运维总监要求我独自管理4万台服务器，这是不是在开玩笑？

最近，小编在知乎上看到这样一个问题：

无论是实例还是虚拟机都算，一个运维可以管理4万台服务器吗？

题主：脑子有些懵，我想问问一个人真的可以管理4万台服务器吗？不论是实例还是物理机都算。国内哪些厂商有这么大规模的服务器机群和集群？大厂商真的是一个人可以做开发测试上线维护整条流水线吗？

秉持着和平交流的学习态度，小编精选了几位知乎网友的精彩回答，分享给大家学习交流（勿上升、勿引战）：

1号知乎网友：匿名用户

10年以上老运维，目前管理着近1000台物理机，三机房托管的，每年新增约100台，报废约20台左右。

以稳定和成本控制为核心，负责IDC上架规划、网络规划、设备采购、上架部署、安装交付，主要工作如下：

每年底至少花一个月时间做预算，包括IDC租赁、带宽、专线、设备需求、过保设备备件……

设备硬件故障维护，每月大约30起左右设备硬件故障，硬盘及内存是最多的，其余是主板、CPU、风扇类。一些重要业务如数据库类，可能会影响业务。处理步骤目前还没自动化，打算做，人不够（在保自动收集日志提交报修，过保直接发机房维护工单）。

采购上架每季度一次，从发起到交付，耗时耗力，交换机光模块够不够？机柜空间是否可以继续上架不超电？跳线怎么尽可能短一点？CPU一直C0机器怎么分布？录取CMDB手工信息有点多……没有自动化系统，机器类别太多了，后续规范下可能会好很多……

资源管控，申请资源后下发权限，特殊类监控需求，资源变更，使用跟踪……没有自动化，在弄全流程资源管理。

网络类现在有专门网络管理员了，可以不用管了，这部分工作接入的话需要一部分精力。

我还管各类中间件，就我一个人管，跑去找领导把中间件甩出去了一部分。

就这么说吧，这么多规模的机器，仅仅一个硬件故障，晚上电话告警，即使如硬盘故障有RAID不用处理都要累死人。

每个月工时300左右。如果4W台虚拟机应该会好一点，不过没搞过不知道，以前搞过最大规模虚拟机就3000台，业务比较单一，Puppet搞定了。

2号知乎网友：小鸟呱呱

早些时候不让招外包，HC又有限，就我和另外一个小兄弟一起干。

从收到货以后，到硬件拆卸、机器上架、贴标签、搞电源、扩容机房、搞空调、装系统、装服务、更新迭代、系统版本迭代、监控、报警、日志都是我俩自己捣鼓的。

可以说从底层的IDC，到系统，到应用都得做，自己还得做运维中台的产品，勉强算得上是全栈运维了。

那个时候，实体服务器总数是100多、200不到，算系统的话（因为有虚拟机、docker可以割），大概是500~600台左右，很多资源池里放着没用的空闲机器不算。

如果是新机器，那么100~200台实体机的工作量差不多就饱和了；如果是老机器，两人绝对不够。

为什么是2个人，不是1个人呢？

做运维的同学都知道一个“高可用”的概念 —— 写代码可以一个人，做产品可以一个人，搞测试也可以一个人，但运维一定是成双成对的：

这不仅仅是搬服务器一个人扛不动，一摔下去就是几万块的损失；

更重要的是，运维本身就是应急兜底的，我上个厕所的功夫，外部流量下跌了，没人应急，那还有谁来处理？

就算打电话给睡着的owner，也得要有人通知才行呀~

后来去大厂做SRE，300个人的大部门。

不管是哪个团队的SRE，都会被排到值班，捣鼓运维，雅称：稳定性保障。

两个大字开头的部门，外加国际，一个部门docker的总数量平摊到人头上也不可能有4W/人，有1W/人就算是不错了。

就这样，大家还叫苦连天呢，大半夜的手机都还常常吵醒！不接，钉钉还会打电话提醒的，可烦了！也就导致了SRE脾气普遍不好！

话说话来，要知道，SRE可并不负责机房部分哦，除了基础设施的同学以外，大都也只关注应用，已经是少了很多的工作了，可也hold不住，叫苦不迭……

3号知乎网友：木村·星辰

我一个人管6000台物理机。硬件上什么部位报警就换什么，换了不管用就整机送修。

软件上管到开出指定数量的kvm，或者装上指定的docker镜像。

网络上交换机全是trunk，机器上kvm/docker配置到指定的VLAN里；路由器不管，运营商来处理BGP。

机房只扫地不擦灰。

数据迁移有空就自己做，没空就叫业务部门做或者往后拖，自己做也就打包释放一下。

上班时间自由，报警72小时内处理好就行，随便什么时候去。

4号知乎网友：三囧

不可能，这个数量的服务器，单纯硬件一个人都管不下来，更别提其他的方面。

4万台服务器，加上配套的交换机、路由器、存储设备、ups电源、空调、安全设备、机房防火设备。这个设备的数量是很恐怖的。

就算单台设备出现问题的概率很小，数量上去以后，出问题几乎成了必然。仅每天处理硬件问题一个人就搞不定。

每个硬件还有使用寿命，等使用寿命到的时候需要更换。到更换的时候，一个人根本搞不定这个数量。设备都是一批一批来的，更换也是一批一批的。让业务停着等你慢慢换设备怎么可能？

这个数量肯定不会是简单的系统，要过等保吧。要按照等保的要求管理机房，不是简单的管个设备能用就行，管理要有制度，要有流程，还要制定安全策略。这些东西就算你是大牛，一个人全能搞定，但是总要花时间的吧，搞一次测评，一两个月就没了。你还有时间管其他的？

我觉得那个评论的人是一个管4万台服务器的团队中的一个人。

至于他是不是有权限管4万台服务器，我是不信的，正常的运维不可能把那么多服务器全权交给一个人。肯定要分权，不同的人管不同的类别的设备，动服务器也要有人审批。

如果说，我是一个管电源的，电源上面插着4万台服务器，我也算管了4万台服务器的话，那当我没说。

5号知乎网友：karlestira

4w台物理机？

光是给领导汇报工作都能X死你了。

另外4w台物理机是个什么概念？常见的纯CPU双路2U机器都得500w功耗，4w台就是20MW，算上各种UPS、空调、存储、网络，可能得去到50MW。商业电一度一块的话这个机房满载一天就是100w往上的电费。

都这么大家伙事了，多雇两个人它不香吗？

6号知乎网友：zhyllhhaaoo

40台都够你喝一壶了。

机房的上架，各种跳线……折磨死你。

4w台，一个人？？你莫不是在说相声？

7号知乎网友：食铁兽

别管几台服务器，4台还是4万台，一个人，连5*8的全勤值守都难以保障。

更别说这个人伤病、离职造成的空缺了……

必然要一个有一定鲁棒性的团队！

"一个运维可以管理4万台服务器吗？ "欢迎在留言区交流，分享你的经验~

参考丨 DevOps技术栈 二次整理丨dbaplus社群

来源丨网址：https://www.zhihu.com/question/386653243/answer/2117913692

*仅为提供参考和学习交流，不代表dbaplus社群立场！dbaplus社群欢迎广大技术人员投稿，投稿邮箱：editor@dbaplus.cn