最近，小編在知乎上看到這樣一個問題：
無論是例項還是虛擬機器都算，一個運維可以管理4萬台伺服器嗎？
題主：腦子有些懵，我想問問一個人真的可以管理4萬台伺服器嗎？不論是例項還是物理機都算。國內哪些廠商有這麽大規模的伺服器機群和集群？大廠商真的是一個人可以做開發測試上線維護整條流水線嗎？
秉持著和平交流的學習態度，小編精選了幾位知乎網友的精彩回答，分享給大家學習 交流（勿上升、勿引戰）：
1號知乎網友：匿名使用者
10年以上老運維，目前管理著近1000台物理機，三機房托管的，每年新增約100台，報廢約20台左右。
以穩定和成本控制為核心，負責IDC上架規劃、網路規劃、裝置采購、上架部署、安裝交付，主要工作如下：
每年底至少花一個月時間做預算，包括IDC租賃、頻寬、專線、裝置需求、過保裝置備件……
裝置硬體故障維護，每月大約30起左右裝置硬體故障，硬碟及記憶體是最多的，其余是主機板、CPU、風扇類。一些重要業務如資料庫類，可能會影響業務。處理步驟目前還沒自動化，打算做，人不夠（在保自動收集日誌送出報修，過保直接發機房維護工單）。
采購上架每季度一次，從發起到交付，耗時耗力，交換機光模組夠不夠？機櫃空間是否可以繼續上架不超電？跳線怎麽盡可能短一點？CPU一直C0機器怎麽分布？錄取CMDB手工資訊有點多……沒有自動化系統，機器類別太多了，後續規範下可能會好很多……
資源管控，申請資源後下發許可權，特殊類監控需求，資源變更，使用跟蹤……沒有自動化，在弄全流程資源管理。
網路類現在有專門網路管理員了，可以不用管了，這部份工作接入的話需要一部份精力。
我還管各類中介軟體，就我一個人管，跑去找領導把中介軟體甩出去了一部份。
就這麽說吧，這麽多規模的機器，僅僅一個硬體故障，晚上電話告警，即使如硬碟故障有RAID不用處理都要累死人。
每個月工時300左右。 如果4W台虛擬機器應該會好一點，不過沒搞過不知道，以前搞過最大規模虛擬機器就3000台，業務比較單一，Puppet搞定了。
2號知乎網友：小鳥呱呱
早些時候不讓招外包，HC又有限，就我和另外一個小兄弟一起幹。
從收到貨以後，到硬體拆卸、機器上架、貼標簽、搞電源、擴容機房、搞空調、裝系統、裝服務、更新叠代、系統版本叠代、監控、報警、日誌都是我倆自己搗鼓的。
可以說從底層的IDC，到系統，到套用都得做，自己還得做運維中台的產品，勉強算得上是全棧運維了。
那個時候，實體伺服器總數是100多、200不到，算系統的話（因為有虛擬機器、docker可以割），大概是500~600台左右，很多資源池裏放著沒用的空閑機器不算。
如果是新機器，那麽100~200台實體機的工作量差不多就飽和了； 如果是老機器，兩人絕對不夠。
為什麽是2個人，不是1個人呢？
做運維的同學都知道一個 「高可用 」 的概念 —— 寫程式碼可以一個人，做產品可以一個人，搞測試也可以一個人， 但運維一定是成雙成對的 ：
這不僅僅是搬伺服器一個人扛不動，一摔下去就是幾萬塊的損失；
更重要的是， 運維本身就是應急兜底的，我上個廁所的功夫，外部流量下跌了，沒人應急，那還有誰來處理？
就算打電話給睡著的owner，也得要有人通知才行呀~
後來去大廠做SRE，300個人的大部門。
不管是哪個團隊的SRE，都會被排到值班，搗鼓運維，雅稱：穩定性保障。
兩個大字開頭的部門，外加國際，一個部門docker的總數量平攤到人頭上也 不可能有4W/人，有1W/人就算是不錯了。
就這樣，大家還叫苦連天呢，大半夜的手機都還常常吵醒！ 不接，釘釘還會打電話提醒的，可煩了！ 也就導致了SRE脾氣普遍不好！
話說話來，要知道，SRE可並不負責機房部份哦， 除了基礎設施的同學以外，大都也只關註套用，已經是少了很多的工作了， 可也hold不住，叫苦不叠……
3號知乎網友：木村·星辰
我一個人管6000台物理機。硬體上什麽部位報警就換什麽，換了不管用就整機送修。
軟體上管到開出指定數量的kvm，或者裝上指定的docker映像。
網路上交換機全是trunk，機器上kvm/docker配置到指定的VLAN裏； 路由器不管，營運商來處理BGP。
機房只掃地不擦灰。
數據遷移有空就自己做，沒空就叫業務部門做或者往後拖，自己做也就打包釋放一下。
上班時間自由，報警72小時內處理好就行，隨便什麽時候去。
4號知乎網友： 三囧
不可能，這個數量的伺服器，單純硬體一個人都管不下來，更別提其他的方面。
4萬台伺服器，加上配套的交換機、路由器、儲存裝置、ups電源、空調、安全裝置、機房防火裝置。 這個裝置的數量是很恐怖的。
就算單台裝置出現問題的機率很小，數量上去以後，出問題幾乎成了必然。僅每天處理硬體問題一個人就搞不定。
每個硬體還有使用壽命，等使用壽命到的時候需要更換。到更換的時候，一個人根本搞不定這個數量。裝置都是一批一批來的，更換也是一批一批的。 讓業務停著等你慢慢換裝置怎麽可能？
這個數量肯定不會是簡單的系統，要過等保吧。要按照等保的要求管理機房，不是簡單的管個裝置能用就行，管理要有制度，要有流程，還要制定安全策略。這些東西就算你是大牛，一個人全能搞定，但是總要花時間的吧，搞一次測評，一兩個月就沒了。你還有時間管其他的？
我覺得那個評論的人是一個管4萬台伺服器的團隊中的一個人。
至於他是不是有許可權管4萬台伺服器，我是不信的，正常的運維不可能把那麽多伺服器全權交給一個人。肯定要分權，不同的人管不同的類別的裝置，動伺服器也要有人審批。
如果說，我是一個管電源的，電源上面插著4萬台伺服器，我也算管了4萬台伺服器的話，那當我沒說。
5號知乎網友： karlestira
4w台物理機？
光是給領導匯報工作都能X死你了。
另外4w台物理機是個什麽概念？ 常見的純CPU雙路2U機器都得500w功耗，4w台就是20MW，算上各種UPS、空調、儲存、網路，可能得去到50MW。商業電一度一塊的話這個機房滿載一天就是100w往上的電費。
都這麽大家夥事了，多雇兩個人它不香嗎？
6號知乎網友： zhyllhhaaoo
40台都夠你喝一壺了。
機房的上架，各種跳線……折磨死你。
4w台，一個人？？你莫不是在說相聲？
7號知乎網友： 食鐵獸
別管幾台伺服器，4台還是4萬台， 一個人，連5*8的全勤值守都難以保障。
更別說這個人傷病、離職造成的空缺了……
必然要一個有一定魯棒性的團隊！
"一個運維可以管理4萬台伺服器嗎？ " 歡迎在留言區交流，分享你的經驗 ~
參考丨 DevOps技術棧 二次整理丨dbaplus社群
來源丨網址：https://www.zhihu.com/question/386653243/answer/2117913692
*僅為提供參考和學習交流，不代表dbaplus社群立場！ dbaplus社群歡迎廣大技術人員投稿，投稿信箱：[email protected]
