模板即资源图
Heat 模板不只是配置清单,而是把虚拟机、网络、卷、IP 等资源及其依赖关系表达成可执行图。引擎按依赖顺序创建资源。发散:基础设施即代码的核心是可计算依赖,而不是把命令换成 YAML。
主题对照
用声明式模板描述资源及其依赖,由编排引擎按依赖图创建、更新与回滚,以及回滚受删除策略和外部副作用约束的边界。
Heat 模板不只是配置清单,而是把虚拟机、网络、卷、IP 等资源及其依赖关系表达成可执行图。引擎按依赖顺序创建资源。发散:基础设施即代码的核心是可计算依赖,而不是把命令换成 YAML。
heat-engine 负责模板校验、资源依赖分析、资源类型映射、调度执行、状态监听和回滚。它把多组件 API 调用包装成栈生命周期管理。发散:编排系统的价值在失败处理,成功路径反而最容易实现。
Heat 通过资源类型名称找到对应实现类,资源插件负责把抽象资源转成具体 OpenStack API 调用。[[插件化网络后端]] 发散:平台扩展点最好围绕领域对象设计,而不是围绕命令脚本设计。
模板中的 ref(隐式)和 depends_on(显式)会形成资源依赖图,Heat 按图决定创建顺序。失败时能否回滚取决于是否启用回滚(disable_rollback 参数),也取决于各资源的删除策略和是否支持补偿:保留或快照类资源、已产生的外部副作用都不会自动还原。可靠的自动化必须显式保存依赖,并清楚失败时哪些能恢复、哪些要人工处理。
Sahara 通过节点组模板和集群模板描述大数据集群的角色、规格和数量,再自动创建对应资源。[[模板即资源图]] 发散:复杂中间件服务化时,第一步是把拓扑和角色参数化。
Serverless部署工具的核心不是替代控制台,而是用配置统一描述函数、触发器、权限、存储等资源:Serverless Framework基于YAML配置文件组织和管理项目,执行命令时先读取配置。资源关系一旦固化为配置,团队才能复现环境、审查变更并接入CI/CD。
Serverless应用依赖函数、网关、角色、存储、队列、数据库等多类资源。以Cloud Formation为例,用JSON或YAML模板定义和组织这些资源,部署原子、状态一致、可追溯。资源即代码让依赖可版本化、可审查、可回滚,避免控制台手工配置变成不可复现的生产知识。
部署偏向把代码送进运行环境,编排则声明整套系统需要哪些云资源、如何连接。资源编排是Serverless生态的重要组成,需要业界统一的资源描述规范;SAM这类工具在资源定义之外,还覆盖测试、调试和部署。跨多个BaaS的项目,编排比单个函数部署更关键,延伸了[[资源即代码]]。
函数有时限,放不下大计算时,原书让Lambda用Ansible创建EC2实例,经paramiko做基础安装,再以nohup在后台运行编排脚本,函数本身很快返回。此时系统已不是纯函数模型,而是函数触发基础设施变化:配置、调度、回收的控制面复杂度都回到团队手上。
用函数拉起服务器集群获得了弹性,管理问题也随之放大:任务完成后实例即被销毁,日志跟着消失,调试窗口极短。原书做法是每个Ansible任务单独记日志,最后一步把日志压缩后送到S3等存储。再加上凭证与数据流安全,治理能力必须和[[编排扩展边界]]同步扩展。
SAM把函数的运行时、处理程序、代码包位置、环境变量、权限策略和事件源写进模板,编辑配置就像增删代码。控制台上点出来的[[配置也是设计]]由此变成可评审、可版本化、可重复部署的文本;网络与安全组设置也是改模板后重新打包部署,变更留痕。
SAM建立在CloudFormation之上:模板声明Transform,由CloudFormation把SAM资源展开成底层资源,控制台可对照原始模板与处理后的模板。一个模板就是一个应用,函数、表与触发器一起部署。它把函数集合提升为可复制、可审计的应用栈,排障时仍要读懂展开后的资源。
很多宕机始于一句话:“我在准备环境改了一点,忘了在生产也改。”工程师并非故意犯错,而是忙碌或分心,结果各环境之间出现配置漂移。不可变基础设施的做法是:服务一旦部署,运行它的基础设施就不再被人触碰,任何变更都重新构建、整体替换。它不靠加强审批管住人,而是从机制上关掉出错的入口,见[[凤凰服务器与主动销毁验证]]。
12-Factor宣言给出构建云原生服务的实践,几条尤其关键:配置与代码分开存储;构建、发布、运行三阶段完全分开,已构建的服务不可变,任何更改都回到构建重新部署(呼应[[不可变基础设施的动机]]);服务无状态,随时可被杀死替换;靠启动更多实例水平伸缩;日志作为事件流写到标准输出,由外部工具汇总。
只做到[[不可变基础设施的动机]]还不够:服务器运行久了,仍可能积累只存在于本地的隐性状态。凤凰服务器模式定期杀死实例,再从同一镜像重建;若服务因此异常,说明它偷偷依赖了本地状态,问题在可控场合被提前暴露。有团队用Chaos Monkey在环境中随机终止实例,把这种验证常态化。用主动破坏去检验“系统扛得住”的假设。
运行ZooKeeper的第一条原则是配置一致:所有投票服务器必须使用相同的集群配置,否则会出现各自认定不同集群成员的情况。作者的经验是,配置错误或不一致是运维中最主要的问题。服务器共享同一份配置文件,靠数据目录下的myid文件区分身份。分布式基础设施首先要保证所有节点对系统边界有同一认知。
云原生是面向云设计的应用,而不是把旧系统原样搬上云主机:基础资源可编程、不可变,能用平台服务组合的能力就不从头建设。书中以“12要素”作为方法论,例如严格区分构建、发布、运行三个阶段,容器的“构建—分发—运行”正好与之吻合。上云改造改变的是交付和故障处理方式,不只是运行位置。
开发、测试、生产等环境对运行时依赖(操作系统、软件及版本)的需求本应一致,但传统做法由运维人员分别维护,各种因素会让“需求一致、实际不同”,同一份代码在不同环境表现不一样,给稳定运行带来风险。运行环境本身也需要像代码一样被描述和管理,见[[镜像即交付物]]。
把运行环境做成容器镜像,开发、测试、上线都使用同一个镜像,运行环境就能保持一致;镜像还能版本化,环境变更出问题时可回滚到上一版。发布因此从“在机器上安装应用”变成“运行已验证的制品”。镜像减少的是运行时漂移,各环境不同的配置和密钥仍应在部署时注入,而不是打进镜像。
电信网络功能云化后,单个虚拟网元只是组件:多个网元按拓扑互联才构成网络服务,网络服务还会嵌套成更大的服务。这种多层级编排是一般 IT 编排工具不具备的。MANO 把网元生命周期管理(实例化、扩缩容、自愈、升级)和网络服务编排分层处理,让电信业务从交付设备转向交付可编排的软件服务。
TOSCA 用拓扑模板描述应用由哪些节点组成(服务器、虚拟机、网络、软件)以及节点之间的关系(部署在、连接到),再用计划描述创建、终止和整个生命周期的管理流程。它的价值是把运维人员脑中的部署知识结构化、可复用;标准目标是提高可移植性,但真正能否迁移还取决于运行时、数据和目标云的能力。
Kubernetes 用一组对象描述应用:Pod 是最小运行单元,可含一个或多个容器;Replica Set 维持 Pod 副本数量;Deployment 管理 Replica Set 和 Pod,负责滚动更新与回滚。这些对象都用 YAML 声明期望状态,由平台持续把实际状态拉回目标。平台化部署的核心,是把人工运维命令变成可审计的声明。
Helm 是 Kubernetes 的包管理器:把 Deployment、Service 等资源模板、默认参数和版本信息打包成 Chart,发布到 Chart 仓库,应用部署从散落的 YAML 变成可复用、可版本化的发布单元。模板能提高一致性,但参数过多会变成另一层复杂配置。书中步骤基于 Helm 2,需要服务端 Tiller;Helm 3 已移除 Tiller,操作以当前文档为准。
十二要素应用的第一条是一份基准代码、多份部署。有多份基准代码,就不再是一个应用,而是分布式系统,其中每个组件各自是一个应用;多个应用共享一份基准代码也违背原则,应把共享部分拆成独立类库,通过依赖管理引入。开发、预发布、生产等部署共享同一份基准代码,只是可能处在不同的提交版本上。
云原生有六条设计原则:去中心化,避免单点,使容量随资源线性扩展;松耦合,在实现、时间、位置、版本四个维度都不强绑定;[[面向失败设计]];无状态化,服务不依赖请求以外的内容;不变性,组件部署后不再修改,要改就丢弃重建,因为替换比修复快;自动化驱动,用持续集成、部署、交付消除人工操作。
CloudFormation 模板用 YAML 或 JSON 声明 AWS 资源,提交后形成资源栈。模板可版本化以复核环境差异;敏感信息不应写入模板或代码库,可复现性仍取决于外部参数与依赖版本。
Deployment 清单指定 API 类型、名称、命名空间、副本数、选择器和 Pod 模板。提交清单只表达期望状态;应继续核对 Pod 是否被调度、镜像是否拉取、容器是否就绪,避免把 apply 成功当作部署成功。
Deployment 的 selector 通过标签找其管理的 Pod,Pod 模板必须带有匹配标签;Service 也用 selector 找后端。若标签不一致,即使对象创建成功,也可能没有预期的实例或流量目标。
若申请一台机器需要数周,新增服务即使开发很快也难以投入使用。评估部署平台应关注资源配置自动化和交付速度,以及团队能否自主操作。云API只是可能的支撑方式,不能由公有云名称推出所有组织都应迁入;现有能力和约束仍要计入。
可联系[[快速启动让原型更便于取舍]]理解条件与边界。
书中gcloud用项目组织虚拟机、网络与后续服务资源,演示准备包含初始化登录、创建项目及结束后清理。gcloud projects create <project-id>与gcloud projects delete <project-id>在此作为历史命令族说明,删除影响整个项目,不能与单实例停止混淆。本轮未登录、创建或删除任何云资源,完整选项未按当前CLI验证。
可联系[[生产平台组合六类运行责任]]理解条件与边界。
点击箭头逐层展开,点击卡片标题查看详情。路径上下文仅用于连接层级,不计入主题卡片数。
来源书籍
书籍类型:未标注
246 张卡片
来源书籍
书籍类型:经典原理
290 张卡片
来源书籍
系统架构类
书籍类型:工程实践
清单覆盖 6/7
238 张卡片
来源书籍
云基础设施平台类
书籍类型:工程实践
清单覆盖 7/7
54 张卡片
来源书籍
Serverless架构类
书籍类型:工程实践
清单覆盖 5/5
42 张卡片
来源书籍
Serverless架构类
书籍类型:工程实践
清单覆盖 7/7
26 张卡片
来源书籍
框架类
书籍类型:经典原理
清单覆盖 8/8
43 张卡片
来源书籍
分布式系统类
书籍类型:工程实践
清单覆盖 7/7
49 张卡片
来源书籍
云原生微服务实战类
书籍类型:工程实践
清单覆盖 5/5
42 张卡片
来源书籍
云基础设施平台类
书籍类型:工程实践
清单覆盖 7/7
45 张卡片
来源书籍
框架类
书籍类型:工程实践
清单覆盖 7/7
48 张卡片
来源书籍
云原生微服务实战类
书籍类型:未标注
清单覆盖 5/5
39 张卡片
来源书籍
基础设施设计模式类
书籍类型:经典原理
清单覆盖 8/8
146 张卡片
来源书籍
分布式系统类
书籍类型:工程实践
清单覆盖 3/6
125 张卡片
来源书籍
书籍类型:未标注
389 张卡片
来源书籍
系统架构类
书籍类型:工程实践
清单覆盖 5/7
106 张卡片
来源书籍
混合云/云计算平台架构类
书籍类型:速查手册
清单覆盖 9/9
38 张卡片
来源书籍
软件架构方法论类
书籍类型:未标注
清单覆盖 7/7
119 张卡片
来源书籍
软件架构方法论类
书籍类型:未标注
类别清单尚未核对
334 张卡片
来源书籍
书籍类型:工程实践
57 张卡片
主题索引
比较微服务拆分的边界依据、粒度与非业务因素,以及从单体演进和持续重组的策略。
主题索引
比较分布式共识、领导者选举、副本数量与一致性模型的可靠性取舍。
主题索引
比较变更速度、渐进发布、紧急发布与回滚边界的工程控制。
主题索引
比较容器隔离与镜像理念、Kubernetes 的资源模型与控制器、应用封装方案,以及容器存储的抽象与扩展机制。
主题索引
流水线的资源模型、任务隔离与显式依赖、定义与运行分离、事件触发,以及构建/发布/运行分离和配置外置如何让同一制品安全跨环境交付。
主题索引
比较架构要解决的复杂度来源(性能、可用性、扩展、成本、安全、规模)以及合适、简单、演化等设计原则。
与 3 张主题卡片存在结构化链接;属于相同分类
与 2 张主题卡片存在结构化链接;共享 1 个其他主题;来自相同书籍;属于相同分类
与 2 张主题卡片存在结构化链接;共享 1 个其他主题;来自相同书籍;属于相同分类
与 2 张主题卡片存在结构化链接;共享 1 个其他主题;来自相同书籍;属于相同分类
与 2 张主题卡片存在结构化链接;来自相同书籍;属于相同分类
与 2 张主题卡片存在结构化链接;来自相同书籍;属于相同分类