【前情提要】 小林转正了。老周说：“你可以出师了。”但小林知道，出师不是终点，是起点。半年后，小林遇到了一个他没想到的挑战。
一、半年后的工位
半年后，小林的工位换了。
从靠墙的小桌子，搬到了靠窗的位置。桌上多了一台显示器，一个机械键盘，和一个保温杯——老周同款。
他每天的工作，不再是“搭博客、配监控、分析日志”这三件事。他开始接手公司的真实服务器，一共 12 台，跑着 Web、数据库、缓存、消息队列。
“小林，你现在是正式运维了。”老周说，“但我要提醒你一句。”
“什么？”
“虚拟机和真实服务器，是两回事。”
小林不信：“不都是 Linux 吗？”
“都是 Linux。”老周说，“但虚拟机里，你搞坏了，快照恢复。真实服务器上，你搞坏了，业务就挂了。虚拟机的错误，是‘学费’。真实服务器的错误，是‘事故’。”
小林把这句话记在了笔记本第一页。
二、第一次真实故障
入职第五个月，小林遇到了第一次真实故障。
周五下午 5 点，快下班了。监控群里弹出一条告警：
[FIRING:1] InstanceDown (critical)
实例 10.0.0.23 离线
小林看了一眼，心跳加速。
“10.0.0.23 是那台数据库服务器。”他自言自语，“不是我的博客，是真实业务。”
他打开 Grafana，确认 CPU、内存、磁盘全断了。up 变成 0。
“数据库挂了。”
他深吸一口气，想起老周说的“全链路排错清单”。
第一步：网络通不通？
ping 10.0.0.23
输出：
Request timeout for icmp_seq 0
Request timeout for icmp_seq 1
Request timeout for icmp_seq 2
“不通。”
第二步：SSH 能连吗？
ssh devops@10.0.0.23
输出：
ssh: connect to host 10.0.0.23 port 22: Connection timed out
“也不通。”
第三步：这台机器在不在？
他联系机房同事：“10.0.0.23 那台物理机，电源正常吗？”
“稍等，我看一下。”
一分钟后：
“电源正常，但系统没起来。”
“能连 KVM 吗？”
“能，我给你开。”
小林通过 KVM 看到屏幕——系统卡在启动阶段，报了一行：
/dev/sda1: UNEXPECTED INCONSISTENCY; RUN fsck MANUALLY.
“文件系统不一致。”小林说，“需要手动 fsck。”
第四步：处理。
他在 KVM 里执行：
fsck -y /dev/sda1
等了五分钟，修复完成。重启。
系统起来了。数据库自动启动，监控恢复，告警变成 [RESOLVED]。
小林看了一眼时间：下午 5 点 40 分。从告警到恢复，25 分钟。
老周走过来，拍了拍他肩膀：“处理得不错。但你知道为什么会文件系统不一致吗？”
小林摇头。
“因为这台机器上次断电，是直接拔电源的。没有正常关机。文件系统没来得及把缓存写入磁盘，就断电了，导致不一致。”
“那怎么办？”
“两个改进。”老周说，“第一，机房加 UPS，断电时能撑 10 分钟，够系统正常关机。第二，关键数据做定期备份。你 fsck 能修好这次，下次可能就修不好了。”
小林记下：
- 文件系统不一致：
fsck -y /dev/sdaX - 根本原因：异常断电
- 改进：UPS + 定期备份
- 虚拟机可以快照，真实服务器只能靠备份
三、老周的“最后一杯枸杞”
晚上 6 点，办公室只剩下小林和老周。
老周端着保温杯走过来，坐在小林旁边的椅子上。
“今天处理得不错。”老周说，“但我想问你一个问题。”
“什么？”
“你觉得，运维这行，最难的是什么？”
小林想了想：“技术更新太快？”
“对，但这不是最难的。”老周说，“最难的，是‘背锅’。”
小林愣了一下。
“业务挂了，第一个被问的是运维：‘怎么挂了？’‘为什么没监控到？’‘什么时候能恢复？’ 但很多时候，不是运维的问题——是开发代码有 bug，是产品需求变更没通知，是网络运营商光纤被挖断。”老周说，“但老板不管这些，老板只看结果。运维是最后一道防线，也是第一个被问责的人。”
“那怎么办？”
“三个字：留证据。”老周说，“你监控有数据，日志有记录，变更有时序。出了事，你先查，查完拿出证据：什么时候出问题、什么原因、谁改的、改了什么。证据在手，责任分清。”
小林在笔记本上写下：运维不是背锅的，是查真相的。
“还有，”老周说，“别把系统搞得太复杂。 你今天加一个组件，明天加一个插件，后天加一个脚本。组件越多，故障点越多。简单，是运维的最高境界。”
小林记下：
- 留证据：监控数据、日志记录、变更时序
- 简单：组件越少，故障越少
老周喝了一口枸杞水，站起来：“好了，我该走了。你早点回去。”
“周哥。”小林叫住他，“谢谢你。”
老周回头，笑了笑：“别谢我。你以后带新人的时候，把这句话传下去就行。”
“什么话？”
“运维不是学命令，是学怎么扛事。”
四、小林的新博客
那天晚上，小林回到家，打开自己的博客。
半年了，博客还在跑。访问量从每天的 10 次，涨到了 300 次。有人留言，有人提问，有人感谢。
他打开编辑器，写了一篇新文章。
标题是：《从“会敲命令”到“能扛事”：我的运维半年》。
他写道：
半年前，我写了一篇文章，叫《三个月，从 Mac 小白到运维入门》。
那时候我以为，会敲命令就是运维。
半年后我才知道，命令只是起点。
真实运维，是凌晨 2 点的告警电话。
是 5 点 40 分的数据库故障。
是老板问“什么时候能恢复”时的冷静。
是问题解决后，写复盘报告时的诚实。
运维不是一份工作，是一种责任。
你在虚拟机上搞坏了，快照恢复，没人知道。
你在生产环境搞坏了，业务停了，所有人都在看你。
所以，运维的第一课，不是命令，是敬畏。
敬畏生产环境，敬畏每一行配置，敬畏每一次变更。
你可以不懂所有技术，但你必须对每一次操作负责。
这就是我这半年，学到的最大一课。
写完，他点了发布。
几分钟后，收到一条评论：
老周：写得不错。但别忘了，敬畏归敬畏，该动手时还得动手。
小林笑了，回复：
收到，周哥。明天见。
五、给读者的最后一封信
亲爱的读者：
如果你读完了这本书，恭喜你。
你跟着小林，从一台 MacBook 开始，装了虚拟机、搭了博客、配了监控、分析了日志、处理了故障。你学会了 200 多条命令，踩了 50 多个坑，看了无数遍 Permission denied。
但我想告诉你，这只是开始。
真实运维，比书里复杂得多：
- 书里你监控 1 台机器，真实环境你监控 100 台。
- 书里你处理磁盘满，真实环境你处理数据库死锁。
- 书里你分析 Nginx 日志，真实环境你分析全链路日志。
- 书里你一个人做，真实环境你和一个团队做。
但有一点不变：
遇到问题，先看日志。 遇到报错，先查文档。 遇到故障，先按顺序排查。
这三个习惯，是你最宝贵的财富。
最后，送你一句话，是老周送给小林的，也是我想送给你的：
“运维不是学命令，是学怎么扛事。”
愿你，扛得住。
——作者
全书完。
感谢你陪小林走完这三个月。
接下来，轮到你了。
