此笔记位置已失效,请从目录继续阅读。
全书导读
《云原生基础架构》由 Justin Garrison 与 Kris Nova 合著,机械工业出版社 2018 年出版,采用产品无关的方式讲解「用应用程序管理基础架构」这一核心主张。全书共 9 章加 3 个附录:第 1 章界定基础架构与云原生的定义及反模式;第 2 章回答何时该采用;第 3–5 章讲如何把基础架构表达并落地为软件(部署演进、协调器模式、API 开发);第 6–8 章讲让这套系统可信、可运行、可防护(测试、应用管理、策略即代码);第 9 章落到组织与人的变革;三个附录补网络弹性模式、供应商锁定与 Box 案例。书中反复强调它不是一个产品指南,而是可迁移的架构与工程判断,具体工具与 2018 年的云厂商形态应按历史语境理解。
全书主线
全书的工程主线是:把基础架构变成可由软件管理的资源,再让应用驱动基础架构。第 1 章给出目标定义(抽象、API、软件管理);第 2 章先框定采用条件,避免盲目上云;第 3 章从「表述」切入,沿白板→脚本→配置管理→声明式 DSL 走到基础架构即软件;第 4–5 章展开协调器模式与 API 演进,把「持续运行并调和期望与实际状态」作为软件化核心;第 6–8 章分别用测试、应用生命周期管理、策略即代码为这套系统赢得信任、可运行性与安全性;第 9 章指出真正的变革在人与组织;附录把抽象概念落到网络弹性、锁定权衡与真实企业案例。责任从基础架构层持续向应用与平台转移,是贯穿全书的判断框架。
译者序
译者序指出,在云计算时代,基础架构投入巨大却常被忽视,而云原生基础架构直接关系到企业的业务敏捷性与竞争力;译者把「基础架构」界定为业务层以下的全部软硬件,并强调本书采用产品无关的模式写法,目的是帮助工程师建立可迁移的判断力而非记住某个工具。
前言
前言解释了为何基础架构创新长期被忽视——它处于业务之下、难以被直观感知价值;本书因此刻意采用产品无关的方式讲模式,除给出实现例子外不规定具体产品,旨在阐明业务与基础架构的关系、解释问题并给出工程师已经验证过的解决方案。
第1章 什么是云原生基础架构
第 1 章为全书奠定概念地基。它先界定基础架构是支撑应用的所有软硬件,说明高效基础架构为何是云原生应用的必要前提,再沿物理服务器、虚拟化、IaaS、PaaS 的演进,交代「把基础架构变成可由软件管理的资源」这条主线,并给出云原生基础架构的正式定义:隐藏在有用抽象背后、由 API 控制、由软件管理、以运行应用为目标。章中用一整节反向澄清误区,强调在公有云、容器、编排器或微服务之上并不自动等于云原生;再拆解云原生应用的五个特征——微服务、健康报告、自动测量数据、弹性与声明式通信,最后落到自治系统与自动化之别。阅读重点是建立「责任从基础架构向应用与平台转移」的判断框架,而非记住某个具体工具。
基础架构与云原生的价值
本章开篇先厘清基础架构的边界:它是支撑应用的所有软硬件,涵盖数据中心、操作系统、部署流水线与配置管理,并指出高效的基础架构能加快迭代、缩短面市时间,而云原生基础架构是运行云原生应用的必要前提。随后 1.1 节归纳收益:参考 Google、Netflix、Amazon 的实践获得可扩展性与敏捷性,在公有云中专注业务目标、缩短交付时间;当无法直接消费服务时,就编写应用来管理基础架构,使规模瓶颈从「每名运维能管多少台服务器」转变为「像扩展应用一样扩展基础架构」。这些内容分别落在 基础架构与云原生基础架构的意义 与 采用云原生实践的益处 两张卡片里,前者界定问题,后者说明动机。
原书依据 · 2 处
从物理服务器到 IaaS 的演进
理解云原生为何出现,要先看基础架构的演进。1.2 节的物理服务器强大、故障率低、适合稳定的资本支出,但购买与准备应用困难、利用率低,同一台机器塞多个应用还会引发软件冲突、路由与访问复杂度,造成浪费。1.3 节的虚拟化用软件模拟硬件、借 Hypervisor 在单台物理机上跑多个可迁移的 VM,缓解了隔离与利用率问题,却仍离不开底层硬件、人员与流程,容量规划还因 VM 开销更难。1.4 节的 IaaS 进一步把网络、存储、计算变成可按需消费、由 HTTP API 创建和丢弃的资源,把资本支出转为按账单计的运营费用,并释放大量人力。三段演进对应 物理服务器:优势与浪费、虚拟化与 Hypervisor 和 IaaS:按需消费与 API,共同串起「把服务器变成软件可管的资源」这条主线。
PaaS 与云原生基础架构的定义
1.5 节的 PaaS 把操作系统对应用隐藏起来:开发者只写代码与声明依赖,运行、管理和发布由平台负责,代价是应用必须遵守平台约束、放弃 SSH 与本地日志,生命周期交给平台;Heroku 据此总结出 12 因素,成为云原生应用的开端,但公有 PaaS 往往限制语言、库、可集成服务与运行位置。1.6 节给出全章定义:云原生基础架构是隐藏在有用抽象背后、由 API 控制、由软件管理、以运行应用为目标的基础架构,它要在 IaaS 之上再建一层抽象并暴露自有 API,靠软件实现弹性、开通与可维护性。这两节分别回答「它像什么」与「它到底是什么」,对应 PaaS 的约束与 12 因素应用 与 云原生基础架构:抽象、API 与软件管理。
原书依据 · 2 处
厘清什么不是云原生基础架构
给出定义之后,1.7 节用一整节做反向排除,避免把流行技术等同于云原生。作者逐一指出:仅在公有云租服务器、把现有系统直接迁移上云,管理过程与物理数据中心无异,很多公司因此没拿到回报;用容器或 VM 镜像只是打包方式,不代表拥有自治系统的扩展性;只跑 Kubernetes、Mesos 等编排器,若没按动态调度的预期方式使用,也只是起步;微服务与基础架构即代码同样不是充分条件——单体应用也能被软件有效管理,而 Chef、Puppet 这类配置管理工具一次只自动化一台服务器、靠人捆绑功能,反把人变成规模瓶颈,也不覆盖存储与网络。这些辨析集中在 什么不是云原生基础架构,帮助读者把判断标准从「用了什么工具」转向「是否由 API 与软件自治地管理」。
原书依据 · 1 处
云原生应用的核心特征(上)
1.8 节转入云原生应用本身:它被设计为在平台上运行,追求弹性、敏捷性、可操作性与可观察性,并给出微服务、健康报告、自动测量数据、弹性、声明式通信等常用方法。前半部分,1.8.1 讲把巨石应用按明确功能拆成可独立迭代、由不同团队用合适语言维护的小服务,同时提醒微服务并非云原生必需条件、弹性通信才是关键;1.8.2 与 1.8.3 区分两类数据——健康报告暴露应用生命周期状态(HTTP 健康端点、Borg 的重启机制、启动与就绪状态),自动测量数据则回答业务目标(请求数、错误、延迟、RED 方法与 SLO 告警)。这些内容落在 微服务:拆分复杂性 与 健康报告与自动测量数据,共同说明应用如何把监控与管理责任内建到自身。
原书依据 · 2 处
弹性、声明式通信与自治基础架构
1.8 后半与 1.9 收束全章。1.8.4 的弹性把应对故障的责任从基础架构部分移回应用:按 SLO 控制可用性投入、用 MTBF 与 MTTR 衡量、假设任何组件都会故障,并以优雅降级在过载时仍返回部分或缓存响应,代价是应用与网络层复杂度上升、叠加云服务后可用性会被相乘拉低。1.8.5 的声明式通信主张停止对事件作响应、改为声明期望状态(如 Kubernetes 控制器),把功能实现转移到远程 API;1.9 进一步区分自动化与自治,指出云原生要的是无需人做决定的自治系统,只有系统判断不了时才通知人。两张卡 弹性:故障设计与优雅降级 与 声明式通信与自治系统 串起「应用变了、基础架构也随之变」的结论,并引出第 2 章对采用时机的讨论。
原书依据 · 2 处
第2章 何时采用云原生
第 2 章回答一个更现实的问题:何时该采用云原生基础架构。作者强调任何架构都是一系列权衡,云原生并不适合每个人,并给出四个自检问题:是否有云原生应用、团队能否写出产品级质量代码、是否拥有 API 驱动的 IaaS、业务是否需要更快迭代或非线性扩展。随后按应用、人、系统、业务四维展开就绪条件:应用要能被软件管理,人要接受用软件替代重复决策,系统要隐藏底层并自服务,业务通信结构要匹配其架构。2.5 节反转视角,列出技术与业务限制下的「何时不需要」。全章落点是把第 1 章的特征清单,转成可落地的组织与技术评估框架,并强调没有捷径、需企业与员工共同决定。
开篇:权衡、自检与采用时机
第 2 章开篇先立住一个前提:云原生基础架构并不适合每个人,任何架构设计都是一系列权衡,不要在不了解工具影响与限制时盲目采用。作者用四个自检问题把抽象判断变成清单:是否有云原生应用、工程团队能否写出产品级质量的代码、是否拥有 API 驱动的 IaaS、业务是否需要更快开发周期或非线性扩展比例;全答「是」才可能受益,答「否」也不等于完全无益,只是需要更多铺垫。本章还警告时机风险:在业务就绪之前强推,等于强迫使用不正确的解决方案,一旦失败并留下偏见,日后连正确的方案也难再被采纳。这两层意思落在 云原生并非人人适用:权衡与自检 与 过早采用的代价,为后续评估定下基调。
原书依据 · 2 处
应用与人是否就绪
2.1 节把应用列为最简单的准备项:若无法构建云原生应用、并借验证过的流水线自动部署,就不该继续采用基础架构去支撑它;关键在于「编写可以由软件管理的软件」,而非必须先有微服务或用最新语言。动态扩展多个实例是另一就绪信号,它假定状态外置、实例间无需复杂协调,但运行自动扩展组并不等于拥有云原生基础架构。2.2 节转向最难的部分——人:用软件替代人的职能与决定,先要让团队认同这符合自身利益,因为人不能扩展、也不擅长重复任务,工程师应开发含业务逻辑与决策的软件并长期维护,更需应用与系统工程师协同。两节对应 应用就绪:编写可由软件管理的软件 与 人是最难的部分。
原书依据 · 2 处
系统与业务是否就绪
2.3 节谈系统:云原生应用需要系统抽象,不应出现硬编码主机名,资源应集中到所有机器、由平台按请求分配,底层系统要被隐藏以提高可靠性。作者借 Kubernetes 提醒,框架本身不是终点,应用动态而基础架构静态会陷入单靠它解决不了的僵局;当基础架构简单、自动化、可自服务、动态到「可以被忽略」时,才该向上移动堆栈。2.4 节谈业务:以康威定律说明组织结构会胜过系统结构,靠加人管理扩展不再有效时才是时机;就绪信号是通信结构镜像微服务式的小型独立团队,以及业务意识到要频繁迭代、尽快交付客户价值。两节对应 系统就绪:抽象与自服务 IaaS 与 业务就绪:康威定律与敏捷迭代。
原书依据 · 2 处
何时不需要:技术与业务限制
2.5 节反转视角:只有了解系统局限,才能真正理解其好处,而知道哪些限制可接受往往比拿到好处更决定成败,且需求会变、阻碍条件也能被主动改变。2.5.1 的技术限制最易改变,把「该采用」的特征反过来即可:没有云原生应用、仍需人为调度重启查日志、获取服务器要靠工单邮件(缺自服务 IaaS),都说明不宜采用;此外自建平台维护常耗软件成本 40%~80%,小团队未必负担得起。2.5.2 的非技术限制更难:不支持改变的流程、缺乏实验途径、电子表格清单等就绪标志,还有行业法规与「不用第三方服务」的文化。两类限制落在 何时不需要:技术限制 与 何时不需要:业务限制,提醒读者「何时不用」与「何时用」同样重要。
原书依据 · 2 处
总结:权衡与共同决策
全章以阿西莫夫的话收尾:为了成功,单靠计划不够,人们还必须即兴发挥。作者重申本章讨论的是何时采用云原生基础架构的注意事项,每种情况都独一无二,希望这些原则能帮读者发现改变的适当时机;对已采用部分实践的公司,这些问题可找出其他可落地的领域,对尚未使用者则明确「没有捷径」。贯穿全章的落点回到两件事:知道权衡与收益是否构成正确解、何时采用以及如何起步;并把第 1 章的特征清单,转化为应用、人、系统、业务四维就绪评估与对限制的清醒认知。采用云原生不是一次工具采购,而是需要企业与员工共同判断、随需求变化不断重新权衡的长期决策。这一结论收在 没有捷径:共同决策。
原书依据 · 1 处
第3章 云原生部署的演进
第 3 章延续第 2 章的铺垫,聚焦云原生基础架构拓扑在云中的实现,主线是「部署」:先把基础架构表述出来,再交给工具落地。全章沿「表述」的演进展开——从白板图表、手工脚本、配置管理(基础架构即代码)到声明式 DSL 与持续执行期望状态的基础架构即软件;再以部署工具为落脚点,讨论幂等性、失败控制,以及最终一致性与原子性的取舍。重点建立「表述即代码、执行靠软件、变更可重复」的工程化框架。
表述基础架构:作者、观众与可重复性
3.1 节开宗明义:部署基础架构的第一步是能够表述它。本章把目光投向云原生基础架构拓扑在云中的实现,先厘清表述的两个角色——作者定义基础架构、观众解释并落地,再强调表述必须详尽、可重复、可共享。这分别对应 作者与观众:表述基础架构的两个角色 与 表述基础架构:可重复与可共享 两张卡片,前者界定「谁写、谁读」,后者说明「写出来的东西要能版本化、分叉与复用」。
原书依据 · 2 处
基础架构即图表与脚本
沿着表述手段的演进,3.1.1 与 3.1.2 先看最朴素的两类。白板图表直观、擅长头脑风暴与向 CEO 传达,但对计算机几乎无法理解,落地仍靠人当解释器(例 3-1 的 SSH 手工配机)。脚本则把变更封装成步骤、减少人为错误,却是一把双刃剑——缺乏声明性状态、同样脚本跑两次可能产出不同结果。这两段对应 基础架构即图表:直观但机器无法理解 与 基础架构即脚本:自动化但缺乏声明性状态,共同暴露「人读得懂、机器读不懂」或「机器跑得出、却不知终态」的痛点。
原书依据 · 2 处
基础架构即代码与 Terraform
3.1.3 节进入基础架构即代码。配置管理是这一步的开端:它把脚本抽象成「声明节点期望状态」,却卡在单台服务器、跨资源协调乏力,把排序责任推回给人(配置管理:声明期望状态的第一步)。2014 年问世的 Terraform 恰好补位:用 DSL 在「人可读」与「机器可解析」间折衷,抽象资源、协调依赖、对话云 API,把一次性脚本逼向后台(Terraform:声明式 DSL 与跨云抽象)。结构化的、人读机析的表述自此永久改变了行业。
原书依据 · 2 处
声明性表述与基础架构即软件
声明式是分水岭。3.1.3 末与 3.1.4 初点明:声明性表述不定义创建步骤,而是把「要配置什么」与「怎么配置」解耦,成为基础架构即软件的第一步(声明性表述:区分「要什么」与「怎么做」)。再进一步,静态的代码会漂移,于是把表述视为「持续执行期望状态的可版本化数据体」,由持续运行的软件(平台层、API)来调和现状与终态,这便是基础架构即软件(基础架构即软件:持续执行期望状态),它让基础架构像软件一样被版本化与消费。
原书依据 · 2 处
部署工具的角色与幂等性
3.2 节从「怎么表述」转向「谁去落地」。部署的两个角色——作者定义组件、观众(部署工具)解释并行动;表述越抽象,工具也越要匹配新抽象,良好工具能快速从人性表述到工作基础架构,最好者无需人工干预即可撤销不一致变更(部署工具的角色与演进)。工具须内建的重要特性是幂等性:相同输入恒得相同输出,让运维把重复杂事变成点按钮,并能在多地复制出一致环境做「质量科学」(幂等性:相同输入恒得相同输出)。
原书依据 · 2 处
控制失败:最终一致性与原子性
3.2.2 节讲如何为失败设计组件而非系统。最终一致性随时间重试调和系统,运维有信心终会达到期望状态,但可能极慢;面对「稳定但慢」与「不可靠但快」,有疑当选可靠(最终一致性:随时间调和到期望状态)。与之相对,原子系统保证整笔交易成功,失败则回滚删除不完整系统,让运维要么全得要么全无——代价是保持平稳需更多精力,何时选原子、何时选最终一致是工程师必须权衡的取舍(原子性:要么全成要么全败)。
原书依据 · 2 处
第4章 设计基础架构应用
第 4 章把读者带入「基础架构即软件」的世界。它先区分基础架构即代码与基础架构即软件的根本差异——软件持续运行并按协调器模式改变基础架构;再借 Stallman 自举编译器的典故引出系统引导难题,给出以本地机器为第一个部署工具的解法。随后章中把 API 视为数据结构、引入状态存储,系统讲解协调器模式的四条规则与 GetActual/GetExpected/Reconcile/Destroy 四个方法,并以 Kubernetes 控制器说明控制回路,最终落到「协调即审计」。阅读重点是掌握声明式、自愈式基础架构应用的工程范式。
从基础架构即代码到基础架构即软件
4.1 节先确立范式转变:传统运维人员要成为基础架构软件工程师,而基础架构即软件与基础架构即代码的根本区别在于软件持续运行、按协调器模式改变基础架构,并公开定义期望状态的 API。随后 4.1 以 Stallman 自举编译器的典故引出「系统引导」这一难题——工程师须解决几乎不可能的系统引导问题。朴素做法手动部署首个基础架构,乏味易错且应被销毁;云原生解法是用本地机器作为第一个部署工具,在云中创建基础架构后再把自身部署上去。两节分别对应 基础架构即软件的新范式 与 系统引导:启动第一个基础架构。
原书依据 · 2 处
API 作为基础架构的接口
4.2 节把 API 视为基础架构的接口。API 在软件中由数据结构实现,可视为类、字典、数组或结构,是字符串、整数、布尔等数据值的定义,经 JSON/YAML 编码解码,甚至可入库;它与传统基础架构即代码的直接表述不同,是被管理资源之上的抽象。4.2 还强调版本化 API 的价值:版本化让程序可随时间迁移与增长,工程师能宣告支持旧版本并提供向后兼容。两个要点见 API 即数据结构 与 版本化 API 的价值。
原书依据 · 2 处
万物的状态与状态存储
4.3 节讲万物的状态与状态存储。万物即待管理基础架构,其状态是程序中受审计的表述,最终映射回内存与初始 API;系统中并存两种状态——infrastructure.yaml 里的预期状态,以及现实中可观察的实际状态,管理起点时实际为空、预期封装于 yaml。随后给出文件系统状态存储示例:state 目录下含 meta_information.yaml、secrets.yaml、infrastructure.yaml 三文件,分别记录元信息、凭证与 API 编码表述,程序对其拥有完全写入权。详见 万物的状态:预期与实际 与 状态存储与文件系统示例。
原书依据 · 2 处
协调器模式与四条规则
4.4 节系统讲解协调器模式。它是一种管理云原生基础架构的软件模式,强化实际与预期两种表述,并强迫工程师建两条独立途径去获取、再把实际协调到预期;使用者可依赖其强保证、被从实现细节中解放。模式由四条规则支撑:规则 1 要求方法只接受并返回单一数据结构、规则 2 要求数据结构不可变如合同;规则 3 要求资源映射保持简单(用集合而非有环风险的图)、规则 4 要求使实际状态符合预期,不符即报错让用户可信赖。三张卡 协调器模式:管理云原生基础架构的软件模式、规则一二:单一数据结构与不可变性、规则三四:简单映射与实际符合预期 串起这套骨架。
协调器模式的方法实现
4.5 节落到方法实现。GetActual()(审计)遍历资源映射查询实际状态并返回真实结构;GetExpected() 仅从状态存储反序列化预期状态、不做审计。核心的 Reconcile() 接收实际与预期,用同一映射独立协调每个资源、施加最小变更以匹配预期,并返回保证与预期一致的新结构;Destroy() 则刻意以「销毁而非禁用」的语义,沿反向集合迭代销毁基础架构。两者见 GetActual 与 GetExpected 与 Reconcile 与 Destroy。
原书依据 · 2 处
审计关系与控制器模式
4.6 节揭示审计关系:协调本身隐含审计——无变化则退化为证明表述正确的审计,有变化则纠正后保证状态准确;配置管理工具虽用类似方式却只抽象单节点、不管理基础架构资源,仍属基础架构即代码。在 Kubernetes 控制器中,GetExpected→GetActual→Reconcile 的无尽控制回路让程序极小、改基础架构只需改状态存储,级别触发更宽容自愈。全章收束见 协调即审计与控制器模式。
原书依据 · 1 处
第5章 开发基础架构应用
第 5 章把第 3 章「基础架构即软件」落到工程实践:如何开发用来管理基础架构的应用程序与 API。章中以一个虚构的云原生应用与 API 历经 v1 到 v3 的演进为例,讲清设计 API、添加特征、弃用特征与改变基础架构四类关键活动,并引入操作器(Operator)与多云抽象,说明应用程序自身也是云原生应用、被用来管理云原生基础架构。
设计API:抽象与演进
5.1 节把设计 API 作为全章起点:开发基础架构应用时,先要决定公开哪些 API、创建哪些应用程序,这些 API 表述基础架构的抽象,应用则提供和消费这些 API。关键在于掌握二者为何重要,以及如何服务于可扩展、弹性的基础架构。基础架构本身持续演进,为应用设置的特征随时间变化、使基础架构隐含地演变,云供应商 API 若能稳定已属幸运,工程师必须准备让管理应用随之发展,创建可扩展的应用并对应用自身扩展。这两层意思分别落在 设计API:抽象与演进 与 API的自由与抽象为运维解放 两张卡片里,前者讲演进的必要性,后者讲抽象由工程师亲手掌控如何把运维从外部意见中解放。
原书依据 · 2 处
添加特征与版本化
5.2 节讨论向基础架构应用添加特征。目标是引入新功能而不危害现有功能,不引入负面影响其他组件的变更,并保持输入在合理时间内有效。书中以 v1 到 v2 的演进为例:v1 用简单 JSON 表述虚拟机与子网,v2 新增顶级 version 指令并在虚拟机块内加入 v1 不支持的 dnsRecords,两个对象都仍有效,应用应继续支持 v1 并检测到 v2 想用新 DNS 特征。到云上时 v2 仅在 v1 资源集合上多创建一个 DNS 资源,旧对象无需改动即可继续工作,运维后续修改对象即可让应用增量地创建 DNS。对应 添加特征的目标与向后兼容 与 v2向后兼容与增量检测,共同说明以兼容方式增量演进的原则。
原书依据 · 2 处
弃用特征的双阶段策略
5.3 节以 v3 为例说明弃用。当需支持多个网络接口时,最初的 localIp 单 IP 指令与新需求冲突,v3 引入 networkInterfaces 数组、弃用 localIp,但弃用的是指令形式而非「定义 IP」这一能力本身,只是重组结构。于是可分两阶段弃用:先警告、后拒绝。在警告阶段应用接受旧指令并自动把 v2 转成 v3,用户有时间更新;拒绝阶段则彻底拒绝旧版本、迫使用户升级。这对应 弃用而非删除:重组而非消灭 与 弃用是危险的两阶段策略,前者讲重组思想,后者讲警告—拒绝的边界与风险。
原书依据 · 2 处
操作器:以软件取代人类运维
5.4 节先点明改变基础架构是云原生环境的本质,此时 API 的真正价值显现,而操作器(Operator)是承担改变的理想形态。CoreOS 把操作器定义为特定于应用的 Kubernetes 控制器,代表用户扩展 API 以管理复杂有状态应用,通过声明性指令集改变环境,是工程师应创建的管理基础架构的云原生应用典范;书中用平均负载高于 0.7 扩容、低于 0.2 缩容的自动调节器说明软件开始扮演人类运维角色。与此同时,弃用的风险边界仍要牢记:只在输入破坏保证时才拒绝,否则警告并继续。对应 操作器:以软件取代人类运维 与 弃用的风险边界与最佳判断。
原书依据 · 2 处
同一API多应用与多云抽象
5.4 节的尾声展示了 API 最强大的演进模式:多个基础架构管理应用使用同一个 API。这个仅几千字节的数据可同时运行在两个独立应用上,把基础架构部署到两个独立云环境(图 5-1),价值在于若 API 自己提供抽象并配置资源,基础架构便不必绑定单个云提供者的抽象,用户可在自选云中创建独特排列,获得多云兼容的通用抽象。即便同云中不同应用对 API 解释不同、实现略异,这种切换管理应用的灵活性也恰是运维所需。这一思想集中在 同一API驱动多应用与多云抽象,并收束全章:我们构建的应用本身就是云原生应用,用来管理云原生基础架构。
原书依据 · 1 处
第6章 云原生基础架构测试
第 6 章把「信任」确立为云原生基础架构能否成功的核心。既然一切由 API 与软件管理,工程师就必须能证明基础架构按预期有效、不会失败、且在极端情况下仍成立。章中先给出测试目标,再落到可测试代码的编写原则(验证、避免专有输入),接着提出「自知」——以信心而非覆盖率度量测试,并系统梳理断言、集成、单元、模拟、混沌五类测试及其权衡,最后以监控补完。阅读重点是建立「为系统赢得信任」的测试心智,而非照搬某个框架。
为什么测试基础架构
6.0 开宗明义:基础架构支撑应用,能信任它关乎工程成败。作者用一个反例点题——若终端里敲 ls 会随机触发动作,你永远不会再信任 ls。因此本章要打通「信任与验证」的思想体系,让应用和工程师都对基础架构有信心。测试软件的实践如今已很普遍,但测试基础架构尚无明确范式,这也是最令人兴奋、工程师最能产生影响的领域。把测试软件的范式迁移过来,目标有三:证明基础架构按预期有效、证明它不会失败、且这两种条件在各种极端情况下仍然成立。这两层动机分别对应 为什么要测试基础架构 与 基础架构测试的三大目标,先讲清「为什么值得做」,再讲「做成什么样子」。
原书依据 · 2 处
编写可测试的基础架构代码
6.2 节给出可测试代码的两条硬规则。其一是利用协调器模式:每个重要步骤都重建同类型对象、各主要组件声明相同的输入与输出,使小组件可被编程式测试,确保按预期工作。其二是输入验证——在处理输入意图之前先验证,例如例 6-1 中虚拟机 IP 落在子网 CIDR 之外本应无效,盲目部署会得到无效基础架构;提前验证能在输入进入环境前就拒绝它,于是可写两类测试:愉快测试发送有效 API 对象并断言被接受,遗憾测试发送无效对象并断言被拒绝,从而建立快速反馈回路。另一常见陷阱是专有输入(只在程序单点相关、必须线性执行才能取得),它让测试 FinalStep 前必须跑完前序步骤、引入额外失败点;更优雅的做法是把方法挂在可自初始化的对象上,让测试能随时切入代码库、只学习一种数据表述。三节内容落在 协调器模式与可测试代码、输入验证与愉快/遗憾测试 与 避免专有输入。
自知:以信心而非覆盖率度量
6.3 节提出「自知」:告诉我你如何衡量我,我就告诉你我将如何表现。测试的最终目标是提升对基础架构会完成预期目标的信心,但测试没有对错方法,容易被代码覆盖率、单元测试数量等指标裹挟而产生虚假信心——覆盖率 100% 的代码库仍可能极端中断,且工程师会为提升覆盖率而写更易被覆盖却不适配任务的代码。作者引用行为研究指出:你测量什么就会优化什么。唯一该度量的,是「我们有信心基础架构正按预期工作并能证明它」这一心理与情感层面的信心,可通过「我担心它不生效吗」「我能肯定它会做我以为的事吗」等问题,结合团队历史经验建立信心刻度。这一点集中在 自知与信心度量。
原书依据 · 1 处
断言、集成测试与单元测试
6.4 节展开具体测试类型。基础架构断言是把「判断条件是否成立」封装成依附于资源对象的小函数(如 VirtualMachine 上的 AssertResolvesHostname、AssertRouteable,外加 Connect/Close 以在环境内运行),测试可从环境外连入执行,优雅且引入高信心。集成测试(端到端)是长时间运行、按生产预期演练系统的测试,会走完「定义 API→存数据→创建基础架构→断言→删除→确认销毁」的完整生命周期,是最有价值的信心来源,且任何失败都应清理所改基础架构。单元测试则单独演练组件,基础架构组件彼此堆叠使纯单元测试困难,但前述断言在技术上多是单元测试,配合集成测试的大局观能给工程师高度信心。三节对应 基础架构断言、集成测试 与 单元测试。
模拟测试与混沌测试
6.4.4 与 6.4.5 是两枚对照强烈的测试。模拟测试用「假系统」欺骗被测对象(如 SDK 模拟模式不发真实数据),其准确性完全依赖开发者的实现;但假系统会带来虚假的信心——模拟可能尽力限制配额,却无法确认真实部署是否成功,真实环境一跑就断。作者并非全盘否定模拟,而是告诫别把它当作信心核心。混沌测试则相反,故意中断生产系统以证明其能在不可预知事件中保持稳定:Google 的 DiRT 让 SRE 熟悉系统如何中断,Netflix 的 Simian Army/Chaos Monkey 随机禁用实例来锤炼自动恢复;更妙的是可直接「滥用」现有基础架构管理工具——部署一份故意故障的副本(错误 IP、过小规格)并复用协调逻辑,让原系统检测变化并对冲,无需另写混沌框架。这部分见 模拟测试的虚假信心 与 混沌测试与 Chaos Monkey。
原书依据 · 2 处
监控:测试的补充与收束
6.5 与全章总结提醒:测试与熟悉的失败模式能提升信心,但无法穷尽系统所有故障方式,因此监控不可或缺——它要能检测测试中未发现的异常并触发正确动作。云原生监控应走声明式、以代码存储、与应用程序代码共存、自助提供,且不要因有测试与自动测量就过度补偿地使用监控。总结点明:测试的价值在于带来信心与信任;本章工具与模式只是出发点,最重要的是工程师开始相信自己的系统,并且在生产中进行受控实验也是被鼓励的——前提是为实验建好环境、做好追踪,让测试不被浪费。相关内容见 监控作为测试补充。
原书依据 · 1 处
第7章 云原生应用管理
第 7 章把视角从「构建管理基础架构的应用」转向「在基础架构上运行任意应用」。它先澄清云原生本质是被软件而非人管理,指出打包方式不等于云原生;再给出落地弹性、服务发现、健康、度量等模式的两条路径——标准库与 Sidecar;随后系统梳理由软件管理的应用生命周期(部署、运行、退出),最后列出应用对基础架构的八项要求(隔离、调度、服务发现、状态、监控、度量、追踪等),刻画应用与基础架构之间的共生责任划分。
应用设计与云原生本质
7.1 节开宗明义:云原生应用与云原生基础架构互为对偶——基础架构被设计为由应用维护,应用则被设计为由基础架构维护。作者强调,云原生的根本含义是应用被设计为由软件而非人来管理,这与它如何打包(RPM/DEB、容器)、用何种语言、是单体还是微服务都无关。一个反例最能说明问题:一个 Go 写、容器化、跑在 Kubernetes 上的服务,若仍硬编码数据库 IP、把状态写本地磁盘、不可预测退出、靠人调试,它就仍是为「人来管理」而设计的。这两点分别落在 云原生应用:被软件管理而非人管理 与 打包方式不等于云原生,共同回答「什么才算云原生应用」。
原书依据 · 2 处
实现云原生模式:库与 Sidecar
7.2 节讨论如何把弹性、服务发现、配置、日志、健康检查、度量等模式落到应用中。最省事的做法是做成由应用导入的标准语言库:引入即自动获得这些特性,当组织支持的语言很少时尤其合理,Netflix OSS 与 Twitter 的 Finagle 是 Java 库的典范;但其天花板是跨语言——微服务走向多语言(polyglot)后,为每种语言维护等效库极其困难。于是作者给出第二条路径 Sidecar 模式:把管理特性进程与应用捆绑,通常以独立容器实现,典型如 Envoy(弹性与指标)、Registrator(服务注册)、Configuration(配置热更)、Health endpoint,以及为 polyglot 应用补位的 Netflix Prana。二者对应 通过标准库实现云原生模式 与 Sidecar 模式与多语言服务。
原书依据 · 2 处
部署:自助、自动化与渐进发布
7.3.1 节把部署视为应用最依赖基础架构的环节。云原生应用被设计为各阶段都由软件管理,因此部署应自动化、自助式、经测试验证且无事故;关键实践是用配置标志把新特性「封闭」起来,做到不重启即动态启用,并把新版本「立即替换每个实例」、以受控方式部分展开。在此之上,启用新特性或部署新版本后必须存在控制流量流入流出的机制,以限制中断影响、允许缓慢部署并加快反馈循环。两张卡 自助式自动部署与特性开关 与 流量控制与渐进式发布 说明:基础架构只须由工程师声明期望状态(版本、依赖、资源),便驱动系统向其收敛,把发布从一次性全量切换变为可观测、可回退的渐进过程。
原书依据 · 2 处
运行、调试与退出清理
7.3.2 与 7.3.3 节收束运行与退出。运行应是生命周期最平稳的阶段,核心是第一章的可观察性与可操作性:当度量显示不符合 SLO 时,首选不是 SSH 登服务器看日志,而是先用第 5 章的测试验证基础架构(不管理底层不代表它不会成为问题根源),再用 APM 与分布式追踪标准 OpenTracing 定位调用链问题,最后才在运行时开详细日志。动态配置同样关键——配置应无须重启即可经协调器、API、HTTP 头变更,Netflix Archaius 与 Facebook Gatekeeper 把特性从代码部署中分离以灰度发布。退出则应与创建一样自助,Netflix 的 Janitor Monkey 用规则判定并排期清理废弃资源,自动消除技术债务。对应 运行阶段的可观察性、调试与追踪 与 动态配置、特性控制与自动化退出清理。
原书依据 · 2 处
运行时隔离与动态调度
7.4.1 与 7.4.2 节讲应用对基础架构的两项基础要求。运行时隔离使多应用同机运行并各自管控依赖,又称多租户;但成为云原生不必用容器——Netflix 当年以虚拟机为部署构件,AWS Lambda 等 FaaS 常以隐藏的容器隔离。容器本质是用内核原语或硬件特征隔离单 OS 上的进程(隔离的根文件系统、命名空间、CPU/RAM),并由 OCI 定义标准,代价是工程师须显式声明全部依赖。资源分配与调度方面,人工调度是瓶颈(病休、规模增大、靠招人反而加剧协调、最终退化成电子表格),动态调度则把决策交还机器:集群调度器汇集资源信息找最优落点,运维仍可通过 API 覆盖。三条 Google Borg 的好处(隐藏资源管理细节、极高可靠、数万台机器高效运行)印证此路。对应 应用运行时隔离与容器 与 动态调度与 Borg。
原书依据 · 2 处
服务发现与实例状态管理
7.4.4 与 7.4.5 节讲应用定位依赖与基础架构掌控实例的手段。服务发现让服务在每个环境中彼此找到对方,虽是最古老的网络服务(ARP、DNS)却常被忽视;在代码或文本里静态写死端点不可扩展,端点注册应在服务创建、可用或消失时自动发生,手段包括 DNS、云元数据服务或 etcd、Consul 等独立工具。状态管理则关乎基础架构如何知道要对实例做什么:应用须提供 API/钩子暴露状态,基础架构监视并行动,典型状态有已提交、已调度、准备就绪、健康、不健康、终止——就绪后接入负载均衡、超时未就绪则终止重调度;Kubernetes 以事件、探针、钩子实现,每个编排平台都应具备类似能力。对应 服务发现:自动注册与依赖定位 与 实例状态管理:Kubernetes 事件、探针与钩子。
原书依据 · 2 处
第8章 保护应用程序
第8章把安全与策略从人工职责转为可由软件强制的能力。它提出「策略即代码」,把部署、运行、退出全生命周期的策略写成机器可解析的代码并由应用执行;进而用部署控制、一致性测试、合规性测试、活动测试覆盖各阶段,并以审计与不可变基础架构提供变更追踪与快速恢复。全章主张用协调器模式让安全实践随规模扩展,而非靠人去解释和执行策略。
策略即代码:概念与管理
8.1 节提出全章核心命题——策略即代码。由于策略描述的是「如何做」、高度依赖组织内部的沟通结构与人员分工,难以抽象成通用技术实现,必须写成机器可解析的格式,并贯穿应用生命周期的部署、运行、退出三阶段;且模糊策略无法执行,须分解为确定、可执行的实现再交给应用执行。这部分落在 策略即代码:概念与生命周期阶段。进一步的实践是将策略像应用代码一样管理:纳入版本控制、记录谁在何时执行、并可为策略编写测试,用部署应用的同一套工具来跟踪和部署策略自身,使策略与代码生命周期统一。对应 策略即代码的管理:版本控制、审查与测试,两者共同奠定「让应用而非人来执行安全策略」的基础。
原书依据 · 2 处
部署控制与一致性测试
部署控制与一致性测试是策略落地的头两道闸门。部署控制要求集中化流水线、禁止从个人机器直推生产,并以测试通过、高级开发审查、仅流水线可推送等规则确保部署合规。相关内容见 部署控制:集中化部署流水线。一致性测试则从架构层面保证组件符合组织标准:通过 Jsonnet、Helm、Terraform 等模板化基础架构让做对的事容易、做错的事困难,并持续运行、尽早终止违反标准(如不在负载均衡后、前端直连数据库)的组件。细节见 一致性测试:模板化与组织标准。两者区别在于一致性管「如何构建」,合规才管「是否安全」。
原书依据 · 2 处
合规性测试与活动测试
运行与退出阶段的策略由合规性测试与活动测试承接。合规性测试不审查架构设计,只验证组件实现是否守策略,如对象存储访问限制、全 HTTPS、收紧防火墙规则,Netflix 的 Security Monkey 即其典型实现。见 合规性测试与 Security Monkey。活动测试则负责应用生命周期末端的退出:云资源按需消耗却易被遗忘,须有应用自动清理旧快照、测试环境、旧版本,Netflix 的 Janitor Monkey 以「标记、通知、删除」流程示范这一模式,在降低成本的同时完成末端协调器模式。见 活动测试与 Janitor Monkey 清理。
原书依据 · 2 处
审计基础架构
8.2 节讲审计基础架构:它是对变更与组件关系的高层概述,用来回答故障时的「什么改变了?」并预判变更影响。传统 CMDB 不跟踪历史,云库存 API 又不善呈现趋势,好的审计工具应支持与昨日/上周的 diff、结合云与编排器数据、自动构建拓扑;在 Kubernetes 这类单一平台上收集依赖更易,否则可借 linkerd、envoy 等网络代理挖掘协议流量来建模关系。这部分集中在 审计基础架构:差异对比与拓扑关系。
原书依据 · 1 处
不可变基础架构
8.3 节的不可变基础架构通过「替换而非修改」来变更:建新服务器丢弃旧的,比维护配置管理系统更便宜,黄金镜像须可验证(签名/哈希)且构建自动化(如 Packer),从而把检查清单变成可审计脚本,并能追溯到 Git 提交、快速回滚到可用旧镜像。详见 不可变基础架构:黄金镜像与信任链。作者强调它并非云原生必需,但环境会极大受益。
原书依据 · 1 处
分层安全与全局总结
全章收束于「分层安全」:仅靠主机防病毒守护进程不足以护住应用,必须审视所控基础架构的所有层并施加适配的监控,且本章所有测试都应在第4章的协调器模式下运行。要点落在 分层安全:贯穿全栈的纵深防御,它把策略即代码、部署控制、一致性与合规测试、活动清理、审计与不可变基础架构串成一套可随规模扩展、由机器而非人执行的安全实践。
原书依据 · 1 处
第9章 实现云原生基础架构
第 9 章是全书的收束与行动指南。它先点破「云原生基础架构不是可购买的产品」,而是建设与维护方式的根本变革,涉及文化、人与组织。随后给出落地的四个聚焦点——人、架构、混沌、应用,逐一说明如何让团队、系统与应用做好采纳准备,最后以「预测未来」与总结收尾:基础架构的模式大多借鉴自软件开发,重点是持续用应用驱动基础架构、创造抽象并回馈社区。
云原生不是产品,而是组织变革
9 章开篇即泼冷水:云原生基础架构既不能从供应商买来,也不是运行服务的云厂商本身,若不配套改变建设与维护方式便无从受益。它不只是服务器、网络、存储的技术议题,更关乎工程师如何像拥抱失败那样管理应用,因此营造的文化与传统工程组织截然不同。作者建议从 Netflix「自由与责任」文化套餐、亚马逊双比萨团队等高效 DevOps 组织取经。本章还借康威法则点明:云原生应用需与构建它的团队同样解耦,组织通信结构会原样复制到系统设计上。这两层含义分别落在 云原生不是可购买的产品 与 康威法则与团队解耦 两张卡片里。
原书依据 · 2 处
关注变革之处(一):人
9.1 提出过渡不会一蹴而就;只要基础架构占用超过两人管理,强行推行新方法往往失败。而采纳这些模式最关键处与采购服务器、软件无关,首要关注的是人、架构、混沌、应用四领域,未准备好前不要动基础架构。9.1.1 专讲「人」:正如第 2 章所述,人是任何变革中最难的部分,抵制多源于对失控与意外的恐惧。成功的技术转型需与人协作降低恐惧,给予归属感、解释明确目标、强调新旧角色相似之处,并让人明白变化不是因为他们失败而是需求变了。要让失败可预期、成为进步标志,用「20%时间」等自由鼓励探索,再以信任与职责赋权。这些要点集中在 人:变革中最难的部分。
原书依据 · 1 处
关注变革之处(二):架构与微服务取舍
9.1.2 讨论架构:迁移前须审视应用如何被管理与设计,因为传统架构常被设计成抵制自动化、不常升级、容许失败,而 12 因素应用则受益于此。架构关注点包括弹性、安全性、可扩展性、可部署性、可测试性。用微服务保持小范围有助于定义接口、加速部署,但它会暴露通信变慢、需要分布式跟踪与策略控制网络等新问题;若不能带来好处就不必引入。作者还建议先挑接近第 1 章特性的应用试水、积累经验再扩展,并把服务器与服务先转不可变前确认它确实解决问题。最重要的架构准则是争取简单,因为软件与系统天然趋向复杂而不稳,在云里放弃许多控制后,于仍可控处保持简单尤为关键。对应 架构:从抵制自动化到弹性 与 微服务的两面性。
原书依据 · 2 处
关注变革之处(三):混沌管理与错误预算
9.1.3 讲混沌:目标是建 MVP 并迭代,让应用适应架构而非预设架构;应像引入库那样使用 IaaS/SaaS,自建越多越慢出价值。在公有云上你不再控制硬件细节,只剩其上的抽象 API,底层何时变你无法控制,只能适应或付迁移成本。核心结论是采用云原生就是在构建分布式系统,旧式「靠避免失败保可用」失效——可用性目标从「能设计的最大 9 的个数」转为「能避免失败的最小 9 的个数」。SRE 主张不必死守 SLO,而允许一个错误预算(可忽略的 SLO 比率)并持续跟踪;工程目标不是可用性而是商业价值,应建弹性系统但勿为避混沌而过度设计。还要放弃旧测试法,支持在生产中动态隔离部分频繁测试。见 混沌管理:拥抱失败与错误预算 与 分布式系统:失去底层控制。
原书依据 · 2 处
关注变革之处(四):应用、抽象与抽象泄漏
9.1.4 回到根本——基础架构的目的是运行应用,任何抽象都必须提升运行应用的能力,否则「建了它们也不一定来」。作者警示「抽象泄漏」:所有不平凡的抽象都会在某程度上泄漏,抽象层级越高越难掩盖细节;例如按 CPU 百分比、内存与磁盘数量抽象资源有意义,但按「服务器或数据中心的百分比」则毫无意义,因为不存在单一大小的此类单元。云原生实践的好处正在于:提升运行应用的能力,也随之提升运行基础架构的能力。应专注构建范围小、易适应、易操作、故障时有弹性的应用,并让这些应用负责全部基础架构管理与变更——做到这点,你就创造了云原生基础架构。对应 应用与抽象泄漏 与 用应用驱动基础架构。
原书依据 · 2 处
预测未来与总结
9.2 与总结收束全书。既然最大型基础架构公司都已采纳这些做法,新模式的边界尚在探索,好消息是基础架构已设计得更敏捷多变、更易应对挑战。预测未来的方法不是只看现有基础架构模式,而是回看其灵感来源——软件:几乎所有基础架构模式都源自软件开发(如单体经负载均衡、再拆组件并以 HTTP 远程调用,Kubernetes 等平台也把管理角色拆小、按 CPU/内存/I/O 瓶颈独立扩展)。工程师的职责之一正是判断何时该用、何时不用新技术,唯有懂堆栈局限者方能定方向。总结强调:别指望不采纳文化流程就获得全部收益;配置基础架构的应用不是静态快照,应持续运行并驱动基础架构达期望状态,管理基础架构不是维护主机,而是为资源创抽象、用 API 表示并写应用消费它们,最后把新抽象与限制回馈社区。落在 预测未来:向软件模式借鉴。
原书依据 · 1 处
附录A 网络弹性模式
附录A《网络弹性模式》是全书的技术补章,聚焦云环境中最易出故障的网络通信领域。它主张把网络弹性逻辑从应用剥离、以透明代理层统一承载,系统梳理了负载均衡、卸载、服务发现、重试与期限、断路,以及 TLS 认证、路由和洞察监控等模式,为构建自愈、弹性的云原生网络栈提供可落地蓝图。
网络弹性与透明代理层
附录A《网络弹性模式》开篇即指出,网络通信是云环境中极易出故障的关键领域。最常见的做法是将网络弹性逻辑封装成库并导入应用,但多语言服务下这种库难以维护,每次升级都给业务应用带来额外的测试与重新部署负担。因此本书主张把弹性逻辑从应用剥离,改为在应用之前部署透明代理层作为保护与增强层。这一总纲性设计对应 网络弹性与透明代理层概述,它界定了为什么用代理、以及代理能在连接层、应用层或透明代理中处理网络弹性的总体思路,为后续 A.1 到 A.8 的具体模式铺垫。
原书依据 · 1 处
容错机制:重试与期限、断路
A.4 与 A.5 节处理容错与重试。重试和期限由代理层代应用拦截进出流量,失败请求可自动重试而不涉及应用;前提是应用对延迟有弹性,否则代理依据应用设定的「期限」返回失败,让应用决定降级或上报,对应 重试和期限。断路模式取名自家庭断路器,正常时「关闭」放行、故障时「打开」切断,且代理会在打开态持续探测、用「半开放」状态逐步恢复,使网络自愈,见 断路。两者分别解决「该不该重试」与「该不该停止调用」的问题,是比应用内置重试更健壮的弹性策略。
原书依据 · 2 处
代理层的增强能力:安全、路由与监控
A.6 至 A.8 节说明代理层还能增强应用本身。安全上,代理可集中终止 TLS、验证会话 cookie,使安全逻辑不重复实现于每个应用,新协议与证书由基础架构统一更新;授权仍归应用。路由上,代理控制进出应用与集群的流量,充当反向代理暴露集群外通信。洞察监控上,代理掌握内部流量全貌,暴露单端点与集群级度量,并在端点不可达时最先知晓,是监控健康的最佳位置。整体对应 TLS认证、路由与洞察监控,展示弹性代理如何一并为应用带来安全与可观察性的额外收益。
原书依据 · 1 处
附录B 关于被锁定
附录B 讨论云原生实践中绕不开的供应商锁定问题。它剥离了关于锁定的意识形态争论,指出锁定应像选择编程语言那样被当作应用风险来务实权衡;随后厘清技术锁定与供应商锁定两类机制,说明高层抽象资源带来价值也带来切换成本,最后把锁定定性为可权衡的风险,并呼吁以自主决策取代外包思维。全章帮助读者建立对锁定的理性评估框架。
锁定的本质与分类
附录B 以「关于被锁定」为题,讨论使用云供应商与避免供应商锁定的争论。作者开宗明义指出这类辩论往往比实际更具意识形态性,并主张把锁定当作应用程序风险来务实权衡,而非当作禁忌;随后在 B.1 明确锁定在技术上分为两类。这两层内容分别对应 把锁定当作应用风险来权衡 与 锁定的两种类型:前者确立评估态度,后者给出分析框架。
原书依据 · 2 处
两类锁定的机制与代价
B.1.1 与 B.1.2 分别拆解两类锁定的机制与代价。技术锁定源于开发者对熟悉技术或高收益技术的选择,通常要求符合 API 或规范,转换成本高是因为技术深度影响应用设计;供应商锁定则是消费供应商资源,且消费堆栈越高、抽象越强、获得的业务价值越多,但离开成本也越高。二者落在 技术锁定与转换成本 和 供应商锁定与资源堆栈,共同说明为何供应商锁定的风险通常高于技术锁定。
原书依据 · 2 处
风险权衡与拒绝外包思维
B.2 与 B.3 收束全附录:把锁定视为一种风险但并非总是高风险,应权衡风险与回报,且不要因害怕而回避标准接口的托管服务;在心态上更要「不要有外包思维」,自己做决定、选创新步伐一致的供应商、对实验性服务也要敢于权衡竞争力。这部分集中在 风险权衡与拒绝外包思维,把全章从「认识锁定」推进到「如何决策」。
原书依据 · 1 处
附录C Box公司案例研究
本附录是一则真实案例研究,经 CNCF 授权转载自 Kubernetes.io。它记录 Box 公司从裸机上的 PHP 巨石应用,走向以 Kubernetes 为底座的云原生基础架构的全过程:包括触发变革的痛点、为何选择 Kubernetes、渐进式落地路线、文化层面的挑战与两条经验建议,以及效率与行业愿景的收束。它把全书抽象的概念落到一家企业的具体决策与代价上。
Box 的起点与多云抽象困境
本案例研究的背景是 Box 在 2014 年夏遭遇的基础设施之痛。Box 最初是一个由数百万行 PHP 代码构成的巨石应用,跑在自建数据中心的裸机上,平台要为 5000 多万用户(含政府与通用电气等大企业)管理并共享云内容;随着向全球扩展、公有云竞争升温,公司开始思考如何在多种环境与不同云供应商上运行工作负载,却发现各家——尤其是裸机——界面与合作方式截然不同,构成巨大的抽象与运维障碍。这两点分别落在 Box 的起点与裸机困境 与 多云环境下的抽象挑战 两张卡片中,前者交代历史包袱,后者点明多云异质接口这一核心矛盾。
选择 Kubernetes 与渐进式落地
2014 年 6 月 DockerCon 上,Box 意识到不能再只在裸机运行应用,开始研究用 Docker 容器化、用 OpenStack 虚拟化并支持公有云;同时谷歌发布了 Kubernetes,凭借 Borg 老团队与「与基础设施完全无关」的运行方式赢得 Ghods 的支持,且其从设计之初就可在裸机上运行,使 Box 能在数据中心内部迁移、又用相同概念和工具跑在公有云上,再加上 pod、service、replicaset、deployment 等一致 API 对象带来的统一表层。落地上,Box 在 6 个月后于生产数据中心部署了当时还是 0.11 预测版的 Kubernetes,先跑 Box API 监视器验证流水线,再上作业守护进程,最后上线实时消息服务,每个数据中心约 100 台专用于 K8s 的服务器。这两节对应 选择 Kubernetes 的理由 与 渐进式落地之路。
文化挑战与两条经验建议
对 Box 而言,比技术更难的是文化层面的范式转换。Kubernetes 与云原生并非渐进式改良,而是相当剧烈的转向;团队一度抱着「Kubernetes 会解决所有问题、一切都会更好」的心态,但必须记住它不如其它方案经过充分验证,Box 的团队甚至要为资源而战,项目像登月计划。Ghods 据此给出两条建议:一是提前且频繁地交付,面对服务发现这一巨大难题,团队决定先交付可行方案、再考虑迁移到更原生的实现,核心目标是无论多微不足道都要为基础设施提供真实的生产用例,以维持团队与组织的信心;二是保持开放心态,不要过早抽象——早期在 Dockerfiles 之上构建的安全更新抽象是多余工作,因为容器镜像不可变、构建后扫描即可,最好从直接使用原生工具开始,等实际需求出现再构建抽象。这些集中在 文化挑战与两条建议。
原书依据 · 1 处
成效跃升与 Kubernetes 成为新云平台的愿景
落地成效是鲜明的。在 Kubernetes 之前,Box 部署一个新的微服务要花 6 个多月;如今已不到 5 天,并朝着少于 1 天努力——其中大部分延迟源于老旧系统,而裸机本身就是难以支撑的平台,除非有 Kubernetes 这类系统帮忙管理。当前 Box 约 10% 的计算跑在 Kubernetes 上,预计次年超过一半,目标是数年内成为 90% 以上的 K8s 商店,先覆盖无状态服务、再转向有状态服务。Ghods 更宏大的判断是 Kubernetes 有机会成为新的云平台:它提供横跨不同云平台(含裸机)的单一 API,让人不必再想服务器、机柜或网络设备,而专注于所运行的软件;集群联邦、仪表板 UI、etcd 运维等项目正把基础设施推向前所未有的自动化与智能,且对每个平台可移植、不可知。这一收束落在 成效与云平台愿景。
原书依据 · 1 处
跨章综合
跨章来看,几个主题反复出现并相互加强。其一,抽象、API 与软件管理三位一体:每章都在把某项能力从人工/专用工具提升为可由 API 控制的抽象(部署、协调、策略、网络)。其二,责任从基础架构层向应用与平台转移:健康、测量、弹性、策略执行越来越多地由应用自身或协调器承担。其三,声明式与自治取代命令式与人工:期望状态被声明后由软件调和,人只在系统判断不了时才介入。其四,信任必须被工程化证明:测试(第 6 章)、审计与不可变(第 8 章)、混沌与错误预算(第 9 章)共同构成可信基础。其五,组织与人是落地的真实瓶颈,技术模式无法绕过文化变革。附录的三块(网络弹性、锁定权衡、Box 案例)则把上述原则落到具体领域与企业决策。
发散与实践
本书定位为模式集而非操作指南,故实践以「计划/方向」为主、不以「已执行」为准。可落地的实践方向包括:① 从基础架构即代码升级到基础架构即软件,用协调器持续调和期望与实际状态;② 为关键能力(部署、网络、策略)编写操作器(Operator),把人工决策转为声明式策略;③ 建立「为系统赢得信任」的测试体系(单元/集成/模拟/混沌/断言),以信心而非覆盖率度量;④ 推行策略即代码与不可变基础架构,让安全随规模扩展;⑤ 引入混沌工程与错误预算,验证弹性假设;⑥ 在采用前用第 2 章四个自检问题做就绪评估。具体工具与 2018 年云厂商产品形态应按当前语境替换。