算机用户协会在温州举办的一次机房技术研讨会，介绍了很多实际的有效的做法。在这个方面已经有比较成熟的做法。当然在大部分企事业单位，机房的信息化工作还是比较落后的，如何集中监测信息系统的安全性与资源冗余？必须用软件来进行管理。

飓风公司的服务器已满负荷运转，唐军是通过关闭服务器，然后再重新启动来获得正常运行秩序的。在他们的监测系统里面能不能加上更细致的管理策略？比如，当服务器的资源冗余低于30%的时候，主动控制业务请求和数据输出流量？这需要对集团的不同机构对系统的要求有更细致的理解，再确定更合适的应对策略，在具体的应用系统中进行控制。比如按时段来进行异地数据与大集中数据的交换。在业务最繁忙的阶段，自动启用冗余资源。

当然在这里有很多策略需要确定，它的到位不仅仅局限于运维部门，还在业务软件的设计者、维护者以及业务部门，甚至到整个公司的经营方式，这些需要系统性地考虑。只有这样才能保证有效的可持续的投入产出比。这个方面做到位了，估计应该能解决95%的问题。

设计不同的应对预案

从逻辑上来说，我们是不可能将什么情况都预测到，但是即便是应急，也是可以有预案的，尤其对于可能造成灾难性的后果的现象与问题，需要非常果断而且有效的操作方案。唐军在这次事故中的处理方式是一个经验的判断，不是基于一个预案。成功了是值得庆幸的，更复杂的情况没有发生。

在温州，许多单位都有应对台风的预案，如何在不可避免的灾害性天气里把损失减少到最低限度？生产生活不受到太大的影响，如果每次都依靠运动的方式来做，则是非常困难的，劳民伤财。有了预案之后，整个企业会“自动”地执行一个又一个程序，即便在没有任何电子通讯的情况下，也能应对自如。

在运维管理中，我们强调预案的重要性，就是为了解决5%的“万一”。

将“非法”行动合法化

企业经营的秩序决定了效率和产出。重大问题做层层上报再层层决策是慎重的，也是正确的！但是在系统安全这个问题上，就不是那么简单了。那样会延误最合适的处理时机。现场问题必须做现场处理，那么我们就要授予现场人员的处理权限。

了解日本丰田生产方式的朋友都知道，生产线工人在发现严重质量问题的时候，有停掉整条生产线的权力。这个生产方式认为出现严重的质量问题，工序就不应当再持续，再持续就是对企业的犯罪，赋予现场员工的这个权限，是对企业负责，当然遇到什么样的情况才会允许这样做，自然是有规定的。也是前面说到的预案里面的内容。

飓风公司的管理者要认识到，任何制度都不是一成不变的，必须与时俱进地将企业的发展需要体现在制度中，制度只有不停地演化，才会越来越成熟，越来越年轻，否则将成为企业发展的障碍，增加企业运营的成本。关于运维的制度也一样，必须依据实际，将运维主管的现场处置权限给予明确，当然，现在明确了不等于永远拥有，一旦管理条件发生了变化，这个权限的范围也应该变化，另外向上报告的通道也要统一和高效。

制度化是保持良好秩序的重要手段，但是许多时候它又会反制工作的进程。在效率和规范方面永远存在着难以调和的矛盾，处理这个矛盾的水平决定着企业进步的水平，也直接影响企业进步的速度。

以上三个方面都是唐军必须思考和尽快落实的。只有把管理活动从经验上升到秩序，我们才会真切地感受到工作的主动，才能实现更合适的投入产出比。