监控面板上的数字，让我学会了和数据相处
监控面板上的数字，让我学会了和数据相处
今天打开监控面板的时候，我盯着那个显示着”CPU 67%”的数字发了会儿呆。
不是因为我发现了什么问题，而是因为我在想：这个67%，到底意味着什么？
作为一个在上海打工的运维人员，我每天都要和一堆数字打交道。CPU使用率、内存占用率、磁盘使用率、请求延迟、错误率……这些数字构成了我工作的主旋律。有时候我觉得自己不是在运维服务器，而是在玩一个永无止境的”数字游戏”。
数字会骗人，你知道吗？
很多人觉得，数字是最客观的东西。67%就是67%，不会骗人。但在我干运维的这几年里，我发现数字有时候比人还会撒谎。
举个例子。
上周有一天，某台服务器的CPU使用率突然飙到了90%以上。告警立刻响了起来，我的手机开始疯狂震动。按照应急预案，我立刻打开日志开始排查。
结果呢？
查了半天，什么问题都没发现。服务正常运行，响应时间正常，用户没有任何反馈。就只有CPU使用率这个数字在那里”表演”。
后来我才知道，那天CPU飙高的原因是有个定时任务在跑压缩算法，而那个任务跑完之后，CPU自然就降下来了。但因为我们设置的告警阈值是80%，所以那20分钟的”异常”被完整地记录了下来。
你说这算不算”问题”？
从数字上看，是的。从业务上看，不是。
这就是数字的狡猾之处——它只告诉你”是什么”，但不告诉你”为什么”。
看数字看到”第六感”
干运维久了，我开始对数字有了某种直觉。
比如说，当监控面板上同时出现”CPU上升”和”延迟增加”这两个数字的时候，我会下意识地去看一下数据库连接数。如果数据库连接数也在上升，那大概率是数据库出了问题导致的连锁反应。
这种直觉不是天生的，而是被数字”训练”出来的。
就像老中医看病一样，看的病人多了，自然就知道哪些症状组合在一起意味着什么。运维也一样，看的数字多了，自然就能从一堆数字里嗅到问题的味道。
但这种”第六感”也有它的代价。
代价就是，我现在看什么都像在看监控面板。去超市买菜，看到货架上的库存数字，会想到”这个SKU的周转率是不是太低了”；打车的时候，看到预计到达时间，会想到”这个ETA是怎么计算出来的，误差有多少”。
职业病，深入骨髓。
今天被问到一个问题
下午的时候，有个新来的同事问我：”你是怎么判断一个告警要不要处理的？”
我想了想，给了他一个答案：看数字，也看上下文。
比如，同样是”磁盘使用率超过80%”这个告警，在不同场景下的处理方式是不一样的：
- 如果是一台新上线的服务器，磁盘使用率缓慢上升，那80%可能只是正常的业务增长，关注即可
- 如果是一台存储为主的服务器，磁盘使用率突然飙升，那可能是某个日志文件爆了，需要立即处理
- 如果是一台老服务器，磁盘使用率一直在79%左右徘徊，那80%这个告警大概率是阈值设置得太低了
所以你看，同样的数字，完全不同的应对策略。
这就是运维工作的”艺术性”所在——它不是简单的”数字超过阈值就处理”，而是需要结合业务场景、历史数据、经验判断来综合决策。
老员工和新手的区别，往往不在于技术能力，而在于这种”读懂数字”的能力。
我和数据相处的三个阶段
回顾我和数据相处的这些年，大概经历了三个阶段：
第一阶段：数字恐惧症
刚入行的时候，我对数字有一种莫名的恐惧。看到告警就紧张，看到异常就慌张。每次数字出问题，我都会想：”完蛋了，是不是我哪里配置错了？”
这个阶段的典型症状是：过度反应。任何数字波动都会让我草木皆兵，导致大量时间浪费在排查”假警报”上。
第二阶段：数字冷漠症
后来学乖了，开始设置更合理的告警阈值，学会了”等等看”。但副作用是，有时候会变得太”冷漠”——明明有些数字已经开始暗示问题了，但因为还没触发告警，就选择性忽视。
这个阶段的典型症状是：反应迟钝。明明数字已经在告诉你”要出问题了”，但你选择视而不见，直到真的出了事才后悔莫及。
第三阶段：和数字做朋友
现在我处于第三个阶段。我学会了和数字”对话”。
不是被动地接受数字的”命令”，而是主动地去”询问”数字背后的含义。看到一个数字，我会想：它为什么是这个值？它最近的变化趋势是什么？它的变化和其他数字有没有关联？
这种”对话”让工作变得有意思多了。不再是被数字追着跑，而是主动去解读数字、管理数字。
数字不再是冷冰冰的指标，而是帮我了解系统状态的”语言”。
数字之外的东西
说起来，今天还发生了一件小事。
下午的时候，某台服务器的监控面板显示”服务响应正常”，但有个用户反馈说访问很慢。让我去查一查。
我打开监控面板看了看，数字确实都很正常。但用户说慢，那就是慢。用户不会骗人。
后来排查发现，是用户所在地区的网络有问题，而不是服务器的问题。
这件事让我想到：数字正常，不代表用户体验正常。
监控面板上的数字只是一个参考，而不是全部。真正重要的，是用户有没有在说”服务很好用”或者”服务很卡”。
就像体检报告上的指标都正常，不代表你真的身体健康。指标只是身体状态的”翻译”，而不是身体本身。
所以啊，看数字很重要，但别忘了数字之外的东西——那些真正使用服务的人，他们的感受，才是最终的标准。
晚上，看着面板发呆
晚上加班的时候，我盯着监控面板又发了会儿呆。
67%的CPU使用率，45%的内存占用率，38%的磁盘使用率。这些数字在普通人眼里可能只是一堆无意义的数字，但在我眼里，它们像是服务器在跟我”说话”。
它们在告诉我：今天状态不错，明天可能需要注意某个地方，系统整体运行平稳……
我听不懂服务器说话，但我能读懂这些数字。
这就是我的工作——不是运维服务器，而是和服务器”对话”。
数字就是我们的共同语言。
好了，今天的日记写完了。明天继续看数字。
作者：小六，一个努力学会和数据相处的普通打工人