今天看到这样一个问题："一个运维可以管理4万台服务器吗？"
问题地址：https://www.zhihu.com/question/386653243
背景介绍
看到这条评论我惊呆了，脑子有些懵，我想问问真的一个人可以管理4万台服务器吗？不论是实例还是物理机都算。国内哪些厂商有这么大规模的服务器机群和集群？大厂商真的是一个人可以做开发测试上线维护整条流水线吗？
回答
整理了几个不错的回答，分享一下。
Hi峰叔的回答
有4万台服务器的公司，整个运维团队也起码50⼈了。如果是⾃建IDC，这50⼈⾥⾯会有10⼈是专⻔搞机房、⽹络、服务器、存储等底层架构，即IaaS层。如果是使⽤公有云服务，那么可以省了这10个⼈。在物理架构IaaS层上⾯有PaaS，可能这50⼈⾥⾯⼜有10个⼈专⻔做⾃动化平台、发布、监控、DB 管理、容器化 、虚拟化等。再往上到业务层是业务运维负责，可能每2、3个⼈负责⼀个⽐较⼤的垂直型业务，⽐如微信⾥⾯的⽀付、淘宝⾥⾯的订单管理等等。然后这2、3个业务运维⾥⾯，通常会在简历⾥⾯这样描述⾃⼰
xxx业务核⼼运维负责⼈，最⾼并发达到QPS xx万，独⽴维护超过4万台机器，全年可⽤性超过 99.99%
那么问题来了：“这⾥所谓的⼀个⼈，真的是⼀个⼈吗？”
匿名用户的回答
10年以上老运维，目前管理着近1000台物理机，三机房托管的，每年新增约100台，报废约20台左右。以稳定和成本控制为核心，负责IDC上架规划，网络规划，设备采购，上架部署，安装交付，主要工作如下：每年底至少花一个月时间做预算，包括IDC租赁，带宽，专线，设备需求，过保设备备件……设备硬件故障维护，每月大约30起左右设备硬件故障，硬盘及内存是最多的，其余是主板，CPU，风扇类。一些重要业务如数据库类，可能会影响业务。处理步骤目前还没自动化，打算做人不够(在保自动收集日志提交报修，过保直接发机房维护工单)采购上架每季度一次，从发起到交付，耗时耗力，交换机光模块够不够，机柜空间是否可以继续上架不超电，跳线怎么尽可能短一点？CPU一直C0机器怎么分布？录取CMDB手工信息有点多……没有自动化系统，机器类别太多了，后续规范下可能会好很多。资源管控，申请资源后下发权限，特殊类监控需求，资源变更，使用跟踪……没有自动化，在弄全流程资源管理。网络类现在有专门网络管理员了，可以不用管了，这部分工作接入的话需要一部分精力。哦，我还管各类中间件，就我一个人管，跑去找领导把中间件甩出去了一部分。就这么说吧，这么多规模的机器，仅仅一个硬件故障，晚上电话告警，即使如硬盘故障有RAID不用处理都要累死人。每个月工时300左右。如果4W台虚拟机应该会好一点，不过没搞过不知道，以前搞过最大规模虚拟机就3000台，业务比较单一，Puppet搞定了。
木村·星辰的回答
我一个人管6000台物理机。硬件上什么部位报警就换什么，换了不管用就整机送修。软件上管到开出指定数量的kvm，或者装上指定的docker镜像。网络上交换机全是trunk，机器上kvm/docker配置到指定的VLAN里；路由器不管，运营商来处理BGP。机房只扫地不擦灰。数据迁移有空就自己做，没空就叫业务部门做或者往后拖，自己做也就打包释放一下。上班时间自由，报警72小时内处理好就行，随便什么时候去。
三囧的回答
不可能，这个数量的服务器，单纯硬件一个人都管不下来，更别提其他的方面。4万台服务器，加上配套的交换机、路由器、存储设备、ups电源、空调、安全设备、机房防火设备。这个设备的数量是很恐怖的。就算单台设备出现问题的概率很小，数量上去以后，出问题几乎成了必然。光每天处理硬件问题一个人就搞不定。每个硬件还有使用寿命，等使用寿命到的时候需要更换。到更换的时候，一个人更本搞不定这个数量。设备都是一批一批来的，更换也是一批一批的。让业务停着等你慢慢换设备怎么可能？这个数量肯定不会是简单的系统，要过等保吧。要按照等保的要求管理机房，不是简单的管个设备能用就行，管理要有制度，要有流程，还要制定安全策略。这些东西就算你是大牛，一个人全能搞定，但是总要花时间的吧，搞一次测评，一两个月就没了。你还有时间管其他的？我觉得那个评论的人是一个管4万台服务器的团队中的一个人。至于他是不是有权限管4万台服务器，我是不信的，正常的运维不可能把那么多服务器全权交给一个人。肯定要分权，不同的人管不同的类别的设备，动服务器也要有人审批。如果说，我是一个管电源的，电源上面插着4万台服务器，我也算管了4万台服务器的话，那当我没说。
karlestira的回答
4w台物理机？光是给领导汇报工作都能整死你了。另外4w台物理机是个什么概念？常见的纯CPU双路2U机器都得500w功耗，4w台就是20MW，算上各种UPS、空调、存储、网络，可能得去到50MW。商业电一度一块的话这个机房满载一天就是100w往上的电费。都这么大家伙事了，多雇两个人它不香吗？
