电商50台机集群架构

很多人简历上写着「熟悉 Linux 运维」，真给 50 台机器就不知道从哪下手了。单机装个 Nginx、跑个 MySQL 谁都会，但机器一多，问题就变了性质：装机靠不靠手工、配置怎么统一、一台挂了流量往哪走、半夜报警你怎么知道是哪台出问题。这门课的主题就是把这些「机器变多之后才出现的问题」挨个过一遍。

它解决的是哪个能力缺口

先说清楚这门课不适合谁：如果你还没独立装过一次 Linux、没配置过 Web 服务，那先补基础更划算。它的目标读者是「单机能搞定、集群没碰过」的人——比如一直做单点部署的初级运维、从开发转运维但没管过成规模机器的人，或者面试被问到「你怎么监控 50 台机器」时答不上来的人。

缺口具体在哪：一是规模带来的重复劳动，50 台机器一台台装系统、一台台改配置，时间全耗在体力活上；二是高可用意识，单机时代不需要考虑「这台挂了怎么办」，集群里这是必答题；三是可观测性，机器少的时候出问题靠 SSH 上去看日志，机器多了必须依赖监控体系先告诉你哪里不对。这三块，恰好是这门课的主线。

课程按什么顺序推进

课程从一个电商站点（Discuz 论坛）的实际部署场景出发，而不是空讲概念。起步是准备实验环境，用虚拟机把多台机器的实验床搭起来——这是后面所有操作的地基，环境没准备好，后面每一步都会卡。

接着是单机部署：先在一台机器上把论坛正常跑起来，确认业务本身能工作。这一步看着朴素，其实是必要的对照——只有先知道「单机正确长什么样」，后面拆成集群、加负载均衡时才能判断哪里出了偏差。

真正进入集群环节后，重点落在两件事上。一是自动化装机，用 PXE + Kickstart 实现无人值守批量装系统，这是把「50 台」从体力活变成流程活的关键一步，理解了它，你才会明白为什么机房能一次性上架几十台机器。二是双机热备，用 Keepalived 处理单点故障，让流量在节点出问题时能自动切换，而不是等人发现、等人处理。

最后是监控：Zabbix 服务端的安装与被监控端的接入，把前面搭起来的一堆机器纳入统一的监控视图。这一步放在最后不是因为它不重要，而是因为前面没机器可看，监控搭起来也是空的。

看完应该能回答的问题

• 批量给几十台机器装系统，PXE 和 Kickstart 各自负责哪一段？哪些环节容易失败？
• Keepalived 的双机热备靠什么判断主备切换？只配两台够不够，瓶颈会出现在哪？
• Zabbix 的 server 和 agent 分别部署在哪、数据怎么采集上来？一台机器没数据了，你先查哪一层？
• 50 台机器的集群，哪些操作还能手工做，哪些必须自动化？界限怎么划？
• 这套架构离生产环境还差什么？你会在哪些地方加一道保险？

怎么用这份材料

建议不要只看不练。这类内容的价值几乎全在动手过程里——PXE 启动失败、DHCP 配置冲突、Keepalived 抢占异常，这些坑只有自己踩过才有印象，看视频时觉得理所当然的步骤，真做起来大概率会卡住。有条件的话用虚拟机多开几台，把「机器数量」这个变量真的加进去，否则 3 台和 50 台在你眼里是一样的。

另外提醒一点：课程用的是特定版本的组件和特定业务（Discuz），具体命令不必死记，要带走的是「一批机器怎么批量管、一个入口怎么保证不断、一堆节点怎么统一看」这三条思路。思路能迁移，命令版本会过时。