码迷,mamicode.com
首页 > 其他好文 > 详细

DevOps 在2018年的五个趋势

时间:2018-03-26 10:46:56      阅读:169      评论:0      收藏:0      [点我收藏+]

标签:DevOps   JFrog   Artifactory   HERE   Netflix   

刚刚过去的2017年对于 DevOps 来说是里程碑式的一年,各个行业都开始结合自身的业务特点,在落地 DevOps 这件事情上有了一些规划、探索。虽然大家对于 DevOps 究竟是什么依然未能完全达成一致,但每个企业确实又能找到符合自身能力需求的部分。DevOps 带有很强的实践色彩,解决实际问题才是王道,既然那么多的 DevOps 工具、流程和方法无法一次性落地,那么先解决一部分问题总是好的,这也很符合 DevOps 的实践精神。

2018年,容器技术和 DevOps 这对好兄弟会联手上演一场大戏,这是业内大家都认同的趋势。但具体落地的路径究竟如何,目前都还是经验积累阶段。闻道有先后、术业有专攻,在众多的工具、流程和方法中找到一个解决所有问题的“银弹”固然是不大可能,但总结一些经验和教训,对未来做一些预测总归是有备无患。

趋势一 统一的自动化流程

DevOps 最直观的一个价值就是自动化,自动化构建、自动化测试、自动化部署等等。自动化的价值自然是很清晰的,但目前的自动化还是各种工具、各种平台、各种语言独立在走自动化之路。比如,公司里的 Java 项目和 Node 项目,由于其私服都是各自搭建的,仓库也是各个团队在维护,自然各个团队直接都是烟囱式的结构。这种结构的问题在于很多协作变得不可能,比如 Java 项目团队将仓库分为了开发库、测试库和发布库,制定了一套机制很好地实现了发布流程自动化的机制,但其他项目还是得重新去构建自己的流程和规范。

技术分享图片


未来的趋势肯定是一个仓库包含所有的语言类型,比如 Java、Node、Python 等等开发语言,统一提供高可用、负载均衡和容灾备份等问题,那么这些仓库都适用同一套自动化规则。DevOps 一个很重要的标准就是可度量,只有在流程统一的情况下才方便去持续度量,然后发现问题从而持续改进。

趋势二 基于数据的决策

在规范了自动化的流程后,数据将会变得更有价值,而且随着时间的推移,历史数据将能提供更多的智能化决策建议。每一个数据点的背后,都带有一个基准数据作为参照系,企业可以根据自身的成熟度模型适当调整,但总体来说,数据不再只是反映当前的状态,更多地是实时与历史数据、基准数据做对比分析,动态提供建议、风险评估和预测。

技术分享图片


如上图所示,在1月23日这段时间,与基准的运行轨迹差别很大,说明计划外的任务或者 Bug 比较多,那么意味着工作量评估存在一些问题,可能是 Buffer 设置不合理,或者是对人员的能力评估不准确等等。系统在这些异常点给出一些警示及可能的建议,那么在下一个 Sprint 开始时,对于用户的设置提出一些风险及建议。

数据变得有温度,这是数据应用的最佳实践,但这背后要有很多的数据分析能力的支撑,所以,DevOps 变得智能将是下一代 DevOps 的显著特点。

当然,数据决策最直观的方式还是可视化,在这方面 Capitalone 开源了一款 DevOps 可视化面板 -Hygieia。这款产品是支持高度自定义,且支持多种 DevOps 工具的可视化,如代码提交频率,构建情况及质量情况等等,从团队管理者提供快速的决策支持。

技术分享图片


趋势三 加速基础设施独立性

容器的兴起对 DevOps 有不小的促进作用,这也是未来的趋势。Mesos 与 Kubernetes 争雄的时候,很多人认为 Kubernetes 只是玩具,难以担当数据中心操作系统的大任。容器编排的意义不仅仅在于管理一堆容器,更重要的目的在于将整个数据中心抽象成一台服务器。好在 Kubernetes 发展迅猛,从应用运行的角度切入,最终赢得了大家的欢心。Mesos 只是做了更长远的事情,但未能知所先后,导致发展趋缓。

目前还有很多应用是通过脚本来部署的,当然大部分都采用了 Ansible 等工具,但只是提高了时效性,部署者依然需要关注应用运行的基础设施是什么样的。容器及容器编排技术使得完全可以不关注底层基础设施,将一个应用扔到服务器的×××大海里,可能在物理机上运行,也可能是虚拟机,可能是 CPU,也可能是 GPU 的,更加不用关心是什么样的操作系统。大有“只在此山中,云深不知处”的意味。

技术分享图片


从最近流行的 Service Mesh 更加佐证了这一观点,应用和基础设施的剥离是大势所趋,只不过是一个循序渐进的过程。所以,Devops 和容器技术是互为因利乘便的关系,容器是未来应用运行的标准形式,DevOps 也将加速这个潮流。但这并不否认传统非容器应用的价值,但也一定是朝着与基础设施无关的方向发展。

趋势四 更丰富的灰度场景

如果前三个方面趋势成为现实,那么应用发布的速率将会呈指数上升,发布日将不再存在,随时随地上线,滚动升级将成为现实,然而大规模、复杂系统的上线靠什么来保证质量呢? 最近比较流行的混沌工程可能是这方面的一个探索,通过引入一些扰动因素来逐步完善灰度的策略,这个过程就是一个持续学习、持续优化的过程,同样,历史数据起着至关重要的作用,大量的算法和机器学习开始登场了。

技术分享图片


Netflix 公司的开源项目 Chaosmonkey 已经有这样的趋势,通过随机地关停虚拟机或者容器去看系统如何做出反应。目前来看,Kubernetes 的应用迁移、弹性扩容、副本集等特性具有很大优势。但单纯从应用层面处理肯定不够,还有一个很重要的层面需要关注,那就是应用的模板-镜像(或者二进制包),未来的复杂场景肯定是多地域的,那么数据中心之间的快速自动分发,仓库高可用、容灾备份等也是确保整个灰度系统正常运转的关键要素。

趋势五 需要更多企业级特性

正如第四点所述,更复杂的灰度场景,需要更多底层的支持。目前一时间还难以实现应用全部容器化,但多种语言、仓库的高可用、容灾和分发是必须满足的场景。既然应用可以在多个数据中心任意迁移,那么应用的"母体"也必须可以同步迁移,否则混沌工程必然发生混乱。

技术分享图片


从目前的工具来看,很少可以达到这种要求,JFrog Artifactory 具有这种全球分发的案例,在2017年 AWS 技术峰会上,HERE Technology 分享了他们的案例,通过这种方式支撑了百万级别工件量级的分发,每天在系统里流转的数据超过 10TB,从市场上的情况来看,他们已经走在了前列。


DevOps 在2018年的五个趋势

标签:DevOps   JFrog   Artifactory   HERE   Netflix   

原文地址:http://blog.51cto.com/jfrogchina/2091060

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!