智汇 IT
城启新篇

DevOps的坑不在工具在谁半夜爬起来

上线像跳伞 伞包还是自己缝的

我采访过一个团队,部署文档存在某个老员工的电脑里。文件名就俩字,别删。谁要发版,要么等他上线,要么听他口述。测试环境跑得通,生产不一定,中间差着三步手工改配置——改哪个文件、改成什么值,靠群里喊。

出了事,第一反应不是拉日志,是翻聊天记录。”上次那个谁是不是也遇到过来着?”

这事跟买了什么工具关系不大。他们Jenkins有,Ansible有,监控大屏亮着,指标挺全。但每次上线,全员紧张。像跳伞。伞包自己缝的,缝的人还坐在角落盯着你。

说白了,DevOps最容易被误解成让开发也去搞运维。不是。它的核心问题就一个:从代码提交到用户手里,中间有多少个只可意会不可言传的环节。环节越少,越能描述,越自动,就越接近那个词本来的意思。

DevOps持续集成流水线构建失败提示界面
DevOps持续集成流水线构建失败提示界面

流水线长不等于成熟

有个挺普遍的误区。很多团队比谁家流水线长。十个stage,二十个check,门禁一大堆。看着热闹。实际上呢,跑一次二十分钟,失败率三成,大家慢慢习惯性地忽略红叉。”这个之前测过了,是环境问题。”这句话一旦变成口头禅,流水线就成了一种仪式。

仪式不解决问题。它只是让问题显得被处理过。

反过来,有些团队的流水线短得可怜。提交,构建,冒烟,部署到灰度,观察。就这些。但他们卡得很死——构建失败就是失败,不允许”先合了再修”。这条规矩执行了两年,没人绕过。结果呢,发版频率高,回滚快,因为每一步的输入输出都清楚。

麻烦在于,前者看起来更专业。工具多,流程长,向领导汇报的时候图表好看。后者看起来简陋,但当过运维的人都明白,简陋有时候意味着没有藏污纳垢的地方。

有个细节值得提一句。那些总在救火的团队,往往有个共同点——监控指标特别多,但没人知道该看哪条。这不叫可观测性,这叫数据噪音。

半夜被叫醒的人才是真正的约束

讲个真事,我改过细节。某公司的发布窗口定在周四凌晨。为什么?因为白天不敢发。这个决定是五年前做的,之后再没人质疑过。新来的运维一直纳闷,明明有蓝绿部署,有健康检查,为什么还要挑凌晨。问了一圈,答案是:怕出问题没人兜底。

你看,这就是文化在技术流程上留下的疤。技术上早就可以白天发了,但心理上不行。那个怕,不是靠写文档、做培训能解决的。

DevOps落到最后,改的不是工具链,是谁为结果负责这件事。开发和运维之间的墙,很多不是组织架构画出来的,是KPI画出来的。开发追需求数量,运维追可用性。谁都不想让对方的数字变好看。这种结构下,你上再多自动化工具,也只是把推诿搬进了更快的管道里。

代价是什么?最直接的就是人。值班表排得再公平,半夜爬起来的人总有怨气。怨气久了,要么走,要么麻木。麻木的运维最可怕——报警响了,看一眼,标记已读。不是不负责任,是被训练成了这样。

运维工程师深夜在机房处理服务器告警
运维工程师深夜在机房处理服务器告警

可观测性不是装个APM就完事

可观测性不是装个APM就完事
可观测性不是装个APM就完事

现在人人都在讲可观测性。买APM,接日志,做链路追踪。钱花了,数据有了。然后呢?

我见过最典型的场景:大盘上的曲线密密麻麻,出问题时没人知道看哪条。数据太多和没有数据,在某些时刻是一回事——都指向不了原因。

真正在用的团队通常只盯几个指标。延迟的p99,错误率,饱和度。每个指标有明确的负责人,超阈值就有人动。不是看看情况,是现在决定回滚还是扩容。这背后是事前定好的策略,不是临场发挥。

话说回来,策略也不是一开始就完美。都是被故障揍出来的。第一次数据库连接池爆了,才知道要看这个。第一次缓存雪崩,才加上熔断。这些东西写不进教科书,只能从坑里长出来。

所以对新人来说,最值钱的不是学会某个工具,是跟着经历一次完整的故障处理。从报警响起到复盘结束。这个过程中暴露出来的问题,比任何培训都有用。

DevOps这个词被用得太多了,已经有点模糊。但如果你把它还原成几个日常问题——提交代码后多久能到用户手里,出问题时多久能发现、多久能恢复,半夜被叫醒的次数是多了还是少了——那就具体了。

具体的东西才能改。

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的坑不在工具在谁半夜爬起来
文章链接:https://www.itcdj.com/news/947.html