近年来很多声音讨论运维岗是不是会被替代的问题。
但随着ChatGPT的出现和更多大模型的发布，似乎每个岗位都应该考虑下自己被替代的问题了。
无论未来如何变化，现实是今天的我们仍然需要做好自己的工作，站好自己的岗。今天我将分享我所认为的优秀运维和架构师应该是怎样的。最后是关于运维将给人工智能时代带来哪些价值的些许思考。
核心要点
- 运维和架构师的核心竞争力，首先来自对业务和系统的理解深度。
- 只懂服务器、容器、脚本或监控工具是不够的，真正重要的是知道业务如何产生用户价值，以及系统如何支撑这个价值。
- 好的监控、预案、容量规划和故障处置，都依赖对业务流程、核心功能、服务模块、部署架构和基础设施的掌握。
- 今天的运维难以深入业务，主要是因为系统复杂度、微服务迭代、文档失效和方法论缺失同时增加。
- 人工智能要进入运维领域，需要有意义的数据输入；今天沉淀业务系统数据和上下文，仍然是未来 AI 运维的基础。
运维和架构师的差距在哪里
运维和研发架构师一样，通常是从整体来维护和掌握业务架构。但同一个工作，深度可能差别很大。差距不在于谁会更多命令，而在于谁真正理解自己负责的系统。
要做好一个优秀的运维或架构师，所需要的素质和能力有很多，但尤其重要的一点是：对自己所负责系统和业务的了解深度。
运维和架构师工作的本质是让这个业务稳定高效的运行，而要达到这个目的的前提就是对所负责的业务了如指掌。
对一个业务和系统的了解包括：
- 对业务要产生的用户价值的了解
- 对业务系统中整个业务流程是如何运转的了解
- 对业务系统中各个核心功能的了解
- 对支撑这些核心功能运行的服务模块和组件的了解
- 对线上服务部署架构的了解
- 对线上服务的基础设施和资源的了解，物理机/服务器/容器/公有云。。
这些信息不是为了写文档好看，而是为了支撑实际决策：
| 要回答的问题 | 依赖的业务和系统理解 |
|---|---|
| 哪些监控最重要 | 核心功能、用户路径、关键依赖 |
| 哪些预案必须提前准备 | 故障影响面、可降级模块、恢复顺序 |
| 故障时先恢复什么 | 用户价值、核心链路、业务优先级 |
| 未来瓶颈在哪里 | 架构拓扑、资源模型、业务增长方式 |
| 哪些功能可以舍弃 | 业务分层、客户影响和风险边界 |
以及基于这些信息能够做出的监控、预案等技术方案。哪些监控是重要的，哪些预案是必要的，出现故障时可以舍弃哪些功能，优先恢复哪些模块，业务继续发展线上和架构上的瓶颈会在哪里？等等。
上面这个层次也许不全，但大致是这样。大多数运维或研发入职后就像一颗螺丝钉一样被放置在自己的岗位上，运维最先接触的东西可能是底层的这部分，而后有些人能往上走，很多人一直在底层徘徊。
当大多数运维同学被问及自己的核心竞争力时，往往迷茫，但如果你掌握了上面的整个业务知识体系，你的岗位实际已经离不开你。
十几年前我入行互联网运维的时候，非常不理解研发写了一个系统运行在线上，而且不是开源的，然后我需要费老大劲去了解这个专用系统，这对我来说意义有多大？但我发现周围较我更早入行的运维老手，个个都对自己负责的系统十分熟悉，甚至细化到线上模块一个配置项的含义。
后来我入职时的导师，在给部门的同学做晋升答辩分享时，开篇时说了一句话，大致是：首先把自己负责的业务介绍一遍。
这一句话让我突然意识到自己的工作似乎有所不足。是的，这就是问题，你的工作职责是负责维护好一个系统，但你却并不了解它，严格讲这是不称职的，职级越高越是如此。
所以要做一个优秀的运维和架构师，首先要夯实上面每一层的能力和信息。
为什么今天的运维更难深入业务
现在的运维并不是不想深入业务，而是业务系统本身比过去复杂得多。
原因主要有几点：
- 互联网和IT系统的业务变得越来越复杂
- 微服务和高速的迭代进一步加剧了系统的复杂度和掌握的难度
- 服务梳理后沉淀的文档发挥的价值范围和时间都很有限
- 面对复杂的业务，缺少好的方法来建设一套合理的运维体系
运维工具要帮助人理解系统
如今，云原生、微服务等技术让业务系统获得了巨大的进步。接下来更值得关注的问题是：有没有方法和产品，能让运维和架构师掌握业务系统的能力也获得进步？
这就是我们团队在致力解决的问题。我们希望实现一个结合了方法论和最佳实践的产品，并希望这个产品能够沉淀经验，越用越有价值，让运维和架构师通过这个产品能够轻松的掌握和理解自己的系统。
对详情感兴趣欢迎了解 => Flashcat
人工智能时代，运维的价值在哪里
回到如今已无可回避的人工智能问题上：人工智能会不会颠覆一切，让今天的工作都变得没有意义？
就如今的人工智能技术而言，人工智能需要有价值的数据输入才能获得有价值的输出。运维工作的价值，正在于构建这些数据背后的意义和上下文：业务链路、系统拓扑、监控指标、故障预案、历史经验、变更记录和影响面判断。
如果没有这些上下文，AI 即使能生成答案，也很难判断答案是否真正适用于生产环境。
而我们现阶段的工作是在构建业务系统数据的意义和价值，未来这些数据将成为人工智能真正进入运维领域的基础。相信在人工智能普及的将来，我们今天为运维工作所做的努力仍然具备很高的价值。
FAQ
Q1：今天的运维应该优先提升什么能力？ A：优先提升对业务和系统的理解能力。工具、脚本和平台都重要，但只有理解业务价值、核心链路和系统依赖，才能设计出真正有效的监控、预案和稳定性方案。
Q2：为什么文档不能完全解决系统理解问题？ A：复杂系统变化太快，文档容易过期。文档有价值，但还需要方法论、工具和持续运营，把业务流程、系统拓扑、监控数据和故障经验持续连接起来。
Q3：AI 会让运维工作失去意义吗？ A：不会简单失去意义。AI 需要高质量上下文才能进入运维场景，而运维今天沉淀的业务理解、系统数据、故障经验和预案，正是未来 AI 运维的重要输入。
