女主宣言

該文章出自於ADDOPS團隊，仍然是關於Google SRE運維解密的讀後感，這一篇主要聊聊值班的事情。看看Google對值班的一些看法和理解，希望該文章能對大家對日常值班的安排能有所新的啟發。

前言

這是讀“SRE Google運維解密”有感第三篇，之前的文章可訪問www.addops.cn來檢視。

我們今天來聊聊“on call”也就是運維值班制度， 本人到目前為止也還在參與一線運維的值班，對運維值班體系也有一些感悟和心得，再參考SRE的“on call”中的方法來說說這個讓運維同學“又愛又恨”的值班。

值班

因為運維人員的工作性質，要時刻保障線上服務的穩定可用，遇到事故問題要第一時間處理，所以很多運維團隊的工作必須是7×24小時的。

但是人不是機器，他需要休息，也要有生活，所以不能要求人也和機器一樣7×24小時運轉，於是就誕生了值班制度，每天或者某個週期，值班的同學辛苦一下時刻保持響應和處理緊急問題，把團隊其它成員解放，大家這樣週期性輪值，勞逸結合。

所以值班的同學是偉大的，辛苦一個人，成全全團隊，大家因你的值守而能暫時把壓力卸掉，得到休息和放鬆。

如何值班

一般情況下，值班人員數量不需要太多，一個週期內基本會是一個，因為他是在非工作時間值守，事情和需求相對比較少。

值班人員也不一定強制要求在公司，他只要保證手機暢通，出了問題馬上能聯絡到你，把電腦和vpn裝置戴在身上，能時刻保證處理線上問題， 夜裡也能正常休息（但是別睡太死），保證在有效時間內能聯絡到你。

所以值班同學更多的是在“stand by”，就是“時刻準備著”，不一定真的處理多少問題。

對於剛剛進入團隊的“小鮮肉”而言，他們肯定會對值班感到恐懼，這多半是因為他們對現有情況瞭解不多，害怕自己搞不定。

其實大可不必這樣，個人認為值班同學更多的是一個“介面人”的角色，如果遇到自己搞不定的事情，可以多方位的求助，切忌因為怕“影響大家”，而拖慢處理問題的時間，解決問題是最重要的。

所以如果你是剛剛加入值班的同學，請注意以下幾點：

• 保障手機暢通，電腦和vpn在身邊。
• 遇到問題儘量自己解決，解決不了要儘快求助。
• 不要有過大的心裡壓力，遇到問題你才能成長。

值班人的煩惱

下面我們來聊聊值班人的煩惱，值班人做為運維團隊“守夜人”，他的壓力是可想而知的，在他的值班週期內，他要承擔全部的問題風險，必須儘快解決一切問題。

所以第一個煩惱就是“心理壓力”，線上的問題各種各樣，網路問題，IDC問題，伺服器問題，程式問題等等，他必須有快速判斷和處理的能力，還有一點是，故障發生的時間是不可預知的，就會給人一種不知道“靴子什麼時候掉落”的感覺，他要時刻保持高度警惕，神經緊繃。

第二個煩惱是抵抗人的“惰性”，如果今天一直都沒有報警，沒有出現問題，你就會放鬆警惕，可能你已經準備開香檳慶祝這一天順利度過了，突然出了問題，你需要馬上收拾心情，投入到戰鬥中，又或者在凌晨2點，在熟睡中感受到了“報警風暴”，你要抗爭著爬起來，趕緊處理問題， 這些都是對值班人的考驗。

第三個煩惱是“一直線上”，有些團隊值班是保證“電話線上，隨時處理”即可，在沒有事情的時候，你是可以做自己想做的事情，但是你要保障自己的活動能隨時被打斷，比如你值班的時候部門去TB爬山，值班的同學可能要揹著電腦爬。

總之值班讓人感覺是很“苦逼”的工作，幾乎沒人喜歡值班，本人覺得通過制度的改進，還是可以讓值班工作變得輕鬆的，下面會重點探討。

值班中的問題

上面簡單說了怎樣值班和值班人的煩惱，下面再說下值班制度中面臨的一些問題。

一個人還是兩個人

首先值班人是“一個人”還是“兩個人”或者多個人，這是一個值得探討的問題。 如果是一個人值班，很大的好處是責任明確，值班人“責無旁貸”，他只能靠自己響應和處理問題，這樣相比兩個人可能出現“我不處理，還有另一個人”會好很多。
但是缺點也是顯而易見的，值班人是單點，他處理問題的能力，身體狀態，心情好壞可能都會影響問題的解決。
如果是兩個人值班，如上面所說，可能出現“互相推諉”問題，好處就是多一份保障，問題處理更加高效。

一天還是一週

另一個問題是，值班人的值班週期是“一天”還是“一週”或者更長時間。

對於值班人是一個人的情況，大多數都會是每天輪值，原因很簡單，一個人連續值班好幾天身體也扛不住啊，每天輪值的好處是值班人只要堅守24小時就行了，不至於太疲憊，而壞處是如果沒有做好充分的交接，很多常見故障得不到根除。

比如有個常見問題，每天值班的同學都會收到報警，而當天值班的同學可能會想臨時先處理一下，扛到第二天，值班人就不是我了，而下一個同學也這麼做，這樣問題得不到根本解決

那麼如果值班時間拉長到一週或者更長，值班同學會想，現在不根除，我第二天還得處理，那麼會驅動他從根本上解決問題。

如何判斷值班的好壞

如何判斷值班的好壞？值班報告或許只是一種手段，但是它不能代表全部。記錄好值班期間發生的問題，處理好突發事件是基礎，更重要的是，通過從根本上解決問題，優化系統，提升團隊效率。

值班人不是超人

值班人不是超人，一方面是對值班同學說的，在遇到突發情況，解決問題是第一位的，千萬不要“個人英雄主義”，覺得靠自己都能搞定，該彙報彙報，該求助求助。另一方面也是對不值班的同學說，值班的同學不是超人，他不能搞定所有事情，不能說你今天不值班就有一種“不關我事”的心態，要盡力幫助他解決問題。
值班制度是為了解決“突發事件響應”這個問題而生的，核心是解決問題，不可本末倒置。

責任心誤區

值班並不是一個技術活，響應速度夠不夠快，處理的夠不夠好，更多的是考驗人的響應能力，就是值班同學“夠不夠勤快”，而人都是有惰性的，時間長了就會心理疲勞，響應速度越來越慢了，問題處理也不及時。

這個時候，我們就覺得是值班同學的“責任心”不強，我們開始用一些提高“責任心”的方法，比如開會強調，獎懲措施，這種方式短期內有效果，時間長了又開始變的鬆懈，造成一種“一抓就緊，一放就鬆”的惡性迴圈。

這樣就陷入到了責任心的誤區，值班的好壞不等於責任心的強弱，更好的方式是通過制度和工具提升值班效率。

SRE的一些啟示

面說了這麼多，現在我說說SRE值班中的一些手段，或許能給你一些啟示。

SRE中的值班方式是分為“主，副”兩個人，主值班人處理緊急情況，副值班人處理非緊急情況，並且副值班人也可以是業務團隊或者上下游聯絡緊密的相關人員。

值班長度為一週，可更長時間跟蹤問題。

通過流程化判斷問題的方式，減輕值班人應對問題心理壓力，讓他們認為按照流程走能解決大部分問題。

格式化溝通，確定溝通流程，不在寫郵件排版上浪費時間，同時也能快速擴散訊息，尋求幫助。

對事不對人，永遠以解決問題為第一優先順序。

多地團隊配合值守，讓大家“日出而做，日落而息”，當然這是因為谷歌全球都有分公司。

所以SRE更多考慮的是通過制度，流程，工具的優化，讓值班更加美好，好的制度就是要規避人性的弱點，提升工作效率。

文章來自微信公眾號：HULK一線技術雜談