智汇 IT
城启新篇

DevOps不是工具清单而是责任边界

先看事故现场

先看事故现场
先看事故现场

凌晨两点,发布单卡在审批。开发说流水线绿了,运维说变更窗口没到,测试说回归没跑完。群里的消息一条压一条,最后有人问:到底谁对这个变更负责?这个问题一出来,基本就说明 DevOps 还没落地。

很多团队买齐了工具。GitLab、Jenkins、Argo CD、Prometheus,名字一个比一个响。可发布还是靠人肉脚本,回滚还是靠 SSH。工具没错,错在把 DevOps 当成采购清单。

责任边界比流水线难画

流水线可以写 YAML,责任边界写不了 YAML。开发提交代码,构建失败谁看?测试环境挂了谁修?生产告警响了谁先接?这些没定,自动化只是把手工混乱跑得更快。

我见过一个小组,CI 跑得飞快,CD 却停在审批。审批人一周只点两次,发布列车变慢车。开发为了赶窗口,把多个变更打包。一出问题,回滚范围大,定位时间长。麻烦在于,审批不是错,错在审批没有风险分级。

DevOps持续集成流水线构建失败日志截图
DevOps持续集成流水线构建失败日志截图

低风险变更走自动通道。高风险变更才拉人。这样责任还在,节奏不至于死。说白了,DevOps 不是取消控制,是把控制放到更细的粒度。

平台工程别做成内部审批门户

平台团队常犯一个毛病:把自助服务做成新审批。开发者想建数据库,填八个表,等三天。那还不如找运维开单。内部开发者平台的目标是黄金路径,不是门户漂亮。

黄金路径要满足几个条件。默认安全。默认可观测。默认能回滚。开发者不用读完二十页文档才能部署。平台把复杂藏在后面,但别藏故障。部署失败的原因要能直接看到,不要只给一句联系管理员。

生产环境告警值班响应看板场景图
生产环境告警值班响应看板场景图

取舍也明显。平台越统一,特殊需求越难走。金融、游戏、物联网,需求差得远。平台团队如果强推一套模板,业务团队就会绕路。绕路一多,影子 IT 回来。治理不是堵,是留出口。出口要有灯,有记录,有成本可见。

可观测性不是买个大屏

大屏很好看。故障时没人看大屏。值班的人盯的是告警群、追踪链路、最近一次变更。可观测性要能回答三个问题:哪里坏了,影响谁,怎么恢复。

日志、指标、追踪,三样都贵。采样策略要谈。全量日志很爽,账单也爽。告警规则越多,疲劳越快。最后大家把群静音。这很常见。

好一点的做法:告警只留可行动的。每个告警带运行手册。运行手册别写废话。三步能定位,五步能缓解。缓解不等于修复,先止血。

指标用来吵架就废了

DORA 那几个指标,部署频率、变更前置时间、变更失败率、恢复时间。它们有用。前提是团队自己看,用来找瓶颈。一旦变成考核,数据就会变形。

部署频率可以刷。把一次发布拆成十次空跑,数字好看,用户无感。变更失败率可以改口径。恢复时间可以只算部分系统。这种事不稀奇。指标是仪表盘,不是鞭子。鞭子抽久了,仪表盘就坏了。

更实在的度量:开发者从提交到看到生产反馈要多久。值班的人一晚上被叫醒几次。回滚一次要几分钟。这些数字不华丽,但能推动改进。

安全左移别只左移扫描器

DevSecOps 常被做成在流水线里塞扫描器。扫描器一多,构建时间从五分钟变二十分钟。开发者开始绕过。安全团队说门禁严格。开发团队说没法干活。

取舍在于:把扫描放在正确位置。依赖漏洞扫描可以异步。密钥泄露必须阻断。容器镜像签名在发布前做。策略要分级,误报要有人处理。没人处理的扫描器,就是噪音制造机。

文化不是团建

文化不是团建
文化不是团建

复盘会常变成甩锅会。开发说运维环境不一致。运维说开发代码质量差。测试说需求天天变。开完会,行动项没有负责人。下一次故障,同一批人再吵一遍。

不追责不等于不改进。复盘要有时间线,有数据,有行动项。行动项要小,要能关闭。比如加一条告警抑制规则。比如把回滚脚本放进流水线。比如把配置从 Wiki 挪进仓库。小事做完,信任才长出来。

DevOps 的终点不是全自动。全自动也可能自动搞垮生产。终点是变更可控,反馈够快,责任清楚。工具会换。K8s 会老。流水线语法会变。责任边界和反馈回路不会过时。

如果一定要给个起步动作:选一个服务,把它的构建、部署、回滚、告警、值班全画在一张图上。谁负责哪段,写名字。然后删掉一个审批,补上一个可观测指标。别搞大而全。大而全通常死在第二季度。

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。如有侵权请联系删除。
文章名称:DevOps不是工具清单而是责任边界
文章链接:https://m.itcdj.com/news/861.html