公司大概有5000+以上的服务器节点，包括各种应用,我和同事共同维护大约2500+的服务器，主要包括一些视频cdn，直播视频cdn,webcdn和p2p服务器。

以下是自己在运维工作中的一点经验和看法，希望对大家有所帮助

1.       服务器型号的区分，为以后的统一化和标准化作硬件上的准备，很多人忽视这一点，其实如果这一点做得好会使后面的运维工作轻松很多，根据应用我们主要把服务器分为3中，cpu密集型，主要用于大量计算应用，比如p2p;内存密集型，用于cache类应用，比如squid,varnish缓存服务器；磁盘密集型，用于大存储类应用，比如视频存储服务器，Hadoop日志存储集群。

2.       系统的的自动安装，主要有kickstart和cobbler

3.       统一的yum源和定制化的rpm包， 并集成至yum源站，为后续的环境初始化做软件上的准备

4.       构建专属于自己的内网DNS

5.       标准化的统一的命名方式（标准化基础），便于使用puppet管理，并且减少操作的错误，如果每个机器的hostname都为localhost，那将是一个多么可怕的事。。。在我们的生产环境中主要使用下面这种命名方式

机房-主业务-应用程序-IP后两位-公司域名，这样一眼就可以看出是哪台服务器，应用于什么业务，报警也可以直接定位。

6.自动化的配置管理和环境部署工具：puppet,puppet的模块编写要尽量减少模块直接的耦合度，并使用class继承的方式来减少运维的工作量，定制化的facter变量会使软件的配置环境更加灵活，由于puppet暂时不支持群集，所以在实际应用中需要部署多套，根据经验，1500台左右的server时puppet会出现性能问题。

7.       强大有效的监控系统，在生产环境中我们使用了zabbix proxy+zabbix master的群集结构，zabbix可以实现有效的系统和应用级别的监控，应用监控同时也使用了ppmon来实现多点监控。

选择zabbix有一个最大的好处，就是监控数据是存放在数据库中的，这样就可以利用数据库中的数据做很多操作，比如可以分析一段时间内服务器的各个性能指标，查看服务器的资源利用率，可以对数据进行聚合操作，从而分析全网的指标，比如总的流量，总的http code分布情况。

8.       日志收集服务器群集 和qos分析系统，构建 有效的日志收集系统可以有效地对用户的访问数据进行整合和分析，可以快速的分析qos，对应重要的节点我们采用本地分析并导入mongodb,最后导入zabbix的方式，非重要节点则直接将日志打包压缩，通过ftp上传至Hadoop数据仓库集群中。

9.       构建冗余的结构，消除单点，在生成环境中对于一些重要节点都采用keepalived-ha的方案来提高冗余度。对于resin,php等应用服务器则在前端使用nginx做反向代理，同时nginx使用keepalived-ha

10.   自动化的代码分发系统源码天空，主要是controltier + svn的使用，可以方便快速地部署代码。