GitOps的12个痛点

GitOps作为软件发布实践有很多优点，但就像其他解决方案一样，它也有缺点，当我们从采用GitOps的狂热中冷静下来后，也需要讨论一下GitOps的问题了(以及现代GitOps工具)。

在本文中，我们将讨论GitOps的12个痛点：

1. GitOps只覆盖软件生命周期的一个子集
2. 用GitOps分割CI和CD并不容易
3. GitOps无法将发布部署到不同的环境中
4. 对于多环境配置建模没有标准实践
5. 自动扩容和动态资源管理破坏GitOps
6. 对于回滚没有最佳实践
7. GitOps(和Git)的可观察性不成熟
8. 尽管所有信息都在Git中，审计还是有问题
9. 大规模运维GitOps很困难
10. GitOps和Helm并不总是能够很好的合作
11. 持续部署和GitOps不能混为一谈
12. 没有管理密钥的标准方案

GitOps只覆盖软件生命周期的一个子集

这是当前GitOps工具的主要运作模式，尽管GitOps(方法论)有一些有趣的特点和卖点，但当前的GitOps工具只关注应用程序的部署部分，其他什么都没有。这些工具解决了“我想把Git中描述的东西放到集群中”的问题，但是软件开发的所有其他方面都没有涉及到：

之所以提到这一点，是因为GitOps工具有时被宣传为万能解决方案，可以解决所有的发行问题，但这是不对的。首先，GitOps要求所有部署构件已经存在，这意味着……

• 编译代码
• 运行单元/集成测试
• 安全扫描
• 静态分析

……并不是GitOps工具所关心的问题，而是被认为都已经准备好了。

甚至部署问题(例如环境升级、密钥管理、冒烟测试等)也被轻易排除在GitOps范式之外，采用GitOps的团队需要为软件交付的所有方面创建自己的最佳实践。

因此，不能简单“采用GitOps解决方案”并就此结束。GitOps只是整个发展战略的一部分，应该确保所有其他流程和工作流程已经准备好与GitOps合作。

用GitOps分割CI和CD并不容易

GitOps被认为是一种将CI与部署分离的方法。在CI/CD系统的经典应用中，流程中的最后一步是部署。

使用GitOps，可以维持纯粹的CI流程，只要将候选版本通过Git提交，而不需要部署。Git提交触发部署解决方案，该方案监听Git存储库，并通过在集群中拉取变更来处理实际的部署(从而使集群状态与Git状态一致)。

该场景在理论上很完美，也适用于简单的场景，但当涉及到大型组织采用的高级部署时，很快就会崩溃。

混合CI和CD的典型例子是冒烟测试，有时候我们希望在部署完成后运行冒烟测试，并根据测试的结果决定是否回滚变更。

正如前面所说，GitOps只处理部署构件，通常不涉及(或不了解)源代码，但是在大多数情况下，为了运行单元测试，我们需要访问应用程序的源代码。

当前的GitOps工具不能运行单元/集成测试，因为这要求能够看到源代码以及测试所需的所有框架和库。这意味着，为了运行冒烟测试，不得不再次回到CI解决方案。

最终的结果是CI-CD-CI-CD组件的混合，这违背了GitOps的主要精神。当然还有一些潜在问题，比如不知道环境何时完成部署以触发测试。

基于传统的CI/CD流水线执行相同的场景会很简单。

GitOps无法将发布部署到不同的环境中

这可能是关于GitOps讨论最多的问题之一，也是当谈到GitOps如何在大型组织中工作时最先讨论的话题之一。

考虑一个常见场景：在Git中合并(或创建提交)，环境X的集群现在部署了新版本，但是如何将这个版本部署到环境Y中呢？

每当有人宣称采用GitOps很简单时，我总会问他们在不同环境之间的部署是如何工作的，但总是得到不同的答案：

1. “我们用CI系统来做到这一点。”这意味着再次将CI和CD混在一起，并且承认GitOps无法覆盖这一场景。
2. “我们为其他环境开一个新的pull request。”这意味着必须为每个环境使用不同的Git分支(稍后会详细介绍)，并且还需要引入更多的手动步骤，以便部署发布。
3. “我们只有一个环境。”这可能适合小公司，但在其他情况下不可行。

很令人失望，就连专门为解决GitOps问题而创建的页面^[2]都说：

“GitOps并没有提供一个将变更从一个阶段传播到下一个阶段的解决方案。我们建议只使用一个环境，并避免多阶段传播。”

处理不同环境的最流行的方法似乎是使用不同的Git分支，但这个解决方案有几个缺点：

• 人们有可能会在特定分支上提交特定于某个环境的代码。
• 项目有可能会耦合到特定的环境(而不是通用的)。
• 这给CI系统带来了不必要的压力，它必须检查/重建/单元测试每个独立的分支。

此外，如果有很多环境，多分支处理可能会很快失控。

对于多环境配置建模没有标准实践

上一个问题的结论是，如果我们需要多环境部署，那么GitOps在没办法帮助我们。事实上，它会迫使我们采用特定的Git分支模式(每个环境用特定分支)，从而让事情变得更糟。

一个典型例子是，每个地理区域(每个大陆或每个国家)都有不同的环境。

假设我们的应用部署在10个国家，我们希望一个国家一个国家的推广版本，GitOps有什么解决方案？

• 一个有10个分支的存储库，这意味着需要在每次发布时开10个pull request。
• 10个Git存储库，这意味着需要编写自己的解决方案，在存储库之间复制提交(或者使用Pull Requests)。
• 一个包含10个子文件夹的Git存储库，同样需要外部解决方案来确保更改同步到所有文件夹。

不管哪种方案，发布过程都非常繁琐，目前的GitOps工具对于哪种才是标准方案还没有给出答案^[3]。

自动扩容和动态资源管理破坏GitOps

在部署完成后，集群状态与Git存储库中描述的完全相同，这是GitOps的关键点。

在大部分简单的情况下，这没有问题，但一旦我们引入了变量，GitOps工具就会出现冲突，典型例子如下：

• 配置了autoscaler的集群的副本个数
• 配置了optimizer的集群的资源限制
• 外部工具添加的额外属性(特别是带有日期或时间戳的值)

一旦集群状态发生变化，GitOps工具就会尝试从Git同步初始值，但在大多数情况下这违背了我们的期望。

Argo支持自定义差异^[4]，Flux也有相关建议^[5]，但这些变通方法只是简单的hack了GitOps，背离了GitOps的主要承诺，从长期看会产生其他一些问题^[6]。

对于回滚没有最佳实践

集群历史的所有记录都在Git中，这使得在GitOps中回滚(据说)非常容易。如果想回滚到以前的版本，只需要对以前的某个提交应用同步操作就行了。

然而在实践中，“使用以前的提交”的确切含义并不明确，因此不同的人会使用不同的回滚方式：

1. 简单的将集群指向一个以前的Git哈希值，然后让GitOps工具同步这个哈希值。这是最快的回滚方式，但根据定义，由于集群不包含上次Git提交中所描述的内容，因此会使集群处于不一致的状态。
2. 使用标准的Git reset, Git revert命令，然后让GitOps工具像往常一样执行同步操作。这保证了GitOps的承诺(在集群中拥有Git repo中的内容)，当然，这需要手工干预。
3. 可以组合采用上面2种方式，GitOps工具将之前的Git哈希同步到集群，并自动提交(或还原)到Git repo，以保持一致性。这非常复杂，并且不是所有团队都想让部署工具对Git repo有写权限。

不用说，不同的人可能希望使用完全不同的回滚方案。然而，在撰写本文时，目前的GitOps工具对于如何以标准方式执行回滚只有很少的支持和指导。

GitOps(和Git)的可观察性不成熟

GitOps非常适合查看集群状态，并保证与Git状态相匹配。然而，Git的哈希和提交只对开发和运维人员有用，业务相关方对集群中部署了什么Git哈希不感兴趣。

因此，尽管GitOps在技术层面上的可观察性很好，但更重要的是要记住，在软件团队中有一些更有用的问题：

• 生产环境是否包含特性X？
• 特性X是否清除了预发环境？
• bug X、Y只出现在预发环境还是也出现在生产环境？

对于大多数产品所有者和项目经理来说，这类问题非常重要，应该尽快找到答案。

目前，GitOps工具工作在最低级别(即Git哈希值)，并且与每个部署的业务价值没有任何关联，开发/运维人员需要找到产品部署和业务价值之间的关联。

在目前的状态下，GitOps工具在技术层面上非常适合观察集群的内容，但是在监控每个部署的业务指标方面却很糟糕。

尽管所有信息都在Git中，审计还是有问题

上一点的推论是，仅仅因为可以以Git提交的形式访问集群的整个部署历史，并不意味着可以轻松审计它的功能。

当前的Git工具非常适合管理Git哈希，但是当涉及到搜索和理解业务价值时，正如Adam在Lack of Visibility^[7]中提到的那样，只能提供简单的自由文本搜索功能。

假设我们正在某个特定项目中使用GitOps，并且知道Git历史记录与集群历史记录相匹配，仅仅通过查看Git History，可以多快回答以下问题？

• 特性X在投入生产之前在预发环境中停留了多长时间？
• 前两个月的最差、最好和平均交付时间(从开发人员执行提交到实际投入生产的时间)是多少？
• 对环境X的部署成功百分比是多少，需要回滚的百分比是多少？
• 有多少特性在环境X中存在但在环境Y中还没有？

这些问题在大型软件团队中很常见，除非在部署平台上有专门的工具，否则仅通过访问Git存储库及其历史来回答这些问题是非常困难的。

大规模运维GitOps很困难

Adam在“Git库的扩展”^[7]一文中也提到了这一点。如果在拥有大量环境和应用的大公司中采用GitOps，那么Git存储库的数量会迅速飙升。

这使得跟踪每个环境中正在发生的事情变得非常困难，并且可能很快导致配置冗余或者人们不得不向特定环境提交(而不是使用共享配置)。

例如，如果我们有20个存有Kubernetes manifests的git仓库，当我们需要完成一个重要变更(例如，在每个部署中添加一个新的全公司范围的标签)，需要手动完成20个git提交，或者创建一些胶水代码来帮我们完成。

另一方面，可以为所有环境(或集群)提供一个Git存储库，在这些环境中，所有人都与CI/CD系统协作。

但正如Adam所解释的那样，这就产生了Git冲突的问题(Git存储库和很多CI流程交互，由于Git仓库在这一过程中发生了变更，造成推送失败)。

拥有一个巨大的Git存储库会很快成为GitOps流程的瓶颈，这会在扫描存储库进行更改时引入性能问题。

GitOps和Helm并不总是能够很好的合作

Helm是Kubernetes的包管理器，通常被视为在集群中部署第三方应用程序的事实标准，当然也可以用于自己的部署。

Helm的工作方式是将Kubernetes manifests的一组模板及其运行时值结合起来，这些模板被合并从而最终完成集群的部署。

当Helm安装一个发布时，我们可以提供values.yml，最好的做法是将values文件提交给Git，可以为每个环境(例如qa/预发/生产)提供不同的values。

Helm本身并没有规定这3个组件(源代码、manifests、values)应该保存在哪里。可以将它们全部保存在同一个Git存储库中，也可以将它们保存在三个不同的存储库中。然而，普遍接受的做法是，如果我们有不同环境的values，可以将它们与模板保存在不同的位置，模板(chart本身)存储在chart存储库中，每个环境的特定values存储在git存储库中。

这意味着在部署过程中必须完成以下步骤：

1. 从chart存储库中下载chart
2. 从Git存储库中获取values
3. values和chart合并，从而创建一组Kubernetes manifests
4. 在集群上应用这组manifests

这仅用于初始部署。按照GitOps范例，应该监视包含values文件的Git存储库以及chart存储库中的chart。如果它们的合并结果与集群状态不同，则应该进行新的部署。

在撰写本文时，Flux^[8]和ArgoCD都不支持这个基本的Helm场景。如果希望采用基于Helm chart的GitOps，那么必须采用一些变通方法和限制，从而使这一过程变得比需要的复杂得多。

持续部署和GitOps不能混为一谈

GitOps是一个很棒的持续交付解决方案，每个提交都会产生一个发布候选版本，并将其推向生产环境。另一方面，持续部署是直接提交到生产的整个过程，无需任何人工干预^[10]。

如果作为开发人员，可以在周五下午提交变更，然后立即开始享受周末，那么就是在实践持续部署，提交的变更将在几分钟内通过所有质量检查和测试后投入生产。

根据定义，GitOps是由包含manifests的仓库上的Pull Request驱动的。在大多数情况下，需要人工审查和批准这些Pull Request，这意味着实践GitOps至少需要一些手动步骤来处理这些Pull Request。

理论上，人们可以通过完全自动化的Pull Request来实现持续部署，同时仍然采用GitOps。然而，当前的GitOps(和Git)工具并没有考虑到这种自动化，所以如果你想走这条路，就只能靠自己了。

记住，持续部署并不是圣杯。对于一些组织来说，持续交付已经足够了，在某些情况下，甚至可能受到法律的约束，必须明确禁止完全自动化的部署。

但是如果想要更快的交付时间，GitOps并不是最好的解决方案。

没有管理密钥的标准方案

这是GitOps的一个众所周知的问题，所以为了表述完整，我也把它包括进来。密钥处理是软件部署最重要的方面之一，然而，GitOps并没有解决这一问题。

关于如何管理密钥，目前还没有公认的做法。如果将密钥存储在Git中，则需要进行加密，并且在部署过程中采用自己的工作流。如果不存储在Git中，那么让集群状态与Git相同的想法就不再正确了。

每个公司的密钥管理都有自己的解决方案，所以我希望GitOps工具能够提供一个开箱即用的解决方案。

References:
[1] The pains of GitOps 1.0: https://codefresh.io/about-gitops/pains-gitops-1-0/
[2] GitOps: https://www.gitops.tech/
[3] Document best practises on working with multiple environments: https://github.com/fluxcd/flux/issues/1071
[4] Diffing Customization: https://argoproj.github.io/argo-cd/user-guide/diffing/
[5] How can I prevent flux overriding the replicas when using HPA: https://docs.fluxcd.io/en/1.17.0/faq.html#how-can-i-prevent-flux-overriding-the-replicas-when-using-hpa
[6] Maintain difference in cluster and git values for specific fields: https://github.com/argoproj/argo-cd/issues/2913
[7] Lack of Visibility: https://blog.container-solutions.com/gitops-the-bad-and-the-ugly
[8] Flux helm repository chart updates: https://docs.fluxcd.io/projects/helm-operator/en/latest/helmrelease-guide/automation/#helm-repository-chart-updates
[9] Helm chart + values files from Git: https://github.com/argoproj/argo-cd/issues/2789
[10] What the Heck Is Continuous Integration (CI), Delivery (CD), and Deployment (CDP)? https://codefresh.io/continuous-deployment/heck-continuous-integration-ci-delivery-cd-deployment-cdp/