工作总结
发表时间：2026-03-30个人工作总结。
今年就这么过来了。回过头看，最大的感受就一个字：累，但不是瞎累，是那种每分每秒都在跟机器、跟代码、跟时间较劲的累。手上的活其实挺杂的，核心业务系统的稳定性得盯着，故障来了得扛着，机房那些服务器该换的换、该升的升，还有那些乱七八糟的工单，一个都别想跑。说白了，干运维这行，不出事没人记得你，出事了所有人第一反应都是“赶紧找那谁”。所以我这一年，就干了一件事：让自己成为那个“那谁”，但不是因为老出事，而是因为出了事能顶得住。
先说几个硬指标。核心业务系统全年可用性99.99%，故障总时长27分钟。这个数字看着漂亮，但我知道是怎么来的——是去年年底那几起故障堆出来的教训。去年这个时候，光P1级故障就翻了七八起，最长一次断了快一个小时，整个部门的脸都被我丢光了。今年我把MTTR从28分钟压到了15分钟，靠的不是什么灵丹妙药，就两招：第一，把常用的故障处理命令全部整理成速查表，打印出来贴在工位上，半夜接到告警脑子一片空白的时候，眼睛扫一眼就知道该敲什么；第二，每次复盘必须出一个“傻瓜式操作手册”，哪怕是个实习生，照着敲都不会出错。你懂的，有时候人一慌，连ls和ll都能敲反了。
今年最大的一仗是双十一前夜那回。那天晚上11点40，我正准备收拾东西撤了，监控突然炸了——核心交易系统响应超时，错误日志刷得飞起，全是“connection pool exhausted”。我当时的反应其实不是“冷静分析”，而是“卧槽又来”。扫了一眼CPU，不高；再看数据库连接数，爆了，比上限还多出20%。第一个念头是重启大法，但我犹豫了——这个库没做读写分离，重启起码两分钟，这两分钟业务全挂，明天就是全公司批斗会。硬着头皮先看慢查询日志，发现有个新上线的营销接口，SQL里少了个索引，走的是全表扫描，每个请求从20毫秒变成3秒，线程全堵在数据库门口排队，把连接池活生生干崩了。
知道根因了就好办了。我先手动Kill掉那些跑了超过30秒的异常会话——这一步其实挺冒险的，因为我不确定哪些是正常业务，哪些是死锁。当时我边Kill边盯着另一块屏幕上的业务监控曲线，看到交易量跌了一下又弹回来，心里才算踏实。整个过程用了不到两分钟，系统恢复了，但我一晚上没睡着。第二天拉着开发复盘，我说这事不能就这么完了，以后所有涉及SQL变更的上线，必须把执行计划截图附上来，否则运维这边直接打回。开发一开始不乐意，觉得我事多，我说你想想昨晚那个场景，你愿意半夜被叫起来吗？后来他们也就认了。
这件事之后我还加了两道保险：一是给这个接口配了Nginx单IP限流，哪怕索引又失效，也不会把整个库拖垮；二是拉上运维组的兄弟做了一次故障演练，专门模拟连接池耗尽的情况，确保下次不管谁值班，第一反应不是懵圈，而是知道先去Kill会话、再去查慢日志、最后再考虑要不要扩容。这套东西走下来，其实已经不是单纯处理故障了，是把整个系统的免疫力往上提了一截。
再说说那些不起眼但特别磨人的事。机房布线这事，我以前觉得差不多就行，光纤稍微弯一下无所谓，网线标签手写一个也能认出来。结果今年夏天被狠狠打了脸。有一根光纤，因为弯曲半径太小导致光衰过大，业务抖动了一个星期，我们愣是排查了三天才找到这根线。三天，你知道那三天我怎么过的吗？每天晚上盯着日志看，白天跟机房师傅一根一根线地测，最后测出来的时候，那根光纤的标签已经模糊得看不清了，只隐隐约约能看到一个“主”字，鬼知道是哪个机柜的主干。
那次之后我定了个规矩，说白了就是自己给自己找麻烦：光纤弯曲半径不能小于5公分，所有网线标签必须机打，标清楚源端口和目的端口，还得覆膜防水。变更操作必须双人复核，哪怕只是改个密码，也得两个人同时在场，一个人敲命令，一个人盯着屏幕念。这套规矩执行下来，速度确实慢了，但今年下半年的故障率直接降了六成。我觉得值，因为人的记忆是会出错的，但流程和清单不会。
也有做得不够的地方。最头疼的是文档沉淀。我们团队有个毛病，故障处理完了，群里发个复盘报告，大家看一眼，过段时间就忘了。上个月有个同事遇到一个连接池告警，明明我半年前处理过，命令都在聊天记录里，他翻了两个小时才翻到，重头排查花了半天。我当时就觉得自己失职了——这些东西如果不整理成文档，就等于没发生过。所以我明年打算强制自己干一件事：每个故障单关闭之前，必须关联到Wiki上的具体操作文档，否则不算完。我想把那些藏在脑子里的“土办法”和“避坑指南”都变成白纸黑字，让新人来了能照着做，让老人不用重复踩坑。
明年的目标其实很简单，就一个：把MTTR从15分钟压进10分钟。这事儿光靠手快不行，得靠工具。我盘了一下，目前还有几个中间件的重启依赖手动敲命令，明年要把这些操作全部脚本化，扔到平台上，哪怕凌晨三点出问题，也能一键自愈。另外我想搞点“破坏性实验”，定期随机把一台应用服务器拔掉，看系统能不能自己扛住、能不能自动摘流。这个想法跟领导提过，他说你胆子不小，我说趁现在没出事多练练，真出事的时候才知道该往哪儿跑。
这一年没干什么惊天动地的大事，就是把该修的机器修好了，该堵的漏洞堵上了，该快的响应变快了。明年就盯着MTTR这一件事干，别的先放一放。
-
需要更多的工作总结网内容，请访问至：工作总结
