你有一份2019运维技能风向标，请查收

运维是一个融合多学科(网络、系统、开发、安全、应用架构、存储等)的综合性技术岗位。

从最初的网络管理（网管）发展到如今的系统运维工程师、网络运维工程师、安全运维工程师、运维开发工程师等，能够看出，运维的分工一直在细化，而且对综合技能要求愈来愈高。

将来运维的发展趋势是高、精、尖。高表示高度，精表示精通，尖表示尖端，也就是运维职场必定要站在必定的技术高度，在多个技术领域中，要精通某项技能，同时对尖端前沿技术必定要能掌控趋势。

1. 运维职位的发展和趋势

根据不一样的运维领域和技术面以及分工流程三个方面来了解下2019年运维职位的发展趋势。

1.按领域来划分
1）基础设施运维：IDC/网络运维、服务器/存储设备运维
2）系统运维：系统中间件运维、云计算平台运维
3）数据运维：数据库运维、大数据技术平台运维
4）应用运维：应用软件系统
5）云平台运维：公有云平台运维
6）容器运维：基于容器服务的运维

2.按技术切面来分
1）安全运维
2）性能运维
3）数据运维
4）集成运维

3.按流程来划分
1）构建/持续集成、发布
2）安装部署、升级、迁移、合并、扩展
3）配置、初始化、配置变动
4）备份、传输、恢复
5）日志、监控、预警
6）诊断排查、优化

2.系统运维技能图谱

系统运维是运维的基础，新的一年中，对基础运维技能要求也在提升，打好系统运维基础，才能深刻学习后面的各类运维技能。

下图列出了系统运维要掌握的必备技能：

3.web运维技能图谱

web运维是运维岗位中岗位最多的一个，薪资也相对较高，但须要掌握的知识点也比较多，新的技能要掌握，老的运维技能也不能丢。

下图列出了web运维要掌握的各类必备技能。

4.大数据运维技能图谱

大数据从2017年开始逐渐走到生活的各个角落，2018年在逐渐落地，而在2019年，大数据依然火热。

加上国家对大数据产业的扶持，大数据产业在新的一年岗位需求必定会更加大，所以掌握大数据运维技能，就走在了运维的前沿。

下图列出了大数据运维要掌握的各类必备技能。

5.容器运维技能图谱

容器的产生，是一次IT行业的革命，2015 年到 2016 年，是业界广泛认为的容器技术爆发的一年，短短一年多时间里，容器技术在中国大陆完成了从零星概念到烽火燎原的壮举。

时至今日，容器技术在国内大多数企业中落地已成为一种共识，而国内的生态系统，也呈现出了企业产品、开源社区和公有云齐头并进的良好局面。

所以，2019年也是容器继续快速落地的一年，下图列出了大数据运维要掌握的各类必备技能。

6.数据为王的时代

万丈高楼平地起，高楼稳不稳取决于地基是否扎实。运维数据即是运维管理这座高楼的地基。运维数据大体分为CMDB、日志、生产DB、知识库四个方面。

对数据的维护和管理相当重要，特别是日志数据，对运维来讲，经过日志能够比较准确全面地知道系统或是设备的运行状况，能够返查问题产生的缘由，还原问题发生的整个过程。

经过日志也能够提早预测系统可能要发生的问题或是故障，如系统安全日志，若是网络安全防御会在系统安全日志中有必定的体现。

7.日志数据处理

这么多的日志，运维要经过各类手段完成日志的收集、过滤分析、可视化展现，那么如何实现这些功能呢？

方法不少，例如ELK集成套件（Elasticsearch , Logstash, Kibana）就能够轻松实现日志数据的实时收集、分析传输以及图形化展现。

那么要如何使用ELK呢，根据日志量的不一样，对应的ELK架构也不尽相同，看下面几个常见架构：

8.ELK架构1

此架构主要是将Logstash部署在各个节点上搜集相关日志、数据，并通过分析、过滤后发送给远端服务器上的Elasticsearch进行存储。

Elasticsearch再将数据以分片的形式压缩存储，并提供多种API供用户查询、操做。用户能够经过Kibana Web直观的对日志进行查询，并根据需求生成数据报表。

此架构的优势是搭建简单，易于上手。缺点是Logstash消耗系统资源比较大，运行时占用CPU和内存资源较高。

另外，因为没有消息队列缓存，可能存在数据丢失的风险。此架构建议供初学者或数据量小的环境使用。

9.ELK架构2

由此衍生出来了第二种架构：

此架构主要特色是引入了消息队列机制，位于各个节点上的Logstash Agent（一级Logstash，主要用来传输数据）先将数据传递给消息队列（常见的有Kafka、Redis等）。

接着，Logstash server（二级Logstash，主要用来拉取消息队列数据，过滤并分析数据）将格式化的数据传递给Elasticsearch进行存储。

最后，由Kibana将日志和数据呈现给用户。因为引入了Kafka（或者Redis）缓存机制，即便远端Logstash server因故障中止运行，数据也不会丢失，由于数据已经被存储下来了。

这种架构适合于较大集群、数据量通常的应用环境，但因为二级Logstash要分析处理大量数据，同时Elasticsearch也要存储和索引大量数据，所以它们的负荷会比较重，解决的方法是将它们配置为集群模式，以分担负载。

此架构的优势在于引入了消息队列机制，均衡了网络传输，从而下降了网络闭塞尤为是丢失数据的可能性，但依然存在Logstash占用系统资源过多的问题，在海量数据应用场景下，可能会出现性能瓶颈。

10.ELK架构3

最后，还有第三种架构：

这个架构是在上面第二个架构基础上改进而来的，主要是将前端收集数据的Logstash Agent换成了filebeat，消息队列使用了kafka集群，而后将Logstash和Elasticsearch都经过集群模式进行构建。

此架构适合大型集群、海量数据的业务场景，它经过将前端Logstash Agent替换成filebeat，有效下降了收集日志对业务系统资源的消耗。

同时，消息队列使用kafka集群架构，有效保障了收集数据的安全性和稳定性，然后端Logstash和Elasticsearch均采用集群模式搭建，从总体上提升了ELK系统的高效性、扩展性和吞吐量。

11.用大数据思惟作运维监控

大数据分析最先就来源于运维人的日志分析，到逐渐发展对各类业务的分析，人们发现这些数据蕴涵着很是大的价值。

那么如何用大数据思惟作运维呢，大数据架构上的一个思惟就是：提供一个平台让运维方便解决这些问题， 而不是，让大数据平台去解决出现的问题。

基本的一个大数据运维架构是这样的：

对于运维的监控，利用大数据思惟，须要分三步走：

获取须要的数据
过滤出异常数据并设置告警阀值
经过第三方监控平台进行告警

全部系统最可靠的就是日志输出，系统是否是正常，发生了什么状况，咱们之前是出了问题去查日志，或者本身写个脚本定时去分析。如今这些事情均可以整合到一个已有的平台上，咱们惟一要作的就是定义分析日志的的逻辑。

好啦，这就是今天要给你们介绍的2019核心运维技能啦，抓住时机，开始全新学习吧！2019，你的全新开始！！！

更多好内容，请订阅南非蚂蚁三部曲《大牛带你解决运维典型难题》 如今订阅，免费送图书>>>