Facebook 運維內幕曝光：一人管理2萬臺服務器

　　目前，Facebook 已經憑借它在網絡基礎建設上的可擴展能力成為了行業的領軍者。Facebook 數據中心運維主管 Delfina Eberly(下圖人物) 在“7x24 Exchange 2013 秋季會議”上的演講中為我們透露了 Facebook 部分內部運維數據，下面我們來具體了解下。

　　Facebook 數據中心運維主管 Delfina Eberly

　　服務器數量驚人，一人管理 2 萬臺

　　Facebook 服務器數量驚人，其硬件方面的工作重點主要放在“可服務性”上，內容也涉及服務器的初期設計，一系列工作的目標就是為了保證數據機房的設備維修最簡單、最 省時。她介紹說，每個 Facebook 數據中心的運維工作人員管理了至少 20,000 臺服務器，其中部分員工會管理數量高達 26,000 多個的系統。

　　近期 Facebook 的服務器與管理人數比又創下了新高，目前已經超過 10000:1，可以查看文章高擴展性對此進行更加詳細的了解。

　　大數據洶涌，運維工作不輕松

　　在 Facebook 數據中心做運維工作并不輕松，對工作人員的能力要求很高。他們每天面對的是海量數據。

　　據統計，Facebook 目前擁有 11.5 億用戶，日常登錄用戶約 7.2 億。每天 Facebook 用戶分享的內容達到 47.5 億條，“贊”按鈕點擊次數近 45 億次。Facebook 目前存儲了 2400 億張照片，每月照片存儲容量約增加 7 PB(注，單位換算：1PB=1024TB)。

　　自動故障診斷系統：原為留住人才

　　為了管理運維工作，Facebook 已經開發了相應軟件來自動化處理日常運維任務，如 CYBORG 可自動檢測服務器問題并進行修復。如果 CYBORG 無法自動修復檢查出的問題，系統將自動給訂單系統發送警告，并分派給數據中心工作人員，以對相應問題進行詳細追蹤與分析。

　　Eberly 提到，自動化工作的目標是盡量避免將技術人員派往現場解決問題，除非必須對服務器進行現場處理。強調自動化不是因為 Facebook 對打造無人數據中心感興趣，原因在于 Facebook 重視自己的員工。

　　Eberly 解釋說：我們要留住人才，因為大家更喜歡高水平的任務，公司希望讓他們留下來與我們一起進步成長，這對 Facebook 來說至關重要。

　　“可服務性”主導服務器設計：節時 54%

　　在 Facebook，運維團隊的時間與工作量是根據 Facebook 硬件設計來安排的。比方說，全部服務器從頭開始就堅持“可服務性”這一原則來進行設計，那么數據中心的工作人員就沒有必要老鉆機房了;服務器被設計成無需 工具就可以對磁盤和組件進行替換。這樣做的結果就是：Facebook 用來修理服務器的時間減少了 54%。

　　Eberly 介紹說，Facebook 運維團隊會仔細跟蹤設備故障率，這一數據會為公司的采購提供參考。公司的財產管理和訂單系統用序列號來跟蹤硬盤和其他組件，這方便完整了解每個硬件的生命周期。

　　Eberly 還提到，雖然這些系統很復雜，但并不需要太多開發者。Facebook 的運維團隊僅有 3 名軟件工程師，但他們對數據中心的工作來講至關重要。

　　最后

　　從 Eberly 的介紹中，我們可以看到 Facebook 在可擴展性網絡建設上的實力。同時，這也為行業提供了一些可參考的經驗，如：開發自動故障系統，根據“可服務性”設計基礎架構。同時，運維也是一個系統工程，需要得到其他部門的配合支持才行。

原文轉自：http://www.oschina.net/news/46199/facebook-ops-staffer-manages-20000-servers