分享我最近半年经历的一个项目。

一、项目背景：

项目（暂且叫做CMC项目吧）包含热线服务和短信平台，属政府类行业项目，采用IT服务外包模式，用户只管理热线平台和短信平台两大主要业务。热线和短信平台的服务用户基数为50万人左右，热线主要业务为信息查询和政策咨询类、短信平台主要提供查询服务、业务提醒服务等。

项目经理L-Pm是从北漂回来的，据说干了7年开发。2014年10月份我结束了银行的项目后，就被安排在CMC项目组。此时项目热线平台已经上线运行，短信平台正在研发中。我的主要工作是完成一些功能模块以及协助解决项目中的遗留问题。截止8月中旬项目基本结束，并交付运维组进行运维工作，我则被调离负责新的项目。

二、问题记录：

在项目跟进了3个月后，基本了解了项目的整体架构以及主要业务后，发现了一些让我很头疼的问题。

1.鸡蛋都放在一个篮子里

• 项目包含热线服务平台（主要是业务数据的查询、工单等）、短信平台、第三方服务接口；这三个服务是日常业务最常用的，居然部署在一台服务器上，一个tomcat下，且tomcat 没有经过任何的优化；
• 热线服务平台、短信平台、第三方服务接口所涉及的数据表都放在同一个数据库服务下；

2. 没有备用服务

整套服务要求是7*24 小时，其中人工5*8 小时，整套IT服务没有备用的服务。

3.数据库服务不作备份

数据库服务作为一台服务器单独提供服务，只是简单地做了数据级别的周增量备份。

4.项目团队以及运营部门没有管理规范

项目团队加上运营团队攻击30人左右，已经运行1年多了，没有制定管理规范。

三、然而，以上的问题都是经过了血淋淋的教训了的：

1、5月份的一个周一，客户方组织领导过来参观，就在人员都准备就绪的时候，运营部座席反映呼入的电话无法接听，因为系统无法登陆。客户方已经到楼下了，我们几个呆住了。在后来的检查中发现是由于一名座席在登陆系统后，执行了较早时间的短信业务查询，大批量的复杂计算导致tomcat 内存溢出，服务挂掉。苦逼的五月份，被领导一通骂，全员绩效扣掉80%；事后，我向项目经理建议：热线服务平台、短信平台、第三方服务接口单独部署，互不影响，这样也便于做服务监控，然并卵。

2、 没有备用的服务；无论是哪一个平台出现问题、或者网络、或是web服务、或是服务器故障等，整个IT系统就处于瘫痪状态，一挂全挂；

3、整套服务数据库是核心，然，只有一台服务器搭载Oracle 服务，没有配备双机热备等。一次刚上班，运营部座席反映系统无法登陆，在重启服务、检查网络后均不知哪里的问题，进一步检查后发现Oracle 数据库服务挂了，无法连接。系统再次瘫痪，小伙伴着急跑去机房尝试重启Oracle 服务，然而并没又恢复，经几次尝试后，直接重启了服务器，在意识到问题的严重后，请求公司资深专家协助，发现Oracle 数据库日志文件撑爆了一个盘符，盲目的重启导致本周内的数据丢失。后果，领导一通骂，绩效扣掉30%。

4、缺乏管理规范：

短信平台部分是有短信座席的，正常的短信业务都应该是由短信座席来完成。然而，项目组的一个开发人员却充当了一次短信座席的角色，客户要求批量下发一条政策通知短信，本应由座席执行发送操作，小伙伴却亲自上阵了，一个不小心点了发送按钮，当在回头时发现短信内容项为空，通过数据监控发现，已经有3万条短信提交至上网的短信网关，短信依然在提交，情急之下小伙伴关闭了唯一的一个tomcat ，要清理队列中的数据，导致IT系统又一次瘫痪，还没等处理完客户方就打来电话，说收到了空短信。后果，领导都求我们了，绩效全无。

在经历了这一起又一起事故后，我是无语了，每起事故后，我都会根据自己的理解和经验提出最低成本的修改方案，虽不是高大上，但也算是一点优化。然而并未能执行，一个重启服务貌似更来得直接。在提出方案的时候项目经理总是以这是领导的意思来敷衍，业务经理是迫于一些压力吧~~

利用工作空闲我为整套IT系统添加了一套监控服务，包含数据库、web服务器、平台重点业务监控，然而并没有人愿意去分析、查看。就在昨天在内部群里，还看到有人说重启服务。

最后，吃颗西瓜，洗洗睡吧，明天依然美好~

2015-08-25 夜