如何从零思考设计你的DevOps运维服务体系？

DevOps体系是从原始运维一步步走过来的，原始运维好比是本，有了本进而想继续提升效率、减少出错、优化流程，就发展到了DevOps，AiOps…….

首先，运维的业务职能规范后形成章程、纲领，在互联网快速发展的特点下，形成了一套应对”快”和”变”的体系，并不停的迭代升级，工作这些年，体会到千象背后是有恒道的，运维工作一直围绕高SLA和低成本的业务目标运转着，只是工具在围绕着体系变来变去。从开发的角度理解，运维体系就像是算法，实现算法的语言就像是工具，DevOps就是工具的升级。

工具的本质其实是一个基础支撑，有了这个支撑，一系列目标的实现才更科学、高效，简单示意如下。

原始阶段，运维工程师与各部门无数的磨合、探索下，慢慢形成了最初的体系，其无形的规范着运维的工作和注意事项，工程师通过这个纲领开展日常工作并保障业务的健康发展，这个阶段可以说是制度为王、制度规范，没有系统的运维平台，有的只是零散的一些大小工具，各种事物基本靠人工、靠制度、靠约束，虽是原始阶段，但也是运维最真实的样子，忙碌而又忙碌，效率总跟不上需求，制度总跟不上执行，与开发的协作总难同一频道，需要大量的运维人力。

再向后发展，为了提高效率的同时解决与开发间的沟通协作问题，提出了DevOps，大家开始做自动化、做DevOps文化，这个自动化其本质是把运维体系落在一个到多个系统上，通过自动化系统来提高工作效率，同时用系统来实现制度，开发和运维都在一个系统上协作，遵守同样的规则，协作上也高效多了，这个阶段到了技术为王、平台规范，市场上出现了运维开发，出现了SRE，各种问题得到了有效的解决，当然解决的程度取决DevOps系统做的优劣，这个就参差不齐了，但出现了这个发展方向。

再向后发展，行业领头羊提出要进一步减少人工参与，用机器自动化替换人工自动化，进而出现了AiOps。

细心观察，从原始运维向DevOps的演进过程，就是越来越注重技术解决问题的过程，人员需要越来越少，能用技术替代的岗位慢慢被替代，随着自动化平台的成熟稳定，理论上理想的终极状态可能只留”运维平台+业务运维“，其他运维转岗业务运维，业务运维转岗技术运营。

那么我们如何思考设计一套DevOps运维服务体系呢？总结下来，一个最小的模型为定业务规范、建工作制度、搭DevOps系统，以此为最小单元循环往复、迭代升级。

一、定业务规范

先讲个美国人与中国人种地的事儿，美国人建立农场，把种地标准化流程化后，引入工具，几个人种几百亩地收成高、成本低反而不累，中国人每个人几亩地各自作业，收成低、成本高反而都很累。

做运维我感觉也是这个道理，想要批量化、高效率的作业就要规范化，制定各种标准形成规范，如果每个服务各自为战，就会出现乌泱泱一群人确实忙的脚不离地儿，但就是不出活儿。

那么我们通过DevOps要批量管理哪些东西呢，集中一下大概就是资源、服务、规范三类，资源包括像服务器、网络设备、负载均衡、证书、域名、代码、容器等，服务包括像围绕运维提供的服务监控告警、CI/CD、日志分析、服务预案、配置管理等，规范包括像流程、资源、服务的各种标准化等，简单示意如下。

所以规范是整个DevOps体系建设里非常重要的一环，每个规范也对应了一些最佳实践原则，整理了一些运维中的规范如下：

1、变更规范

• 上线变更：代码上线、回滚、扩缩容；
• 配置变更：系统配置、应用配置；
• 网络变更：网络割接、设备更换；
• 其它变更：流量调度、服务切换、服务下线…

-原则：
a、制定变更审核流程；
b、制定变更相关方通知（群、邮件）；
c、制定变更回滚策略；
d、遵循测试、灰度、全量上线的规则；
e、下线变更要将服务器依赖处理干净，比如说挂着vip、有域名解析。

2、容灾规范

• 服务灾备：多机器、多机房；
• 数据灾备：多备份、异地备份；
• 网络灾备：多线路、多设备；

-原则：
a、自动切换 好于 手动切换；
b、无状态 好于 有状态；
c、热备 好于 冷备；
d、多机房 好于 单机房。

3、容量规范

• 系统容量：木桶原理计算系统的全链路容量、用量、余量；
• 模块容量：模块的容量、用量、余量；
• 机房容量：分机房的容量、用量、余量；
• 单机容量：用于反向计算机房、模块容量；

-原则：
a、制定模块单机容量指标（比如QPS、连接数、在线用户数等）；
b、容量要考虑下行（读）、上行（写），考虑存储增量；
c、计算当前模块总容量，收集当前的用量，并对比容量计算余量；
d、系统总容量可以根据木桶原理，找到短板模块后，反向计算出来。

4、巡检规范

• 用户核心指标；
• 服务核心指标；
• 基础资源指标：服务器；
• 依赖资源指标：依赖db、依赖接口；
• 自动化巡检报告；
• 值班oncall安排；

-原则：
a、DashBoard核心在于收敛、舍得；
b、自动化巡检的必要性在于异常侦测，预防故障。

5、告警规范

• 基础监控：CPU、内存、网络、IO；
• 应用监控：进程、端口；
• 业务监控：日志、业务埋点；
• 依赖监控：数据库、依赖接口…

-原则：
a、核心监控收敛成告警，并对告警进行分级，备注告警影响；
b、核心监控形成可排查问题的DashBoard；
c、告警的价值在于实时发现故障。

6、预案规范

• 线路切换：移动、电信、联通线路切换；
• 机房切换：不同机房切换；
• 机器切换：机器故障时进行摘除；
• 服务降级：无法切换时，降低标准继续服务；
• 数据库切换：主从切换、读写切换；
• 网络切换：主备线路切换、链路切换；

– 原则：
a、域名切换 好于 更换IP；
b、自动摘除 好于 手动操作；
c、自动切换 好于 手动切换；
d、考虑好雪崩事宜。

7、故障管理规范

• 服务分级：确定各服务用户角度的影响；
• 故障定级：制定故障定级标准；
• 制定故障通知、处理规范；
• 制定故障复盘，改进措施按时保量完成的规范；

– 原则：
a、拥抱故障，同类故障不能重复发生。

8、权限安全规范

• 开发、运维、临时权限；
• 安全上符合安全审计标准。

9、文档、工具规范

• 统一共享知识文档；
• 统一共享各种脚本工具；

– 原则：
a、理想的情况是“一站式运维平台”，一个平台涵盖所有工具操作。

10、标准化规范：

• 主机名标准化；
• 日志存储标准化；
• 日志格式标准化；
• 域名使用标准化；
• 软件安装目录结构标准化；

– 原则：
a、主机名尽量能看出更多信息，比如服务、模块、机房等；
b、日志是排查问题的重要信息，一定要标准化，方便手工排查，更是为了以后用工具处理打下基础。

11、资源管理规范

• 服务器
• vip
• 域名
• 证书
• 代码

– 原则：
a、资源之间是有关系的，要建立有关系的资源管理。

这里只列了一些常见的业务规范，还有很多规范是要在业务实际问题中去制定的，规范代表了运维的最佳实践，在DevOps建设中非常重要。

二、建工作制度

制度对应着工作的做事流程方法，会影响到文化，制度的建设情况，也反映了解决问题的层次，好的制度是应该能够系统化、工具化、可执行、可量化的，这样在后期才好用DevOps实现，把制度友好的落到运维平台上。

制度的产生不应该是解决一个case，而是科学的解决一类问题，制度的执行如果仅靠人的自觉自律，是靠不住的，一定要尽可能落到技术上。

• 上线审批制度
• 合规部署制度
• 日志清理制度
• 容量管理制度
• oncall管理制度
• 服务巡检制度
• 故障管理制度
• 安全管理制度
• ………………….

工作中最不缺的是各种制度，如何建是有技巧的，也体现了一个运维的能力，这种能力坚持下去就会变为一种文化，例如考虑问题看到本质，解决问题解决根本。另外，制度的建立要一定要本着长远的眼光，科学的态度，DevOps的思想（工具思维）。

三、搭DevOps系统

搭系统就是把前面的内容用技术的手段信息化，用科学的工具实现零散的资源管理、规范制度、手工操作，最理想的目标是“一站式运维”，工程师不需要切换系统，一个平台解决所有事情。

但要管的东西实在太多了，为了专业，市面上首先出现了解决单个点的优秀方案，比如说zabbix、jinkens…..但从用户的角度看就像“五行有了缺一个串”，解决一个业务问题，需要打开N多个系统，来回跳转，这种方式令人崩溃。好一点的大厂做个单点登陆，解决了账号混乱的问题，不过依旧是一堆系统，用户体验差、操作效率低。

实际上，这些单点的解决方案非常重要，我们在思考设计DevOps的时候，想要做到高质量、低成本，必须用好这些方案像拼积木一样做资源整合，把他们当作底层的轮子，站在巨人的肩膀上做系统，力争在应用层做到“一站式”，工作细分到这个程度，指望一个系统解决所有底层问题是不现实的，用图示意如下。

可以看到，整个工具体系分为了两层，一层是底层的轮子层，这一层面向的是单个主题的解决，讲究深度和系统的解决一类问题，上层是面向SRE的应用层，也可以说是业务层，业务层通过底层轮子封装后管理了资源、规范制度、运维服务（运维提供的服务）这三类内容，所有的轮子通过一套账号和权限体系打通。

我们要用好开源社区优秀的轮子，特别是小厂，没有必要重复建设，要通过轮子的api接口做好应用层的流程封装，通过应用层的集成，做到一站式操作，应用层作为和SRE的用户接口，体现了一个DevOps的用户体验，轮子可以复杂，“一站式运维平台”要做到尽可能简单、优雅。