雄文DevOps 能力模型演进及案例剖析 | 高效运维

Posted 2021-04-16 高效运维

编辑

• 高浩淼-北京（内容整理）

• 萧田国（审核、发布）

嘉宾介绍

王晓伟

2009年创办麦图科技，专注于电商行业的垂直搜索, 受到多家天使、Pre-A投资机构的关注。
有10+年互联网、游戏、内核安全从业经验。历任软件工程师、高级软件工程师、技术经理和总监。
目前主要从事手机游戏发行平台的构建，推进公司DevOps的培养和运维自动化的实施。

主题简介

本次分享主要分为两部分：

• 第一部分引入运维工程师的能力理论定义；

• 第二部分介绍DevOps的能力模型，其中引用了第一部分的定义。

部分内容可能形而上学，所以带好枕头被褥，困了就眯一会儿，后面有点小精彩。

引言

运维工作是实践性的学科和工作，即便没有高深的理论也可以开展工作，继而从事这个工作的朋友不缺乏实际动手的能力。

但从事物的发展规律性和普遍性来看，从实践出发的Ops恰恰缺乏必要的理论指导和思想探究。

本文是我对运维工作的理论、思考和定义的总结，同时给出DevOps相关概念的定义，明确其工作范畴，能力要求，产出标准以及演进建议。一家之言尚未完善，抛砖引玉，欢迎讨论。

从一次面试开始

问题1

问：如何通过Python或者Shell给nginx添加/删除一个虚拟站点？
答：通过Python或者Shell在nginx.conf里添加server区块，然后如何如何……

问题2

问：如何使用Python将文本日志结构化
答：通过python的os.system调用awk。（哭，韩国的整容术用到运维上了，给awk整成python……）

这是最近真实的面试案例。上述两个问题的回答，让我很不开心：

• 问题1的回答，说明面试者不具备运维的工程能力，更不具备架构能力；

• 问题2的回答，说明面试者不具备程序的架构能力，甚至对语言理解和标准库的学习都不到位。

从案例里我总结了两个核心的定义：工程能力和架构能力。下面先给出这两个定义。

工程能力当然是运维工！程！师所必需具备的。我对工程能力的定义是：

1. 分解问题的能力；

2. 定义执行序列的能力；

3. 制定可重入操作行为的能力。

架构能力，本人解释为：

• 懂“不该”懂的；

• 想“不该”想的；

• 做“不该”做的。

比如程序猿懂了业务，想了部署，做了高可用的规划应该算得上架构狮了。

1. 分解问题的能力

针对问题1的分解逻辑如下：

1. nginx是如何管理虚拟站点的，是否具有模块化能力？

2. 在具有模块能力的情况下，如何实现虚拟站点模块的添加？

3. 如何定义规则来命名虚拟站点，以保证可重入，在规则不变的情况不会再重复添加（还要支持upstream等等）？

4. python要实现什么样的功能，shell要完成什么样的工作？

5. 添加完成后，如何验证其生效？

6. 删除的行为是否要彻底删除配置文件，抑或者留一个副本？

2. 定义执行序列的能力

有些操作是高危操作或者是不可逆的，比如修改sudoers文件。在基于sudo管理的系统下，如果一旦sudoers被改坏是灾难性的。因此定义执行序列是：

1. 在 Terminal下开一个窗口切换到root下；

2. 在另外的窗口下进行对sudoers/sudoers.d的修改或者添加；

3. 一旦试验过程中sudoers被改坏，可以用root账户直接改回来；

4. 以上流程虽然简单，但是这跟飞机起飞前拔掉起落架的闩是一样致命的。

3. 制定可重入操作的能力

系统的管理和系统的状态的获取是两个不同方向的工作：

管理是把指令传递给系统，修改系统的状态和信息；查看系统的状态是从系统获取信息。

这两个不同向的操作行为就导致了状态和信息同步的问题。解决这个问题的方法有很多，但是稳定可靠，兼容性好的方法不多，我的方法是保证操作的可重入性。

即在同等的条件下，对于系统发出的指令，执行n+1次（n>0）的效果是相同的。

这样，即便我可能知道系统状态和信息是不一致的，但是由于操作行为是可重入的，我可以最终把状态和信息一致化。

以上展开了工程能力的解释。

由于架构能力涉及面广，交叉学科众多，此处暂不作展开说明。

DevOps的能力模型

我们先介绍相关能力模型：操作系统能力模型和应用系统能力模型，然后再由此引出DevOps能力模型。

操作系统能力模型

除操作系统核心提供的基本功能外，还给我们提供了以下功能（以Linux为例）：

1. 访问控制，实现基于角色的最小粒度访问控制，此为系统管理的基础，能力模型的关键之一；

2. 权利托管，基于角色和命令的可配置授权机制，提供了可控的，可定制的提权的方案；

3. 导入式的可插拔配置能力（通过类include指令), 比如 /etc/security/limits.d，/etc/sudoers.d， 此为自动化重要设施；

4. 包管理能力，包括二进制和源码包的依赖管理等；

5. shell编程的支持。

应用系统能力模型

除操作系统能力模型提供的功能之外，还给我们提供了以下功能：

1. 导入式配置能力，如nginx的 /etc/nginx/sites-available/；

2. 系统状态侦测能力，如php-fpm的ping/pong；

3. 热装载能力，例如很多服务的reload功能；

4. 高可用性以及故障恢复能力，例如mysql的高可用配置，以及其binlog的恢复能力；
   5，其他必要特性，视不同的业务系统而定。

DevOps能力模型

由此，我们给出DevOps能力模型的定义：

1. 了解其所管理的操作系统的能力模型（Linux，Windows），掌握系统编程语言（Shell）并能利用其能力用于DevOps工作；

2. 了解其管理的应用系统的能力模型（Mysql， Nginx等），掌握系统编程语言（Shell）并能利用其能力用于DevOps工作；

3. 具备前文提到的工程能力，掌握系统编程语言（Shell）和通用语言（Python/Ruby等），并能利用其编程能力将工程能力提到三种能力程序化，并进一步实现自动化；

4. 了解工作场景和业务场景，以及业务的关键指标，使DevOps工作有的放矢，贴近业务。

评估DevOps是否合格的标准：

1. 具备DevOps能力模型提到的各项要求；

2. 其产出的代码脚本能够适应普遍需求，并且该代码脚本符合前文的可重入要求，即执行n和n+1次的效果相同；

3. 其产出的代码脚本能够供其他代码脚本使用，此条尤为重要。

DevOps的级别：

符合DevOps能力模型1：为初级DevOps，可以使用shell做DevOps的一般性系统级别的工作，在一些第三方工具（Ansible/Fabric)的帮助下管理大量服务器；

符合DevOps能力模型2：为中级DevOps，可以使用shell做DevOps的应用系统的部署和优化工作，并能通过其产出的脚本大批量管理应用系统

符合DevOps能力模型3：为高级DevOps，可以使用shell和通用语言进行广泛的DevOps的工作，可以完成完整的业务流程的定义和开发，能够熟练抽象并编写供其他DevOps使用的接口。

符合DevOps能力模型4：为架构师级别的DevOps，根据业务需求，规划系统部署架构；根据业务指标要求优化部署结构和性能，保证高可用等；定义脚本代码接口，制定开发规范和操作规范。

理论的东西说完了，下面是探讨下Dev和Ops的现状，Ops的演进，Dev的演进以及三项补充内容。

Dev和Ops的现状

Dev和Ops是实践性的工作，因此即便不是一名DevOps，或许你也在做着Dev或者Ops的工作。只是这不是真正的DevOps。让我们看两个场景：

1. Dev的风格是力求用Python/Ruby这类通用编程语言整合一堆的API，实现一套大系统，搞定一切Ops的工作；他们每天的工作就是在找Libs和看各种API的文档，满脑子设计思想。这种思维是Dev思维；

2. Ops的风格是力求从命令行的角度，甚至脚本都不用，一行一行的把命令敲下去完成工作；或者快速的写一个一次性脚本搞定；他们还喜欢自己编译各种系统，满世界下源码包，喜欢自己搞几个参数优化一下；他们只关心当下的结果，不关心以后的重复利用和持续集成。

这是我以前的工作中遇到的真实情况。

现在情况变了，自从Dev和Ops弄在一起变成DevOps后，又出现了几个自动化工具，搞的现在Dev不好好写代码了，Ops也不好好的写命令行，都去学习自动化工具去了。

这不是DevOps的王道。这是错误的。

即便把所有的自动化工具，不管是Ansible还是Puppet或者其他学的再熟，也只是学会了一个工具而已，很可能DevOps没当成，却变成工具的奴隶。

DevOps是先有思想，而后有工具。

现在崇尚工具的思路是非常可怕的，很多初学者误以为学会了这些自动化工具就可以把运维做好，而忽视基本功的学习，空学工具，只重其招，不重其义。

下面分享下两者的演进。

Ops的演进

案例1：以在RedHat上安装Nginx为例子，网上很多文章的步骤大概如下：

• PCRE库的安装：wget, tar, configure, make,make install

• OpenSSL库的安装，wget, tar, configure, make,make install

• nginx安装，wget, tar, configure, make,make install

这种做法早些年是非常流行的，而且很多人对于在configure后面带的那些参数很是自得，屡试不爽。

时至今日这种方法仍然在很多初学者那里非常流行，而这种做法就是严重的反DevOps的做法。

案例2：以给Nginx增加一个虚拟站点www.devops.org为例，很多初学者一上来就打开nginx.conf开始改，这同样是严重反DevOps的。

这可能是因为一来nginx官方文档是这么改的，二来很多文章也是这么转载，或者原创这么写的。

案例3：再以网络性能优化的为例，很多Ops同学直接冲到/etc/sysctl.conf这里面疯狂的修改一通，添加了各种参数。

这仍然是反DevOps的。一来过不久以后也不知道哪些是自己改的，哪些的默认的，二来如果想用脚本批量更新也是大问题。

针对上面提到的，我认为DevOps应该是这么做的：

对于案例1：首先根据自己的系统设置好nginx的源，而设置源的方法也不是直接冲到/etc/yum.conf,而是建立一个/etc/yum.repos.d/nginx.repo文件，用于保存nginx的源信息。然后然后通过yum install nginx 安装。（如果一定非得必须特定版本，稍后讨论)。

对于案例2：给Nginx添加一个虚拟站点。RPM包的结构如下

尽管这个结构不是很令人满意，但是仍然可以将就。

至少我们可以看出Redhat的潜在建议是让我们把新的站点放在conf.d下面，我建议的命名是www.devops.org.conf。

那么问题来了，如果我要暂时关闭这个站点怎么办呢？在这个结构下，我们只要把www.devops.org.conf从conf.d里移出来再reload一下就可以了……对，是移出来，不是删除。因为我们后面可能还要用。

此时www.devops.org.conf放在nginx目录下，显得有点格格不入，那么我们干脆建一个文件夹叫disabled-sites，把www.devops.org.conf放在disabled-sites下面得了，以后要是再启用该站点，就直接符号连接到conf.d下面。

再演进一步我们就有了如下的结构：

把站点放在sites-*里。available里放置所有站点的配置文件，通过符号连接到enabled目录下启用。

如果要临时关闭站点，可以删除enabled下的符号连接。这个结构就非常适合DevOps用脚本进行管理。

对于案例3：关于sysctl的修改，DevOps方法是在/etc/sysctl.d下面，按照命名规则添加一个文件，把需要添加的参数放到新文件即可。

这样一来可以方便查看自己修改了哪些，便于确认，二来可以持续集成，通过文件的形式保留自己思考的路径。

通过上面3个事例的演进，我们已经清晰的感觉到，上面三个步骤现在可以马上用脚本自动化起来。但是演进之前确实很难办到。

如果没有Ops的演进，再牛X的Dev他也无法完成自动批量管理以上的业务需求。

Dev的演进

我作为Dev的时间要比作为Ops的时间长很多。8年前从Windows转到Unix-like下，我们看下两个不同系统下，Dev的思路的差别。

写过Windows程序的人都有一个非常坚定的信念就是API，Windows系统下事无巨细都会有对应的API，尤为著名的是注册表的API，还有一个典型的是服务API(Windows Services)。

你要改个啥配置，要创建一个Service都必须得用API来完成。复杂点的比如写一个端口扫描的要用到socket和多线程的API等等。这个端口扫描说来业务逻辑本身很简单，倒是程序逻辑搞的复杂的不得了。

而Unix-like的系统，沿袭着Unix的哲学其Dev的思路又是另外一套。修改配置，直接冲到文件里改，创建一个daemon/service直接写个shell脚本放到系统即可，完全不必要API。

所有的一切无论是在Dev还是Ops面前都是一目了然。前面提到的端口扫描更是直接用python/ruby/shell 直接调用nmap搞定，效率高，功能强大，稳定性和兼容性都不错。

我认为这是Dev要借鉴的，也是思想上最大的差别。

统统用API做出来的东西，一是容易让Ops一头雾水，搞不清楚，很难参与，二是有些功能实现起来要达到足够的性能，强大，稳定以及良好的兼容性是非常困难的。

nmap第一版本是1997.9发布的，历经18个年头，这样的工具我们一朝一夕是难以实现的。

关于Dev转DevOps的建议

鉴于以上的讨论，我给Dev即将转到DevOps的同学们的建议是：

1. 试做一个有经验的Ops，放下编程语言，从命令行开始，从Shell开始；

2. 理解操作系统的哲学，Unix-like下管道连接一切命令，文件代表一切配置；

3. 理解Ops的核心指标，比如高可用，兼容稳定，可重入，故障容灾；

4. 在坚持Ops-style的前提下，通过程序设计思想将DevOps的代码脚本的产出层次化，模块化，使之达到高复用；

Dev和Ops的另外一个区别是，以往Dev注重的是具体功能开发，而Ops天生要关注的是系统的整体管理。

功能开发注重逻辑的正确，1＋1=2；但是Ops要求业务和结果导向，有时1+1可能是无穷大，比如磁盘满了。

补充1：编程语言和Shell在DevOps的关系

从自动化部署工具来看他们的关系，Python/Ruby通过业务逻辑把产生出相关文件和Shell语句通过下面两种方式执行：

1. 基于ssh；

2. 基于Agent（姑且认为是RPC的一种方式）。

因此Python/Ruby作用是：编排和启动Shell语句的作用；具体实现功能，则仍是Shell语句。

根据这种关系，我们不难发现以上两种方式存在现实的局限性：

1. 众多命令执行情况下，ssh效率不高；

2. Agent效率虽然高，但是开发和调试成本很高，另外Agent对于Ops是透明、不可控的，一线Ops在Agent出了问题后，很难介入调试。

我的建议是在shell做文章，即基于shell脚本的机制完成远端业务逻辑的工作，通过ssh或者agent调用脚本执行功能，这样提高了效率又便于Ops参与脚本的编写和调试。

结论：DevOps的落点是Ops，Python/Ruby的落点是shell和commands。

Python/Ruby的优势是业务逻辑，文件处理等，莫用Python/Ruby去实现shell和commands擅长的。

补充2：编程语言在DevOps的意义

Python/Ruby体现的重要性是程序设计的思想，shell和commands的重要性在于，系统最终由他们改变。

以前是Ops玩shell和commands，现在是DevOps通过Python/Ruby玩shell和commands，所以本质还是shell和commands。

就像互联网和传统行业一样，有互联网传统行业转的更好，但是没有互联网传统行业一样转；而如果没有传统行业，估计饭都吃不上，互联网也就不存在了。

补充3：操作系统能力模型

根据前面的结论，我认为DevOps的核心竞争是在Shell和Commands的竞争。而操作系统能力的提升也将是Shell和commands的提升。

试想如果没有yum/apt，没有sed，没有iptables，没有virsh这样的指令，我们是否寸步难行？答案当然是肯定的。

有人说，可以通过c/python/ruby实现，反正都有api，这是错误的轮子思路。

我可以肯定的说，我们几乎没有能力超越先贤们历经数十年累积的成果。即便可以我们做出来类似的东西，也很难超越这些既有的工具，这些工具优秀之处除了智慧，还有时间以及实践的检验。

但是有一件事我们是可以做的，就是把操作系统业务能力提升起来。我认为的操作系统能力模型里，唯缺此一项。

我们不需要再写一个iptables，sed，yum/apt，我们可以包装他们，通过命令的组合和逻辑的判断，衍生出专用的业务能力。

RedHat下有不少好的例子，比如service iptables save的功能。此功能的意义如下：

1. 提供了统一的调用方式，并且封装业务逻辑，便于其他脚本使用；

2. 统一的文件存放位置，便于自动加载，管理和备份；

3. 同时提供了restore的命令。

这就是一种操作系统的能力。这种能力在Linux的一些分支上是没有的，我们就必须自己编写脚本实现此功能。但是写来写去，写得最好也就是跟RedHat大同小异，但是却花了我们的宝贵的时间。

试想在拥有这种能力的RedHat上面，DevOps开发一个批量保存iptables的功能是否更容易呢？

练手：

1. 是否可以基于iptables实现一个命令，在添加一条iptables规则时，先检测是否存在同样的规则，避免重复？

2. 是否可以基于sed实现两个命令，delete_line和delete_line_by_no：第一个命令给定一个表达式和一个文件名删除含有表达式的行；第二个命令根据行号删除指定文件行？

如何一起愉快地发展

重要提示：尊重知识，请必须全文转载，并包括本行。