运维平时工作到底是需要小心一些，还是要大胆主动一些？

[zhoudaiyu]

之前我是比较主动的，针对于已经发生的问题，甚至是隐患，都会主动想办法解决，避免更大的故障。但是最近由于生产迁移 kafka 时，对 kafka 的客户端基础包不了解，以及对业务方使用上不了解（虽然已经对操作进行了评估），导致了 2 次故障。事后想其实不迁移也不是不行，并没有非常明显的证据表明非迁移不可（唯一风险可能就是集群的每台机器 CPU 使用率都在 90%以上）。这两次故障对我的技术上和对于运维的认识有一些冲击，我不再想主动解决问题了，而是更倾向于生产系统能不动就千万别动，真的迫不得已或者故障已经发生再去处理吧。因为系统确实越来越复杂，个人、甚至叫上了各方负责人也不一定能评估出风险，还不如先不动。

[zhoudaiyu]

@Tumblr
@brom111
@8355
@whp1473
@hawhaw 我是提了建议，但是领导让我牵头，但是出了问题领导躲在后面不承担，锅扣我头上了，我也只是不想发展到集群真的问题了，那样过于被动

[8355]

@zhoudaiyu 如果你领导是这种人的话，以后说话记得留证据，文本聊 不要线下聊了。

[zhlxsh]

年轻大胆一点，不气盛叫什么年轻人。等年纪大了，碰到坑多了自己就学会小心了。

[uncat]

在虚拟化构建虚拟的集群
ansible/saltstack 写代码
code review/虚拟集群内走一遍
基本上后面也不会有太大的风险

[defunct9]

这个跟个人性格有关。我是绝对主动，看着不顺眼就改掉。但是前提是你要能 hold 住整个过程中的意外。
为了取回一个最高权限等了 3 个月才动手。

[GT1]

最近看到一句玩笑话，灰电平衡

[Firxiao]

“不做不错” 这种想法任何行业都是一样的 说白了就是懒政
年轻的时候不要老想着这个锅是谁背了
敢做敢当 让你牵头 你就得付出该有的责任 无论领导好坏，先从自己身上找问题，是不是评估不到位？测试环境测试了吗？ 哪里疏忽了？
换个角度 现在利用率已经百分之 90 了 难道等出问题了 你再和领导解释 没发现这个问题？ 到时候是不是更被动？
做运维不要害怕出错 而是出错之后 想办法找原因 积累各种故障/潜在问题的处理经验
流程文档什么的就不赘述了
愿你一觉醒来仍是少年

[NewYear]

不破不立……

[julyclyde]

情绪，是一个和技术水平同等重要的要素

你如果还想长期干下去的话，那各种隐患的解决工作早晚还是你的，躲也躲不掉
可以从长计议，短期内不要给未来挖坑，甚至可以推进逐步演进的改善；长期要提前培养好自己的技术水平、寻找合适的做大规模变更的时机

[franktopplus]

敬畏墨菲定律，所有的大故障都是小隐患积累的

[bclerdx]

@Bateman 人非圣贤孰能无过？

[luhuisicnu]

有隐患可以提风险，让领导决定是否整改。
多做演练，步骤做仔细，大家一起评估。
这一套搞下来耗时不少，但是应该能解决问题。如果 kpi 与此无关，建议不要管。

[Felz33]

我最近正好也要迁移 Kafka ，有什么坑可以分享一下吗？

[pepesii]

能不动就不动

[kindlingx]

@zhoudaiyu 最近团队在做相关的工具，楼主的问题基本就是我们特别想要解决的一类问题之一，还有就是想试试不知道除了 AIOps 之外，是不是有可行的路能够帮助运维、开发，不至于天天被动还加班。楼主有兴趣的话不知能否简单聊聊？想了解了解平时工作中的一些困境。