昨日今日头条宕机与网站可靠性
1月6号，像往常一样，在工作的间隙，我打开手机上的今日头条。点开了其中一个新闻，发现进去后页面提示网络不给力，请稍后重试。前两天我的4G网络上不去，折腾了半天正要打联通客服咒骂，在IVR语音提示时才发现已经欠费了。但现在话费可是本月刚充的啊，何况现在连的是公司的WIFI，难道公司网络有问题？这时通知中心弹出了其他应用的提醒，貌似其他应用是正常的。那么就是被头条的提示的忽悠了，任何错误提示给用户的都是你的网络不给力。
果不其然，稍后其他的新闻看到头条的服务挂了许久的消息。
SRE - Site Reliability Engineering, Google提出的一个概念，综合了Google多年运维大规模服务器集群的经验演变出的一个职位。其目的就是为了最大限度的保障Google服务的可靠性，其演进方向是从运维工程师向开发工程师边界的扩展，要求运维工程师以软件工程的思路解决大规模运维的问题，用工具而不是人力来解决不断扩大的服务器集群对管理的需求。
如何保障网站可靠性，通常是在运维，基础架构，系统管理员的范畴。关注业务开发的软件工程师不关心这个，他们要忙着应付PD的最后期限，让飞速发展的平台支撑上层的业务需求。
在云计算基础设施还没成型时，互联网公司都会有个运维团队负责搞各种各样跟系统有关的活。在企业发展的不同阶段，这只团队可能会忙着提采购需求给财务；评估系统容量，要多少IOPS的SSD硬盘， 多大的内存才能满足应用需求；写各种各样的发布脚本，将开发提供的war包（如果是java应用）批量分发服务器的目录上并启动tomcat；搭LVS为机房入口提供热备的负载均衡设施；用keeplived提供VIP去单点，为后端服务提供故障迁移能力；跑到机房去为机器上架，布设机架网线，甚至配合容灾演练去拔网线测试；还要制定线上应用的发布规范，保证成千上万的应用能按照统一的规范发布，秉着约定优于配置的原则，让整个公司的人可以不加思索的找到应用的启动脚本，log目录；新机器上线需要初始化系统，随着虚拟化大潮物理机都要切分成虚拟机才交付给开发部门；出了个紧急安全漏洞得给系统或应用打补丁；线上生产机的权限要管好，别被黑客提权出了篓子；往往可能还要客串一把网络工程师粗排一下千奇百怪的运营商到IDC网络丢包，缓慢问题。
以上还不是最累的，运维团队还要为线上故障排查负责，软件工程师半夜只会收到自己应用的报警，运维团队是要接受自己管理全部应用的报警的，出了问题往往开发和运维都要一起排查，一个高速发展的公司都会经历那么一段故障频发的苦逼日子，运维成天到晚在忙着救火。
由于运维与开发部门不在一个部门，且各自关注的目标不同，伴随着长期的冲突和博弈。开发只关心功能上线，运维部门关心应用稳定运行。从前，开发可以快乐的自己登录到线上机器上发布代码，scp个本地的war包过去，就跑起来了；自从xxx日出了故障导致网站宕机1小时，错过了促销的黄金时间后，发布就被套上了流程的管控，层层审批，就是为了减少发布的次数，因为理论上发的越多，越容易出问题，一个一年只发布一次的系统，基本没什么可能出问题。
Devops理念是伴着云计算理念出来的，在amazon的云计算成熟后，以上说的传统运维已经可以通过买云服务实现了，不用自己采购机器，买个EC2，数据库服务也可以直接买RDS，对象存储用S3, Load Balancing也可以买。开发人员自助在上面操作一下，部署上自己的应用就可以提供服务了，买个域名将DNS直接A记录指向服务器就行了。可以说是中小公司的福音，互联网创业不用考虑太多的服务器问题了，把有限的人力投入到至关重要的业务功能开发商，其他的服务器运维工作交给专业的云计算公司来做。
网络视频租赁商Netflix就是个知名的例子，其服务都运行在AWS上。由于其多年跑在云上的分布式经验，还在github上开源了不少分布式处理的组件，回馈了社区。其迁移的路程也算长的，从2008年到2015年，7年，完成了全部应用到AWS的迁移。他们认为AWS提供了更可靠的服务。
有迁入也有迁出的，著名的网络存储提供商Dropbox由于嫌AWS太贵，将自家服务重新移到了自家机房运维。
很有意思不是吗？
那么
想体验自己的服务被上亿人使用的感觉吗？
想参与每年双11的技术狂欢吗？
想了解一线大厂的分布式技术如何抗住海量流量吗？
阿里集团客户体验事业群旨在建立更高的客户服务标准，让客户在阿里享受到最“爽”的服务，让“客户第一”成为阿里的百年口碑。
CRM产品技术部作为支撑全网服务的产品技术团队，希望通过我们的产品、数据、技术去提升阿里集团服务几亿客户的能力，提升全网客户体验。这里是最能听到“炮火”的地方，可以通过我们的努力，最直接的看到产品的改善。
在这里可以接触第一手的大数据。
这是一个以用户为中心的多角色无边界团队，一个有梦想的欢乐团队，一个能近距离感受用户温度的团队。无论你是何种角色，只要站在用户的角度思考问题，你的意见都有机会被采纳实施，去产品中落地。
关于用户体验的经验和妙想会得到重视，可以站在集团层面，推动与解决难以落地的用户问题。
如果你来到我们团队，那么你的职责可能包括但不限于：
- 负责Alibaba客户服务相关的产品研发
- 深入发掘和分析业务需求，撰写技术方案和系统设计
- 核心代码编写、指导和培训工程师、不断进行系统优化
- 参与或领导跨团队的研发项目
岗位要求：
- JAVA基础扎实，理解io、多线程、集合等基础框架，对JVM原理有一定的了解；
- 3年及以上使用JAVA开发的经验，对于你用过的开源框架，能了解到它的原理和机制；对Spring,ibatis,struts等开源框架熟悉；
- 熟悉分布式系统的设计和应用，熟悉分布式、缓存、消息等机制；能对分布式常用技术进行合理应用，解决问题；
- 掌握多线程及高性能的设计与编码及性能调优；有高并发应用开发经验；
- 掌握Linux 操作系统和大型数据库（Oracle、MySql）；对sql优化有丰富的经验；
- 学习能力强，适应能力好；具备耐心/细心的品质；
- 喜欢去看及尝试最新的技术，追求编写优雅的代码，从技术趋势和思路上能影响技术团队
简历尽情发送到kunrong.zkr@alibaba-inc.com
