说实话，干影楼运维这活儿，外人看着就是修修电脑、拉拉网线。但真要较真起来，每个环节掉链子都可能让整个拍摄停摆。这一年下来，我经手的故障少说几十起，挑两个最折腾人的复盘一下，算是给自个儿交个底。
案例一：双十一大促前的客照惊魂
去年十月中旬，后台存储阵列一块硬盘亮黄灯。监控软件报“降级”，按流程热备盘会顶上、自动重建。可那天邪门——重建跑到62%死活不动了，日志狂刷“medium error”。我第一反应是：坏道扩散了。赶紧把所有写操作掐掉，阵列切成只读。接下来四个小时，我直说，手没干过。
用ddrescue先把能读的数据块拽到新盘，参数调成--retry-passes=3，跑完一看日志：有487个坏块，对应61张RAW文件。怎么确定是哪61张？我写了个脚本，比对数据库里当天的拍摄记录和文件系统的ls -l输出，找出“文件名存在但字节数为0”的那些。然后从备份服务器调取前六小时的增量快照，用rsync --partial逐张覆盖。最后恢复率98.7%——那丢掉的1.3%是拍摄间隙的几张废片，客户没选，算走运。
教训呢？第一，热备重建不能光靠阵列自己。现在我每季度手动拔一块盘做恢复演练，连电源模块热插拔都算进去。第二，备份间隔从24小时缩到6小时，关键目录（比如“待修图”文件夹）直接上双活镜像。另外，每块新硬盘上架前必须跑badblocks -sv，写满读一遍，有坏道直接退。
案例二：外拍无线图传的“薛定谔断流”
夏天那会儿，摄影师老投诉：一到某湿地公园外景地，相机图传就断断续续，RAW文件传一半卡住。我拎着频谱仪去现场扫了一圈，发现附近三家影楼都在用2.4G同一信道，干扰严重。怎么办？没去扯皮，直接给外拍车加装双频工业级AP，5.8G做主链路，4G CPE做冷备。写了个脚本，每30秒用ping -c 10测丢包率，超过5%自动切线路。
你以为完了？不。第一次切到4G，摄影师当场炸毛：“延迟一百多毫秒，我遥控快门按下去没反应！”后来改成双链路并行：预览图走5.8G，RAW传输走4G，再加本地缓存队列（用rsync把文件先存到车载NAS，闲时再同步）。折腾两天，最后用tc命令配了流量整形才稳住。
还有一个坑：存储卡写入速度跟不上连拍。我拿了二十张卡实测，发现所谓“高速卡”实际写速只有标称的一半。于是订了新规范：外拍SD卡必须达到U3 V90标准，每张出库前用f3验真——写满、校验、删除，一套流程下来20分钟。你猜怎么着？杂牌卡合格率不到60%。丢一次片子的赔偿金，够买几十张正品卡。
这套方案上线后，无线传输故障从每月八次降到零？讲真，零是不可能的。后来出现过两次4G基站拥塞导致的断流，我加了条规则：当4G延迟>150ms且5.8G丢包>10%时，自动切回本地缓存+人工确认。到年底，外拍相关的技术投诉一共三次，都是用户操作问题，跟设备无关。
日常那些“小但致命”的事
修图间和影棚共用一路供电，闪光灯回电瞬间电压能掉十几伏，电脑直接重启。我拿示波器抓了波形——每次回电都有个持续80ms的跌落。解决方案：单独拉一条线，加在线式UPS（APC的SURT2000），每台工作站禁用USB选择性暂停，电源模式强制“高性能”。顺便说一句，后来发现有个修图师插了热得快烧水，我直接在他工位贴了张“红色插座专供电脑，违者通报”。不是吓唬，是真通报过一次，再没人敢。
新装修的实景棚，背景布卷轴电机嗡嗡响，验收时我用校准过的声级计（Bruel & Kjaer 2250）测了三个高度、每个点一分钟，Leq值超了NR-25曲线8分贝。施工方说“正常”，我直接把频谱图甩出来——低频125Hz有个峰值，正好是人耳最敏感的区间。后来加装隔音棉和减震吊架，重测才过。
-
✹好拿网热搜同款:
- 运维工作总结 | 运维个人工作总结 | 运维专员转正工作总结 | 网络运维转正工作总结 | 运维工作总结 | 运维工作总结
没解决彻底的两个尾巴
一是外拍车供电：发电机启动瞬间电压跌落，UPS切电池有8毫秒间隙，NAS重启过两次。临时方案：让摄影师开机前先打着发电机预热一分钟。明年预算批下来，换双变换在线式UPS，零切换。
二是老旧的修图工作站，主板电容鼓包了两颗。我拿电烙铁自己换了，但同批次还有三台迟早要坏。店长嫌换新成本高，我只能每月用热成像扫一次，发现温度异常就降频使用。这算是个定时炸弹，但咱运维能做的就这些。
这一年下来，几条糙理
- 别信“监控报警就万事大吉”。那次阵列降级，热备盘正常顶上，可坏道是在重建过程中才暴露的。所以我现在每周手动跑一次
smartctl -a，看Reallocated_Sector_Count。 - 跟摄影师吵架没用。他们只关心“能不能拍”，你讲技术参数听不懂。我的办法：每次故障处理后出一页“操作卡”，用图示标清楚“红灯闪怎么办”“卡慢换哪类”。现在修图师都管那叫“保命手册”。
- 设备台账不能只记型号。我建了个Excel，每台设备加一列“隐患记录”，比如“某号UPS电池内阻偏高，预计三个月后更换”。目前准确率大概七成，够用了。
下一步：把NAS的S.M.A.R.T.数据接入Prometheus，温度超45℃自动调风扇；外拍SD卡归还时用f3快速校验；还有，争取把那个电容鼓包的主板换掉——实在不行，我自己掏钱买二手板，总比丢数据强。
干运维的，别指望别人夸你。系统稳了，摄影师才能安心按快门，修图师才能不摔鼠标。这就够了。
-
更多精彩的工作总结，欢迎继续浏览：工作总结