一、运行中的管理：导入完成才是运营的开始

服务器是常年的活物，交付上线那天只是"出生"，真正的日子在后面。运营管理管四件事：

1. 稳定运行——监控水位、打补丁、做备份，让故障尽量不发生（6.1-6.2 的采样+日志+告警就是它的日常形态）
2. 故障响应——故障总会来，来了要有人按流程接手：发现→定级→处理→通报
3. 系统维护——定期保养：检查备份可恢复性（7.8-7.12：没验证过恢复的备份不叫备份）、清理日志、演练切换
4. 持续改进——每次故障后复盘，把教训写进流程，同样的坑不踩第二次

关键认识：稳定不是"不出事"，而是"出事时损失可控、恢复有章法"——这正是第二章"几个 9"的运营版注脚。

二、CFIA 影响分析：故障前先画"遭殃地图"

CFIA（Component Failure Impact Analysis，组件故障影响分析）回答一个问题：某个组件挂了，哪些业务遭殃、遭多大殃？

做法是画一张矩阵：左边列组件（核心交换机、虚拟化底座、数据库……），上边列业务系统（ERP、邮件、文件共享……），交叉格填影响程度：

• 致命（全停）——核心交换机挂了，所有业务全瘫
• 降级（变慢）——虚拟化底座坏一台宿主机，虚机迁走前邮件变慢
• 无感——数据库挂了，邮件照发照收

为什么要提前画：矩阵里"致命格"最多的组件，就是最该配冗余的组件（7.8-7.12 的双机热备、集群往哪装，CFIA 说了算）；故障真来了，这张图就是影响范围和影响程度的现成答案——不用现场抓瞎推演。它用的正是 1.7-1.9 模型化的方框箭头：先知道谁连谁，才算得出谁连坐。

三、稳定运行与故障恢复：运营管理的基础

运营管理的地基是一对搭档：少出事（稳定运行）+ 出事能爬起来（故障恢复）。

恢复的速度取决于事前的准备——这全是第七章攒下的家底：

一句话：恢复能力在故障前就已经定死——事前不备，事中无救。

四、ITIL：运营管理的范本

每个公司都该做监控、响应、恢复、复盘，但怎么做、做到什么程度不该各自发明。ITIL（Information Technology Infrastructure Library，信息技术基础架构库）是英国政府牵头整理、全球通行的 IT 运营管理最佳实践库，把上面那圈循环拆成标准流程：

• 事件管理——故障来了快速恢复服务（先救火，"怎么坏的"回头再说）
• 问题管理——顺着事件挖根因，别让同一个坑摔两次
• 变更管理——改配置前先评审、先备份、先定回退方案（很多"故障"其实是乱变更惹的）
• 配置管理——记清家底：有几台机器、什么配置、谁依赖谁（CFIA 的数据源）

怎么用它：不必全套照搬——小公司挑"事件+变更+备份"三条最痛的先做起来；大公司可以整建制落地。ITIL 的价值是给运营管理一个现成的对话框架：全员说同一种"故障语言"，交接不靠猜。

五、常见误区

1. "导入完就大功告成"——导入只是一次性工程，运营是持续几十年的日常；预算里只写采购不写运营，等于买了车不打算加油。
2. "影响分析等出事再说"——CFIA 的价值恰恰在事前：它决定冗余配在哪、备份保什么；事后才画图，那是复盘不是分析。
3. "恢复快是靠运维人员手速快"——手速只能解决"人能提前想到的"；秒级切换靠的是 7.8-7.12 提前装好的热备和集群。
4. "ITIL 是大公司的官僚流程"——它的骨架只有几条常识：先恢复服务再挖根因、变更先评审、家底要记清；小公司恰恰最容易栽在"没流程"上。

六、动手 Demo：写一份自己的"每日巡检单"

运营的最小单位是巡检。用 PowerShell 花一分钟给本机做个体检：

Get-Service | Where-Object {$_.Status -ne "Running" -and $_.StartType -eq "Automatic"} | Select-Object Name, DisplayName

看到什么算成功：列出"设为自动启动、但当前没在跑"的服务清单。如果输出是空的——恭喜，本机"应该跑的都在跑"，这是巡检最想看到的结果。

再看一眼最近的故障记录：

Get-WinEvent -FilterHashtable @{LogName="System"; Level=1,2; StartTime=(Get-Date).AddDays(-7)} -MaxEvents 5 | Select-Object TimeCreated, Id, Message

看到什么算成功：列出最近 7 天系统日志里的严重错误/致命事件（最多 5 条）。有输出也不必慌——看看时间和服务名，是不是你那次强制关机留下的"病历"。监控告警的本质就是把这一步变成自动的。

30 秒实验：随手画一张你自己的迷你 CFIA——家里"路由器"挂了，谁遭殃？（答案通常是：全家所有设备，影响程度：致命。）这一个格子就解释了为什么路由器是家里最该配冗余的设备。

• ☐ 第十章（按教材顺序，等波仔报标题）

相关笔记

• 服务器处理与高速化处理 —— 日常监控的采样与告警就是运营的眼睛
• 故障应对与备份 —— 故障恢复的全部家底在故障前备好
• 负载类型与模型化 —— CFIA 的影响矩阵建立在"谁连谁"的模型上
• 人与流程 —— 运营动作要有人执行，管理员三编制
• 与PC的三重差异 —— "几个 9"的承诺靠本章的运营兑现