01resource.pool↑
把分散在物理机的资源，
收回到一座池子里。
从十几台老旧服务器迁入 vSphere 集群，机房空间与电力成本减半，扩容从“下单买机器”变成“分钟级分配”。
01 · 误区诊断
把物理机换成虚拟机，
把物理机换成虚拟机，
并不等于解决了容量、网络与可用性。
虚拟化是基础设施再表达的工程动作，不是交付终点。 我们见过太多平台在第一年看上去很整齐，第二年开始出现停机、迁移失败、备份恢复窗口失控 —— 根因几乎都落在五个被低估的环节。
01
✕
「P2V 完，业务就稳了」
✓
P2V 只解决位置，不解决关系——依赖图没理清，停机与回退只能靠猜。
02
✕
「CPU 内存打 70% 就扩容」
✓
只看平均利用率，看不到资源峰值——月结 / 跑批会让瞬时占用翻倍，雷埋进新平台。
03
✕
「网络通就行」
✓
生产 / 测试 / 备份流量混漂，一次 vMotion 拥塞就能让所有业务同时打嗝。
04
✕
「快照等于备份」
✓
快照是本地回退，不是异地恢复。勒索软件 / 存储损坏面前，不在同一个量级。
05
✕
「虚拟化是 IT 部门的事」
✓
设备生命周期、维保到期、固件漏洞、扩容预算 — 离开业务侧对变更的知情，任何变更都可能在凌晨三点被打回。
06
✕
「上了 vSphere 就高可用」
✓
HA 需要资源预留 + 反亲和规则 + 故障域隔离。否则主备切换时全部挤在同两台 ESXi 上,「可用」变成「集体重启」。
07
✕
「VM 越多越省钱」
✓
VM 密度是工程指标,不是销售指标。资源争抢、调度风暴、备份窗口失控 — 单一集群塞 200+ VM 的代价,会在第二年集中显现。
08
✕
「虚拟化后硬件不用管了」
✓
硬件生命周期 / 固件 CVE / 驱动兼容 / 存储介质寿命 —— 全部要季度滚动演练。虚拟化让问题看不见,但不会让问题消失。
我们的工作起点不是"安装 ESXi"，而是和业务方一起把这五件事回答清楚： 依赖在谁、 峰值在哪、 寿命到什么时候、 停机窗口有多长、 数据保护的底线是什么。
dependency
peak-load
lifecycle
downtime
rpo-rto
诊断先于建设· 6 件事清单
02 · 建设前必须先回答
开始任何虚拟化工程之前，
开始任何虚拟化工程之前，
先回答这 6 件事。
这是一份蓝图式清单。每一项背后是一份工程作业：盘点表格、依赖图谱、容量模型、变更策略、回退路径。回答不上来，对应的工程就停下来；回答得上来，才有资格进入建设阶段。
01
业务系统依赖
dep.map
谁调用谁，调用频次是多少？
梳理每套业务系统的上游 / 下游 / 数据库 / 文件存储 / 消息总线依赖，输出依赖图谱与调用频次热力，避免 P2V 后发生隐性断链。
02
资源峰值画像
peak.load
CPU / 内存 / IO 的峰值长什么样？
采集至少 30 天生产数据，画出日内、周内、节令三档峰值。峰值决定主机选型、内存超额分配比与 vSAN 容量规划。
03
设备生命周期
life.cycle
哪些机器即将进入退役窗口？
梳理设备采购日期、维保状态、固件版本、磁盘健康度。退役机器先迁、维保尚可的机器后迁，顺序决定风险曲线。
04
停机窗口
down.window
哪条业务能停，能停多久？
区分可断 / 准实时 / 强实时三档业务，与业务方共同确认每套系统的最大容忍中断时长。这决定 vMotion、共享存储、HA 等级的工程取舍。
05
数据保护底线
safe.bound
RPO / RTO 写在合同里是多少？
数据分级（核心 / 重要 / 一般）、备份窗口、异地副本、勒索防护。把 RPO/RTO 写成可验证的指标，而不是停留在 PPT 上。
06
合规与可见性
audit.log
谁能在什么时候访问什么？
从合规视角（等保 / 行业规范）和运维视角同时审视平台：访问审计、操作录屏、变更追溯、统一身份 —可见性是所有动作的前提。
06 / 合规与可见性audit.log
谁能在什么时候访问什么？
从合规视角（等保 / 行业规范）和运维视角同时审视平台：访问审计、操作录屏、变更追溯、统一身份 —可见性是所有动作的前提。
合规映射
75%
▣ 评估交付物
《业务系统依赖图谱 v1》
《资源峰值画像》
《设备生命周期与退役顺序》
《停机窗口协议》
《RPO / RTO 矩阵》
《合规与访问策略》
03 · 平台架构
一座可被管理的
一座可被管理的
VMware 虚拟化平台长什么样。
我们把平台拆成 六个分层 来看 —— 计算、网络、存储、管理、安全、可见性。 每一层都对应一组工程权衡：性能与冗余、成本与合规、自动化与可控。架构不是画得漂亮，是在权衡里守住业务底线。
PLATFORM TOPOLOGY
vSphere 8 · DC1
Cluster A + B
REV 2026.09
·
SHEET 1/1
01 · 计算
主机选型与集群边界
2 路 X86 + 512G 起步，按业务峰值画像决定内存超额分配比；集群按业务域 / 业务等级划分，避免一颗雷炸穿一片。
02 · 网络
微分段与流量隔离
NSX 叠加 Overlay 网络，业务 / 备份 / 管理流量物理隔离 + 逻辑微分段；BGP 边界与边界防火墙守住南北向。
03 · 存储
vSAN 与外部存储协同
vSAN 提供分布式存储与拉伸集群；高 IO 业务可挂载 FC/iSCSI 外部存储做分级分层，性能与成本分开算账。
04 · 管理
vCenter + vRealize
vCenter 集中调度，vRealize / Aria 提供容量、成本、合规的实时视图；模板化交付让新业务上线可被分钟级度量。
05 · 安全
微分段 · 零信任访问
从网络层到主机层、从账号到操作全过程可审计可回放；高敏业务做东西向流量白名单，而不是只盯南北向。
06 · 可见性
统一看板与告警分级
把所有告警接入一张图，按业务影响而非设备维度分级；处理路径与责任人写在卡片上，而不是埋在聊天记录里。
04 · 迁移路径
迁移不是一次搬迁，
迁移不是一次搬迁，
是七次有回退预案的演练。
每一台物理机的迁移，都遵循演练 → 灰度 → 全量的次序。 我们把迁移切成七个阶段：评估、设计、演练、灰度、切割、验证、交接。任一阶段没有回退路径，下一阶段不会启动。
1
STAGE · 01
盘点与画像
CMDB 核对、依赖图谱、容量模型、风险定级。形成《迁移候选清单 v1》。
2
STAGE · 02
集群与命名
集群边界、命名规范、网络 VLAN、存储策略统一；模板化交付口径确定。
3
STAGE · 03
演练环境
1:1 隔离演练环境，使用真实业务副本，不碰生产，记录完整时长与失败用例。
4
STAGE · 04
灰度迁移
先迁低风险业务（内部工具 / 测试环境），按批次扩大范围到准实时业务。
5
STAGE · 05
切割窗口
选择业务最低峰期做切割窗口，回退脚本与值守人员现场就位。
6
STAGE · 06
验证与回归
逐业务系统功能验证 + 性能回归，与生产基线对比；偏差超标立即回退。
7
STAGE · 07
运行交接
运维手册、应急路径、CMDB 同步、值班移交；30 天陪跑之后才视为完整交付。
vCenter控制面
vMotion在线迁移
NSX网络微分段
vSAN分布式存储
Veeam备份与副本
vRealize容量 / 成本
STAGE · 03 · 演练环境
05 · 客户得到什么
资源整合、效率统一、
资源整合、效率统一、
高可用、备份弹性与更低的 TCO。
平台不是为好看，而是为了让业务部门拿到确定性的服务 —— 不再因为“扩容窗口”错过月度结算、不再因为“备份没恢复”面对监管问询、不再因为“机房搬迁”反复半夜被叫起来。
把分散在物理机的资源，
02vCenter.single→
$host.list
▣ esxi-01..1212 hosts · all green
▣ vm.list214 vms · 7 clusters
▣ alert0 critical · 2 warn
一台 vCenter，
看清所有资源在做什么。
从主机、虚机、网络、存储到备份任务、变更窗口、容量趋势，一张图呈现；月度运维工单平均下降40%。
03failover.rail
物理机
虚拟化后
HA + DRS + vSAN，
主机故障不影响业务。
主机级故障下，业务分钟级自动重启；DRS 自动调度让热点永远不扎堆。
04RPO.target↻
季度真实演练
Veeam 副本 + 异地
演练过的恢复。
RPO 15 分钟、季度真实演练，而不是只在文档里写“已具备能力”。
05TCO.3y¥
100%50%0
扩容不再买机器，
三年 TCO 可预期。
容量模型 + 弹性分配让硬件采购周期与业务节奏对齐，避免一次性堆硬件。
06 · 行业软件开发交付
虚拟化底座，
虚拟化底座，
也是行业软件的交付加速器。
当我们同时承接行业软件开发时，VMware 平台不只是“跑代码的地方”，而是从开发环境到客户生产环境的统一底座。下面这五件事，决定了交付能不能准时、稳、可被客户接管。
交付底座
开发 → 预生产 → 生产
模板化交付
~/delivery/pipeline.yml
main
01stage:dev.env
02 template:"vapp/dev-01.ovf"
03 clone_time:≤ 8m# 分钟级拉起
04 branch:"feature/*"
a3f7e2
01dev.env.ymldev
开发环境分钟级拉起
每个研发分支 = 一台隔离虚机，模板化克隆，不再排队等物理机。新员工入职第一天就有完整开发环境。
≤ 8m
7c1b9d
02stage.preprod.ovfstage
预生产 1:1 复刻生产
同样的 vSAN 拓扑、同样的 NSX 规则、同样的备份窗口，让预生产测试有效，而不是“环境差异导致的问题翻车”。
1 : 1
e8d40c
03template.customer.vapptpl
客户环境可被模板化
客户生产环境以vAPP / OVF 模板交付，未来扩容或迁移只需导入模板，告别“每家客户部署都重做一遍”。
模板化
9b5f81
04upgrade.canary.ymlcn
灰度升级路径内置
从 vSphere 到应用版本，每一层都有灰度；升级不再选“要么全升要么不升”，而是按批次可回退。
批次化
2d6a39
05handoff.ops.mdops
客户运维团队可接管
带培训 + 操作手册 + 应急演练，让客户的 IT 团队能独立完成日常运维，我们做后兜底。
可移交
07 · 技术团队
10+ 位 VM 工程师，
10+ 位 VM 工程师，
多平台覆盖，专业的人做专业的事。
团队里既有 VMware 原厂认证的 VCP / VCAP，也有从 Hyper-V、Proxmox、Nutanix 一路做过来的工程师。不是“只会装 VMware”，而是“知道为什么用 VMware”。
VMware 工程组 · 2026
PL
Platform Lead
VMware 平台架构组
3VCAP 持证
15y平均经验
vSphere / vSAN / NSX / Veeam 全栈设计，集群划分、网络微分段、备份策略。
ME
Migration Engineering
迁移工程组
100+P2V 案例
12y平均经验
VMware Converter、vMotion、共享存储方案；灰度 + 切割窗口现场负责人，独立完成百台级 P2V。
MP
Multi-platform
跨平台技术组
4+平台覆盖
10y平均经验
Proxmox VE、Hyper-V、Nutanix、KVM 长期工程经验；可作为多云、多平台一致性方案的设计与评审方。
BR
Break-fix & Ops
灾难性维修与值守
24×7响应通道
SLA写进合同
四级问题定位（主机/存储/网络/虚拟化层/应用层），故障恢复 + 季度真实演练 + RCA 报告沉淀。
VMware
深度专精 · vSphere 7/8
Proxmox
长期工程 · VE 7/8
Hyper-V
熟悉 · 2019/2022
Nutanix
超融合 · AHV
KVM
开源底层 · oVirt
Citrix
桌面虚拟化 · CVAD
Veeam
备份一体机 · VB&R
08 · 灾难性维修与运营
当凌晨三点出问题，
当凌晨三点出问题，
我们已经在路上。
故障分四级、响应分四档。S1 影响核心业务、S2 影响局部功能、S3 单业务异常、S4 不影响业务但需处理。每级响应时间与到场时间写进合同，而不是写在销售话术里。
01
REPORT
报障· 4 个入口
事故发生后，5 分钟内任何渠道找到我们 —— 热线、IM、工单、直拨。
- 24×7 热线 · 直达值班手机
- 企业 IM 群 · 钉钉 / 企微驻场
- 工单系统 · Web / 邮件自助
- 现场直拨 · 重大事件优先
02
TRIAGE
响应· 5 分钟分级
值班工程师按业务影响判定 S1 / S2 / S3，并立即认领到具体负责人。
- S1 · 核心业务中断
- S2 · 单业务 / 局部受损
- S3 · 不影响业务
- 同时建立专案群
03
HANDLE
处理· 远程+现场
远程诊断先行，每 30 分钟同步进展；远程无法恢复时启动现场介入。
- 远程诊断 · 主机/存储/网络
- 现场介入 · 1 小时内到场
- 专家升级 · 必要时直通厂商
- 变更前 回退脚本就绪
04
CLOSE
闭环· 不止关单
故障恢复后 5 个工作日内交付 RCA 报告，改进措施落到下一次演练。
- RCA 报告 · 5 工作日交付
- 改进措施 · 写入下次演练
- 知识库 · 三向同步沉淀
- 月度体检 · 容量/变更/故障
S1
CRITICAL
05:00
分钟响应
生产中断 / 数据风险
核心业务系统不可用、数据写入异常、虚拟化平台整体失联。工程师5 分钟内响应，1 小时现场 / 远程介入。
S2
HIGH
15:00
分钟响应
性能骤降 / 部分中断
单业务系统异常、单台主机故障、备份任务失败。工程师15 分钟内响应，按客户需要决定远程或现场。
S3
MED
01:00
小时响应
单点性能 / 单台告警
单业务系统性能下降、磁盘预警、监控告警。工程师1 小时内响应，远程诊断或排期处理。
S4
LOW
04:00
计划响应
咨询 / 巡检 / 优化
容量评估、变更实施、季度巡检、健康检查、知识传递。4 小时响应，按计划窗口完成。
四级问题定位
主机 → 存储 → 网络 → 虚拟化层 → 应用层，逐层下沉，避免把应用问题误判为底层问题。
应急路径演练
每季度一次真实演练，包括主机掉电、存储链路、勒索软件三类剧本，演练报告归档可查。
工单与文档同步
工单系统 + 知识库 + 操作手册三向同步，事件闭环不是“工单关了就完事”，而是沉淀进知识库。
变更窗口与回退
变更按窗口走，回退脚本先于变更执行；变更完成后 30 分钟值守，确认无回退触发条件。
月度健康报告
容量、变更、故障、备份四类指标月度归集，给客户一份看得懂的运维体检报告。
09 · 交付清单 & SLA
交付物清单，
交付物清单，
从评估到交接每一项都看得到。
我们把交付拆成文档 + 工程 + 平台三类，每一类有清晰的完成标准与验收口径。
~/delivery/_
main
├──
DOC·01
《业务系统依赖图谱 v1》
PDF · 24p 2.4 MB
├──
DOC·02
《资源峰值画像与集群划分方案》
PDF · 38p 3.1 MB
├──
DOC·03
《RPO / RTO 矩阵与备份策略》
XLSX · 12 sheets 480 KB
├──
DOC·04
《运维手册与应急路径》
PDF · 64p 5.7 MB
├──
ENG·05
VMware 平台建设
checklist · 128 items —
├──
ENG·06
业务系统 P2V 迁移
runbook · 7 phases —
├──
ENG·07
统一管理与可见性
playbook · 31 hooks —
└──
ENG·08
备份与异地副本
script · quarterly —
DOC·01
/docs/dep-map.pdf
《业务系统依赖图谱 v1》
覆盖全部业务系统、依赖关系、调用频次、风险定级，作为迁移顺序的唯一事实来源。
DOC·02
/docs/cluster-plan.pdf
《资源峰值画像与集群划分方案》
30 天数据画像 + 集群边界 + 命名规范 + 网络 VLAN + 存储策略，统一工程交付口径。
DOC·03
/docs/rpo-rto.xlsx
《RPO / RTO 矩阵与备份策略》
按业务等级分别定义 RPO / RTO，备份窗口与异地副本策略，可被审计可被演练。
DOC·04
/docs/ops-manual.pdf
《运维手册与应急路径》
日常运维、变更流程、应急剧本、值班表。客户可独立接管。
ENG·05
/eng/vsphere-build.yml
VMware 平台建设
vSphere + vSAN + NSX + Veeam 全栈落地，模板化，可被复制。
ENG·06
/eng/p2v-runbook.md
业务系统 P2V 迁移
演练 → 灰度 → 全量，七阶段方法。
ENG·07
/eng/aria-hooks.yml
统一管理与可见性
vRealize / Aria 视图、统一身份、操作录屏、SIEM 接入，一张图。
ENG·08
/eng/dr-script.sh
备份与异地副本
Veeam 备份 + 异地副本 + 季度演练，恢复可被验证。
核心业务可用性目标
vSphere 集群 + HA + DRS 双活架构，按业务等级协商年度可用性目标，写入合同。
≤ 99.95%年度不可用
数据保护 RPO / RTO
核心业务 RPO 15min、RTO 60min；季度演练报告归档可查。
15 / 60分钟 · RPO / RTO
