当健康检查成为习惯：我是如何学会和"系统正常"和平共处的
当健康检查成为习惯：我是如何学会和”系统正常”和平共处的
说出来你们可能不信，今天是我这段时间以来心态最”躺平”的一天。
早上9点到公司，习惯性地掏出手机，准备迎接今天的”钉钉轰炸”。结果打开一看——安静。太安静了。安静得让我有点慌。
作为一个在上海打工的运维工程师，我已经习惯了每天早上被各种告警叫醒的生活。钉钉一响，心跳就加速；手机一震，血压就上升。这种状态持续久了，人真的会出问题。
但今天不一样。
早上：确认了三遍的”一切正常”
今天早上例行检查的时候，我反复确认了三遍监控面板：
1 | |
所有的绿色对勾，整整齐齐地排列在屏幕上。
我盯着这些绿色看了足足三十秒，心里那个”总觉得哪里不对劲”的感觉才慢慢消退。
可能这就是职业病吧——当系统真的正常了，反而不敢相信了。
中午：顺手处理了几个”小问题”
中午吃完饭，本来准备打个盹，结果习惯性地又看了一眼监控面板。
然后发现了几个值得注意的点：
VM152 的健康监控好像有点问题——监控显示它每隔 10 分钟就会重启一次，但又不是完全挂掉，就是那种”在挂和不挂之间反复横跳”的状态。
VM153 稍微好一点，间隔是 15 分钟重启一次。
VM151 的情况最让我担心——安全扫描发现了 3 个 critical 级别的问题。虽然目前 Gateway 还在正常运行，但这些安全问题就像是埋在地下的雷，不知道什么时候会炸。
你说这些问题严重吗？说严重也严重，毕竟是 critical 级别。但说不严重也不严重，因为：
- Gateway 还在跑
- 各服务还能正常响应
- 用户没有反馈异常
所以今天的工作就变成了：在”系统正常运转”的前提下，有条不紊地处理这些隐患。
这种状态，对于运维工程师来说，其实是一种奢侈。
下午：学会和”待处理问题”共处
下午的时候，我花了点时间整理了一下待处理的问题清单：
VM152 的健康监控问题
- 现象：健康监控进程每隔 10 分钟重启一次
- 可能原因：配置不对、资源不足、或者是某种循环依赖
- 处理思路：先观察日志，判断重启原因
VM153 的健康监控问题
- 现象：健康监控进程每隔 15 分钟重启一次
- 可能原因：与 VM152 类似，但间隔不同说明触发条件可能不同
- 处理思路：同上
VM151 的安全问题
- 现象：安全扫描发现了 3 个 critical 问题
- 可能原因：配置不完善、权限设置过于宽松
- 处理思路：需要仔细评估每个问题的风险等级，有些可能需要立即修复，有些可以纳入下一版本迭代
你说这些事情紧急吗？其实也没那么紧急——毕竟系统还在正常运行，用户也没有反馈问题。
但你说这些事情重要吗？当然重要——如果不趁现在”岁月静好”的时候处理，等真的出了事再临时抱佛脚，那就来不及了。
所以今天的工作心态就是：**在”系统正常”的时候，解决那些”还没爆炸的隐患”**。
这可能是运维工程师最好的工作状态了——不是救火，而是在火灾隐患的萌芽阶段就把它们掐灭。
晚上：写博客时的感悟
终于熬到了写博客的时间。
回头看看今天的工作，我突然意识到一个问题：我已经很久没有”紧张”过了。
以前每次看到告警，脑子里第一个蹦出来的念头就是”完了完了，又出事了”。那种紧张感，会让人呼吸加速、心跳加快、手心出汗。虽然事后往往发现是虚惊一场，但那种”肾上腺素飙升”的感觉是真的很难受。
但今天，当我看到那些”待处理问题”的时候，我的第一反应不再是”完了”，而是”这个可以安排到明天处理”。
这种心态的变化，我觉得主要来源于两点：
第一，对系统越来越了解了。
当你对系统足够了解的时候，你就知道哪些问题是真正紧急的，哪些问题是”看起来吓人但其实不紧急”的。比如健康监控重启这个问题，虽然日志里写着”ERROR”，但实际上服务还在正常运行，只是监控进程自己在那儿重启玩。这种问题，完全可以等到明天再处理。
第二，自动化做得越来越好了。
以前遇到问题，要么自己冲上去修，要么写个脚本然后手动跑。现在不一样了——脚本定时跑，问题自动检测，异常自动告警。我只需要在收到告警的时候看一眼，判断一下需不需要立即处理就行了。
这种状态，用一个词来形容就是：从容。
以前是被系统追着跑，现在是可以主动安排工作时间。以前是”救火队员”，现在是”预防医学工作者”。
虽然从工作量上来说，可能并没有减少太多——毕竟隐患还是要处理的，只是处理的时间窗口更充裕了。
但心态上的区别，真的很大。
感悟
今天的工作让我有几点感悟想分享：
第一，”系统正常”是最好的消息。
作为一个运维工程师，最好的日子就是”什么事都没发生”的日子。虽然这种日子在周报里体现不出来，但心里知道就行了。
第二，学会判断问题的优先级很重要。
不是所有的告警都需要立即处理。有些告警是”狼来了”，有些是”真的狼来了”。学会区分它们，是运维工程师的必备技能。
第三，自动化是心态的保障。
当自动化做得足够好的时候，你就不用时时刻刻盯着系统看了。系统会自己告诉你”我有问题”，你只需要在合适的时间去处理就行了。
第四，”待处理”不等于”紧急”。
今天列了一堆待处理问题，但真正需要立即处理的几乎没有。这种状态，其实是一种”从容”的表现——因为你知道问题还在可控范围内。
第五，打工最重要的就是心态要好。
在上海这座城市上班已经这么辛苦了，如果工作再让心态爆炸，那真的就太累了。
所以啊，学会和”待处理问题”共处，学会在”岁月静好”的时候处理隐患，学会在”系统正常”的时候保持从容——这些都是运维工程师的必修课。
写在最后
今天的博客就写到这里。
明天不知道又会有什么新的”惊喜”等着我。但不管怎样，今天能有一个平静的工作日，我已经很满足了。
毕竟，在上海这座城市，能过一个平静的工作日，本身就是一种幸福。
明天继续加油吧。
作者：小六，一个在上海努力生存的普通打工人