DevOps 基础与文化
由旧稿重新整理版本。DevOps 系列共 3 篇:本文是概念与文化;小企业DevOps方案笔记 是50~500 人企业主流方案;DevOps工具链选型对比笔记 是工具链横向选型参考。旧稿目录已清理,当前以本文为准。
1. DevOps 是什么
1.1 定义
DevOps 是 Development(开发)+ Operations(运维)的合并缩写,是一套文化、实践与工具的组合,目标是缩短系统变更从提交到上线的时间,同时保证质量与稳定性。
核心思想:
- 打破开发与运维之间的「墙」
- 把交付过程自动化、可重复
- 用反馈回路持续改进
- 把可靠性当成产品的一部分(而非事后靠运维救火)
1.2 不是什么
- ❌ 不是某种职位(「DevOps 工程师」)— DevOps 是文化与实践,单设一个职位意味着 DevOps 失败
- ❌ 不是某个工具(Jenkins / Docker / K8s 都只是支撑)
- ❌ 不是只搞 CI/CD(CI/CD 只是其中一环)
- ❌ 不是运维工程师 + 几个脚本
1.3 一句话总结
DevOps = 让交付从「靠人堆」变成「靠系统自动化」,把责任从运维单独背变成开发从始至终一起承担。
2. DevOps 的核心价值
2.1 三大指标(Westrum 指标 / DORA)
Google DORA 团队对软件交付效能的多年研究总结出 4 个指标:
| 指标 | Elite | Low | 含义 |
|---|---|---|---|
| 部署频率(Deployment Frequency) | 按需(一天多次) | 几个月一次 | 发布节奏 |
| 变更前置时间(Lead Time for Changes) | < 1h | > 1 month | 从 commit 到 production |
| 变更失败率(Change Failure Rate) | 0~15% | 46~60% | 上线后回滚或修复的比例 |
| 故障恢复时间(MTTR) | < 1h | > 1 month | 出问题到恢复 |
Elite vs Low 的企业,运营表现有 30~50 倍差距(事故数、可用性、业务连续性)。
2.2 商业价值
- 更快交付:小步快跑,缩短 idea-to-prod 周期
- 更高稳定性:自动化测试 + 灰度发布 + 快速回滚
- 更低成本:减少救火 SLA、减少返工
- 更高研发幸福感:开发者不再怕上线、值班更有方向
- 组织敏捷:应对市场变化更快
3. CALMS 框架
CALMS 是 Damon Edwards 提出的 DevOps 文化框架:
| 字母 | 含义 | 体现 |
|---|---|---|
| Culture | 文化 | 跨职能合作、无指责复盘、共享 oncall |
| Automation | 自动化 | CI/CD、IaC、测试自动化、监控告警自动化 |
| Lean | 精益 | 减少浪费(小批量、限制在制品 WIP) |
| Measurement | 度量 | DORA 指标、SLI/SLO、用户业务指标 |
| Sharing | 共享 | 共享库、Wiki、复盘文档、内部技术会议 |
文化先行(C),技术与工具是支撑(ALMS)。只买工具不改文化 → 工具用不起来。
4. DevOps 成熟度模型
按阶段划分(0~5):
| 级别 | 名称 | 特征 |
|---|---|---|
| L0 | 手动时代 | 手动部署、手动测试、FTP 推代码 |
| L1 | 脚本化 | Bash 脚本、cron、基础监控 |
| L2 | CI/CD | Jenkins/GitHub Actions 自动化构建+测试 |
| L3 | IaC + 可观测 | Terraform/Ansible;Prometheus + Grafana;ELK |
| L4 | GitOps + 服务网格 + SLO | ArgoCD/Flux;Istio;SLO 管理;灰度发布 |
| L5 | 自服务 IDP + AIOps | Backstage 内部开发者平台;自动扩缩容;AIOps 异常检测 |
小企业(50~500 技术人员)目标:稳定 L3,争取 L4。L5 是巨型企业的游戏。
5. DevOps vs SRE vs Platform Engineering
近年来兴起的几个相邻概念容易混淆:
5.1 DevOps
- 范围:文化 + 工具 + 实践
- 关注点:整个交付链路
- 组织意义:跨职能合作
- 负责人:人人(不是某个团队)
5.2 SRE(Site Reliability Engineering,源自 Google)
- 范围:生产环境的可靠性工程
- 关注点:SLO/SLA、错误预算(Error Budget)、oncall、事后复盘(Postmortem)
- 角色:SRE Engineer(实际岗位)
- 经典指标:可用性 MTTR MTBF
- 典型实践:
- SLO 定义(99.9% 可用 = 每月允许 43 分钟宕机)
- Error Budget 消耗 100% 后,冻结发布
- Toil(手动工作)控制
- 与 DevOps 的关系:SRE 是 DevOps 在「运营可靠性」方向的具体落地
5.3 Platform Engineering(平台工程,2022+ 兴起)
- 范围:搭建内部开发者平台(IDP)
- 关注点:让开发者自助完成常见任务(新服务创建、CI 模板、部署、监控接入)
- 代表工具:Backstage(Spotify 开源 IDP)
- 与 DevOps 的关系:当 DevOps 文化成熟后,组织会自然演化出"平台团队"专门搭建 IDP
- 与 SRE 关系:平台工程给开发者自助工具,SRE 确保生产可靠性
5.4 三者关系图
┌──────────────────────────┐
│ DevOps(文化层) │
│ 跨职能协作 / 反馈 │
└──────────┬───────────────┘
│
┌────────────┴────────────┐
▼ ▼
┌──────────────────┐ ┌──────────────────────┐
│ SRE(可靠性层) │ │ Platform Eng(平台层)│
│ SLO / oncall / │ │ Backstage / IDP / │
│ postmortem │ │ 自服务化 │
└──────────────────┘ └──────────────────────┘
实际分工:DevOps 是思想,SRE 把「可靠性」做到极致,Platform Eng 把「自助化」做到极致。一个组织往往三者都有。
6. DevOps 与周边概念的关系
6.1 Agile(敏捷)
- 关注需求与产品迭代(Scrum / Kanban)
- DevOps 关注开发到上线的链路
- 二者互补:Agile 解决「做正确的事」,DevOps 解决「正确地做事」
6.2 Lean(精益)
- 起源于丰田生产方式
- DevOps 的"L"(Lean):减少浪费(WIP)、缩短反馈
- 核心观点:构建质量(Build Quality In),而非事后检测
6.3 持续集成(CI)
- 频繁合并代码到主干,每次合并自动跑构建+测试
- 目标:早发现集成问题
- 是 DevOps 的"A"(Automation)层的一环
6.4 持续交付 / 持续部署(CD)
- Continuous Delivery:代码任何时候都可发布(人工决定何时发布)
- Continuous Deployment:自动化通过所有测试后自动发布到生产
- 与 CI 是同源概念
6.5 GitOps(详见 II_Jenkins_CICD实战笔记 / 小企业DevOps方案笔记)
- 以 Git 为单一真相源
- 通过 PR/MR 改动生产环境
- ArgoCD/Flux 是事实标准工具
7. 小企业(50~500 人)做 DevOps 的现实路径
7.1 当前痛点
- 产品迭代快,部署频率赶不上
- 服务一多,环境/版本混乱
- 故障定位慢,SLA 压力大
- 团队各自为政,没有标准化
7.2 落地顺序(按 ROI 由高到低)
阶段 1(基础):
- Git 工作流规范化(trunk-based 或规范化的 GitFlow)
- CI 流水线(PR 触发自动测试 + 自动化单测)
- 基础监控(接入 APM、链路追踪)
阶段 2(演进):
- 镜像化所有服务 + K8s 容器化
- CD 流水线(自动推镜像、自动部署)
- IaC(Terraform 管理云资源)
阶段 3(治理):
- GitOps(ArgoCD + App-of-Apps)
- SLO 管理 + Error Budget 流程
- 安全门禁(Trivy、OPA、镜像签名)
阶段 4(平台化):
- Backstage IDP
- 内部共享库、模板化新服务
- AIOps、混沌工程、灰度发布
不要一上来就上服务网格 + IDP,从最痛点(部署慢 / 故障多)切入。
7.3 关键组织变化
- 运维团队转型:从「纯救火」变「平台建设 + SRE 兼 SRE 思路」
- 开发承担 oncall:共同对生产负责
- 建立 blameless postmortem 文化:复盘不追责,找系统问题
- 共享指标:DORA 4 指标透明、考核按团队而非个人
8. 组织/团队模型
8.1 反向康威定律
康威定律:"系统结构反映组织沟通结构"。
DevOps 时代常反向:先决定系统/团队结构,反过来调整组织:
- 微服务 = 小团队 + 全栈:每个服务由一个 5~9 人小队全权负责(含 oncall)
- 平台团队:构建 CI/CD 模板、可观测性、镜像仓库
- 产品团队:聚焦业务,平台能力由平台团队提供
8.2 经典模型
| 模型 | 来源 | 适用 |
|---|---|---|
| Spotify 模型 | Spotify | 大型、矩阵化、产品线多 |
| Team Topologies | Skelton & Pais | 演化出 4 种团队类型:业务流、平台、赋能、复杂子系统 |
| SRE 拓扑 | 强 oncall 流程 | |
| Platform Engineering | 2022+ 兴起 | 自服务化优先 |
Team Topologies 4 类:
- Stream-aligned team:业务流团队(按业务价值流)
- Platform team:提供 IDP
- Enabling team:传帮带
- Complicated-subsystem team:复杂专门系统(如 ML 平台)
9. 一句话总结
- DevOps = 文化(CALMS)+ 自动化 + 度量 + 共享
- 目标:DORA 4 指标达到 Elite(部署频率高 / 前置时间短 / 变更失败率低 / MTTR 短)
- 区分 DevOps / SRE / Platform Engineering:文化 / 可靠性 / 自服务
- 小企业落地分阶段,从痛点切入(CI + 监控),再演进到 L3~L4(IaC + GitOps)
标签:#docker #kubernetes #jenkins #git