运维道法术器：如何透过现象直击运维的本质？！
本次与大家聊一聊技术运营的“道法术器”，也是多年运维工作经验的沉淀和思考，期待与大家的交流与探讨，共同进步与提高。
运维的“道法术器”
首先什么是运维的“道”？—即运维的理念与价值观，我认为运维的“道”是聚焦于业务连续性的技术运营。
这里请大家思考，一旦我们管理的应用系统出现宕机，是不是之前的工作都白干了？很多人觉得不甘心。但规则确实如此，所以业务连续性是非常重要的。
“法”一般围绕质量、成本、效率与安全来做端到端建设。“术”就是具体的战术和手段，最后“器”就是工具体系。
下面会围绕“法术器”来展开介绍，限于篇幅，“道”不在这里展开。
1
法：技术运营视角
首先从技术运营视角来看“法”，主要是围绕质量、成本、效率与安全来做建设：
比如SRE、高可用、监控、日志等都属于质量范畴。
最近比流行的FinOps、动态扩缩容等都属于成本范畴。
所有运维自动化工具、DevOps 都属于效率的建设。
安全审计、DevSecOps、应用和网络都属于安全的建设。
2
法：应用视角
3
法：运维对象视角
从运维对象视角，运维的“法”从8个角度来解释。
（1）模型：运维对象的模型，以数据库来举例就是要管理的字段。
（2）资源：资源就是运维对象有哪些实例。
（3）关系：运维对象之间的关系，例如 MySQL 与主机之间的关系。
（4）动作：比如数据库有创建数据库、用户、备份，这些都属于动作。
（5）指标：即运维对象需要监控的指标。
（6）事件：事件是指运维对象状态发生的变化， 通过捕捉这种转态变化，进行一些场景编排，例如故障自愈。
（7）状态：运维对象目前的健康状态，如果一个服务没有任何告警，健康度不一定是100%。我们会给每个运维对象健康度打分，通过巡检+监控得出分值。
（8）流程：运维对象在流程中的调用。比如服务工单，自动化运维的很多场景都需要调用运维对象。
术：SRE和XOps
运维的“术”其实有很多，这里从ITIL、SRE、FinOps 等角度来帮助大家理解。
1
术：DevOps技术运营标准
运维实践可以参考的标准有很多，中国信通院《研发运营一体化（DevOps）能力成熟度模型》的技术运营标准就是可参考的标准之一。
2
术：SRE可靠性工程
另一个可参考的是 SRE稳定性规范，上图来自SRE民间组织。
SRE可靠性工程要求在项目需求阶段了解项目信息；在开发建设阶段，主要是做系统分析、高可用风险分析和容量模型及链路可观测等内容，上线之后是压力测试、限流配置等。
这里分享一个最佳实践，我们要求运维团队针对每个应用系统都编写运维手册，手册里要求覆盖：应用背景、开发/部署架构、应急预案、常见问题、故障处理等，这样即使该应用的运维负责人离开的情况下，新来的负责人只需要翻手册就知道该怎么进行运维。
3
术：FinOps
现在互联网公司都在谈降本增效，目前比较火的FinOps，理念是帮助工程/财务、技术/业务团队在支出决策上进行协作，如何进行容量和成本管理，使组织能够获得最大的业务价值。
4
术：GitOps
细分领域里还有 GitOps，理念是将代码和配置都放入 Git 版本库中，通过 CI/CD 流水线进行运维管理。我曾接触一家外企，所有主机都通过 Terraform 进行管理，包括创建一个安全组规则，也是 Terraform 加一行代码，再通过 CI/CD 的流程提交 git，测试并上线。
5
术：持续运营
最后是持续运营。从标准化->工具化->自动化->数据化->智能化。
很多同学分不清工具化和自动化的区别在哪里。这里分享一个我个人的理解。
比如企业有了可观测、AIOps、日志等就是自动化了？并不是，只有将上述工具能力进行贯穿打通，才实现了真正的自动化。如果工具之间没有打通，即使建设的项目名称叫自动化运维，其实建设出来的依然只是一个工具。
第二是数据化，通往智能化的过程中，数据治理的作用必不可少，不讲数据治理的 AIOps 就是耍流氓，只有算法肯定不行，需要相应的运维大数据进行学习和训练才有可能进行智能化决策。
器：运维工具和平台
最后谈一下“器”，我做运维平台建设好些年，基本上是身心疲惫，分享一个感悟，很多东西不单靠产品能够解决，产品既不能让你自动化，也不能带来 AIOps。产品仅仅是帮助用户，甚至说引导用户来进行自动化建设，但是只依靠产品，并不是一个好主意。
1
运维工具平台的底层设计逻辑
既然不讲产品，这里分享一下运维工具平台的底层逻辑，从设计角度来看，大部分工具平台都有以下逻辑。
-
命令式/流程驱动：所有的运维作业编排类都是命令式/流程驱动的，这也是最容易理解的逻辑。
-
声明式/面向终态：比如 Kubernetes、Ansible 等都是声明式的，面向最终状态的管理。
-
数据驱动：AIOps 很多来自数据驱动逻辑，运维大数据+机器学习算法，通过数据驱动实现智能化运维。
-
事件驱动：以故障自愈举例，当某服务宕掉被捕捉并发送到事件中心，事件中心做规则判断并执行一个工作流程，工作流尝试重启，健康检查成功后再发送自愈成功的通知。
如果失败就发告警通知，请人工处理，这就是以事件驱动的例子。
2
运维工具平台的底层管理逻辑
如果从运维管理管理逻辑来看，大部分工具平台也有以下四个逻辑。
-
资源：管理所有运维对象，像 CMDB、云管平台、容器平台都可以被理解为资源。
-
纳管：对不同运维对象进行纳管，有了纳管，我们才能对它进行下一步的操作。
-
执行：对纳管的对象进行操作，例如安装配置软件、备份、创建用户等操作。
-
监控：对运维对象进行可观测的指标、日志等进行采集、存储、展示等。
下面分几个方面来说。
3
资源管理：CMDB
CMDB分享过很多，这里再简单介绍几个点。
CMDB 现在流行分层，分为资产CMDB、资源 CMDB 和应用的 CMDB。
CMDB 真正的作用在于数据消费，即使将数据全存得好好地，但消费场景与 CMDB 并未对接上，你的 CMDB 也就失去了意义。
举个例子，监控的主机来自哪里？如果不来自 CMDB，那可能走错了方向；自动化作业执行数据来自哪里？巡检的主机来自哪里？答案都是 CMDB。
见过了很多 CMDB 建设的例子，花费大量资金，建设也很完善，使用上都因为缺乏相关的场景，最后不了了之，这一点需要注意。
4
资源纳管：Agent/SSH/应用协议
有了资源以后，下一步要建设的就是对资源对象进行纳管。
这里介绍 proxy，有点类似于传统的 master/proxy/agent，为了方便横向扩展，最后上面有个总控端，对外提供 API。
这里提一下 One Agent，个人觉得对此不要太迷信。因为不同的 agent 逻辑不一样，比如监控 agent 是隔多少秒做数据采集然后发出去，安全的 agent 的设计逻辑和执行都是不一样的。
4
以“资源”为中心和以“应用”为中心
最后一个收尾，我们在自建或采购运维工具时，你要考虑两个维度，一是应用的维度，另一个是资源的维度，应用是资源的消费方，资源提供应用进行消费，比如CI/CD流水线、部署等都属于应用维度，这是对此进行一个总结。
最后分享一个图片，图片来自于北京深夜的地铁站，在很多人都在排队坐滑梯的时候，有一个小哥背上电脑包，手插着口袋，悠闲的走了上去。
“向上的路并不拥挤”，“拥挤”是因为你选择了安逸。你想毫不费劲地走上去，就面临“拥挤”，因为这是很多人都想这条更容易的路。
这也告诉我们做 IT 运维技术的工程师，我认为是需要终身学习，如果有一天放弃了学习，你基本上就会停止不前。乾坤未定，你我皆是黑马，加油，运维的朋友们！
作者简介
赵舜东（班长）
高效运维社区核心成员
GOPS大会金牌讲师
本文根据演讲者在 DevOps 国际峰会 2023 · 北京站演讲整理而成，如有图文不妥，请以视频为准。更多精彩，请关注高效运维公众号。
End
近期好文：
什么是 Vlan、三层交换机、网关与DNS？这样理解省时又省力…
“高效运维”公众号诚邀广大技术人员投稿
投稿邮箱：jiachen@greatops.net，或添加联系人微信：greatops1118。
发表评论