加入收藏 | 设为首页 | 会员中心 | 我要投稿 站长网 (https://www.aspzz.cn/)- 应用程序、AI行业应用、CDN、低代码、区块链!
当前位置: 首页 > 创业 > 资本 > 正文

VR创业三年闭环:运维老兵的7个技术决策

发布时间:2026-11-03 08:17:07 所属栏目:资本 来源:DaWei
导读:  去年10月份,凌晨三点十七分,我盯着后台异常登录时间——2023-10-12 02:48:03,IP段在东莞寮步,User-Agent是curl/7.68.0,但Referer里塞了个base64编码的URL,解出来指向一个境外短链。我没点开。就盯着那行记录,等它再出现

  去年10月份,凌晨三点十七分,我盯着后台异常登录时间——2023-10-12 02:48:03,IP段在东莞寮步,User-Agent是curl/7.68.0,但Referer里塞了个base64编码的URL,解出来指向一个境外短链。我没点开。就盯着那行记录,等它再出现。三分钟后,又一条,一模一样,只是秒数差了2。五分钟后,第三条。我切到防火墙规则日志,grep -A2 -B2 "123.145.209.",看到它被自动限流了——但不是我们配的,是云WAF自己咬住的,策略名写着“高频UA+低频Referer注入特征”。


  那天早上八点,同事把椅子转过来又转回去,没说话。我撕下显示器上贴着的便利贴,背面是他手写的“证书到期提醒:2023-10-15”,字迹压在“VR云控台v2.1.4”下面。我拿笔圈了那个日期,又划掉,写了个“已续”,但其实没续——我们把TLS卸载挪到了CLB后面,用的是平台托管证书,自动轮换,人根本不用碰。可那张便利贴还贴着,像块创可贴盖在旧伤上。


  先扔结论:VR创业三年闭环,不是靠架构图闭的,是靠七次技术决策硬磕出来的——每次都是现挂、现查、现改、现忘,然后下次再撞上。它们没上过OKR,没进过周会PPT,全是凌晨改完配置后,在钉钉小群里甩出的一句“好了,重启了worker,监控看着”。


  第一件:没上K8s。就用Docker Compose跑核心服务,宿主机装Zabbix+自研脚本轮询GPU显存。不是不香,是第一次GPU节点OOM崩掉时,kubectl get nodes都超时,而我直接SSH进去kill -9再docker-compose up -d,78秒恢复。后来有人提“得做弹性伸缩”,我反问:“你告诉我怎么让Omniverse客户端连一个正在horizontal scaling的NodePort?”没人应。桌上的速溶咖啡结了一层膜,我吹了吹,没喝。


  第二件:所有VR设备上报数据,全走UDP+自定义包头校验,不走HTTP。不是不信HTTPS,是信不过TLS握手那几百毫秒抖动——某次测试发现,当237台Pico Neo3同时发心跳包,HTTP Keep-Alive连接池会莫名其妙丢包;UDP反而稳,哪怕丢了,客户端重发机制比Retry-After靠谱。漏洞扫描报告第4页写着“UDP服务无认证”,我把它折角,夹进《OpenGL编程指南》里,没回。


  第三件:放弃统一SSO网关。用户系统、设备管理后台、内容审核平台,三个独立登录态。原因?去年9月有次撞库扫号,攻击者爆破会员系统账号,顺手试了其他系统的默认口令,结果真撞开了审核后台——不是密码复用,是审核后台管理员用了和会员系统同名同邮箱的账号,且初始密码都是admin123。我们没加固,而是连夜把审核后台IP白名单从“办公网段”收紧到“运维跳板机+审计PC MAC”。门禁响了一声,是安全组刚reload。


  第四件:CDN不缓存HTML,但缓存所有WebGL资源(.glb/.bin/.jpg)。首页index.html永远回源,连ETag都不设。理由简单:去年10月12号凌晨那波,就是有人在CDN缓存层注入了恶意script标签,指向一个带webshell的data URI。我们查访问日志里的一段:GET /static/model/arena_v3.glb?_t=1697087223 HTTP/1.1 ——响应体干净,但HEAD /index.html 返回的Content-Length比平时多327字节。没人动CDN配置,是攻击者利用了某个CMS插件未授权上传接口,往根目录塞了个伪装成favicon.ico的JS。我们删文件、清缓存、封IP,三分钟。第二天晨会,CTO说“这次响应快”,我没接话。空调出风口挂了个塑料袋,晃了三分钟,我盯着它直到停。


文章配图,仅供参考

  第五件:所有设备绑定用MAC+SN双因子,但注册环节不校验SN合法性——只存,不验证。为什么?因为第一批硬件厂商给的SN格式混乱:有全数字,有带横线,有含空格,还有两台设备SN一模一样。我们曾花两天写正则校验,上线后发现5%的设备无法激活。最后方案是:SN照存,但设备上线后,由设备端主动上报GPU ID + 固件CRC32,后端比对黑名单库。一条陌生注册记录出现在日志里:mac=ac:de:48:xx:xx:xx, sn="NULL", firmware_crc=0x7a3e1f2d —— 我们没拦,直接打标“待人工复核”,等现场工程师打电话问客户是不是刷了固件。


  第六件:不接入任何第三方日志分析SaaS。ELK自建,但Logstash过滤规则全写死,不支持动态热加载。理由:有次灰度发布新版本,Logstash配置更新时少了一个if [type] == "vr_event" 的嵌套判断,结果把所有nginx access_log塞进了ES同一个索引,三天后磁盘报警。我们没调参数,是直接砍掉非核心日志字段,把$upstream_response_time缩成int,$request_uri截前128字符。谁在电话里说了句“嗯”就没声了——是对接的日志服务商,听我说完“不迁”,就静音了17秒,然后挂了。


  第七件:没建DRP(灾难恢复计划),但写了三份手动恢复手册,分别对应:GPU集群全宕、对象存储桶误删、MySQL主库rm -rf。每份开头第一行都写:“别慌,先看监控最后一帧图是否还在跳。”——去年10月那次,就是靠这张图,确认是SLB健康检查探针没跟上后端进程重启速度,而非数据库问题。手册第三步永远一样:“执行 ./recover.sh -stage x —force”,里面没写逻辑,只有一堆curl和ssh命令,加了一句注释:“别复制粘贴,敲慢点,抄错一个字母,/var/log/ 下周就没了。”


  现在回头看,这七个决定没一个经得起架构评审会锤。但它们都活过了真实流量、真实攻击、真实加班夜。我不觉得这是“经验”,更像伤口结痂的方式——有些疤没长好,就又被划开一次。下个月开始,要摸着把设备侧的WebSocket心跳升级成双向Ping/Pong,带序列号+时间戳校验。不是为防劫持,是为搞清到底是谁先断的连接:是眼镜端休眠了,还是我们的keepalive timeout设得太紧。我正翻着RFC6455,咖啡膜又厚了点。先刮掉再说。

(编辑:站长网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!