为什么这很重要

当某件事出了问题,最先的问题总是一样的。这个组件是什么?它连接着什么?改了什么?谁负责它?如果找到答案要一个小时,本可以在几分钟内修复的事件就会拖延下去。在计划一项变更时,同样的问题决定你是否理解风险。对服务及其各部分有一幅好的描绘,是运维团队能拥有的最有用的东西之一。

它也是最难保持真实的东西之一。基础设施的文档,一次画成,几周内就过时了。组件的数据库,手工维护,会以没人看得见的方式出错。敏捷和云的工作方式在一个方面使这更糟,即有许多小而变化迅速的部分;在另一个方面又更好,因为配置可以被写成代码,存放在版本控制中并自动应用。

英文维基百科关于配置管理的词条将其描述为一种管理流程,用于在产品的整个生命周期内建立并维持其属性与其需求、设计和运行信息之间的一致性,其根源在于 20 世纪 50 年代的美国国防部。关于配置管理数据库的词条描述了 ITIL 的术语,指配置项及其关系的存储。关于基础设施即代码的词条描述了通过机器可读的定义文件管理资源。它们合在一起给出了传统的视图和现代的视图,本主题把它们联系起来。

核心概念

一般意义上的配置管理

据维基百科,配置管理(CM)用于军事系统、ITIL 之下的 IT 服务管理,以及土木工程。它的历史始于 20 世纪 50 年代的美国国防部,当时是针对硬件的一门技术学科,20 世纪 60 年代末和 70 年代的军事标准使之成为一门独立的学科。词条点出了若干标准,包括 ANSI/EIA-649、ISO 10007(2017 版)和 IEEE 828-2012。它列出的核心学科,取自军事手册和 EIA 标准,是:

学科 它做什么
规划与管理 一份涵盖人员、培训、命名约定、审计和供应商要求的计划
配置标识 设定并维护定义架构和组件的基线;被跟踪的产品是配置项(CI)
配置控制 评估变更请求并批准或拒绝
配置状态记录 记录并报告 CI 的描述以及对基线的偏离
验证与审计 独立检查系统是否与其文档和要求相符

基线是一个商定的参考点;一旦某个属性被基线化,变更就要经过正式的控制,被评估、批准,然后重新基线化。词条把配置管理与资产管理区分开来,后者关注财务核算和 IT 资产的价值(参见主题 4.1 — IT 资产管理)。

软件配置管理

词条把软件配置管理描述为在各个时间点上识别软件属性,并控制变更以保持完整性和可追溯性,同样有标识、控制、状态记录和审计这四项程序。版本控制系统、构建工具和发布记录是现代的实例。

配置管理数据库

维基百科把配置管理数据库(CMDB)描述为 ITIL 的术语,指存储关于组织的硬件和软件资产(即 CI)及其相互关系的信息的数据库。它“represents the authorized configuration of the significant components of the IT environment.”词条的要点:

  • CI 有属性, 如标识符、名称、描述、所有权和重要程度,数量可达数百个。
  • 关系 通常把一个源 CI 与一个目标 CI 相连。更高级的关系增加描述语,比如一个数据库是一个应用的组件。
  • 联合: 实现往往联合来自资产管理等来源的数据,使每个来源保持对其数据的控制;词条将此与把数据复制进 CMDB 作对比。
  • 用途: 影响分析、根本原因分析、变更管理、事件管理、库存和构建。
  • CI 类型: 硬件、软件、通信与网络、位置、文档和人员;成熟的组织增加产品和供应商等业务类型。
  • 挑战: 相关性(在每个 CI 的整个生命周期内收集数据)、维护(保持数据质量,这需要多个专业角色)和可用性(CMDB 往往只是缺乏可视化的普通数据库,因此可能需要另一层应用)。

词条把 CI 的自动发现和变更跟踪列为成功的关键因素。它没有陈述创立日期、具体的 ITIL 版本或采用数据,并被标记为需要更多引用。它还称,ITIL 在第 3 版中把该流程更名为服务资产与配置管理(这来自配置管理词条)。

基础设施即代码

关于基础设施即代码的词条描述了通过机器可读的定义文件而不是手工设置或交互式工具来管理和配置数据中心资源的实践,定义保存在版本控制中。它区分了:

  • 声明式方法,描述期望的最终状态,让系统自行找出步骤;以及命令式方法,按顺序指定命令。词条称,IaC 更常使用声明式定义。
  • 推送方法,由控制系统向服务器发送指令;以及拉取方法,服务器自行获取指令。

它点出了从 CFEngine(1993)到 Terraform、Ansible、Puppet、Chef、Pulumi 和 OpenTofu 的许多工具,并通过让开发人员参与配置、让运维更早介入,把这项实践与 DevOps 联系起来。它关于成本、速度和减少人为错误的好处的说法,被标记为需要引用。它引用了 Unit 42 2020 年的一份报告,该报告在 IaC 模板中发现了约 200,000 个潜在漏洞,这提醒我们代码也可能带有缺陷。词条没有提到配置漂移或幂等性。

声明的配置与发现的配置

思考现代配置管理的一种有用方式是:有两个真相来源,价值在于比较它们:

来源 它说什么 优势 劣势
声明的(代码,版本控制中的定义) 我们打算让系统成为什么样 可评审、有版本、可重复 可能与正在运行的不符
发现的(扫描、云 API、代理) 现在存在什么 反映现实 不说明意图是什么或为什么

由两者喂养的 CMDB 可以显示漂移,即预期状态与实际状态之间的差异。为本指南所读的来源没有使用这个词,但它命名了 CM 的状态记录和审计这些学科所要捕捉的问题。

配置管理与变更

配置控制和变更赋能是密切的伙伴(参见主题 3.4 — 变更赋能)。CM 学科说,对基线化事项的变更要被评估和批准。在基于流水线的设置中,对定义基础设施的代码的变更,像其他任何代码一样被评审和测试,流水线的记录显示谁在何时改了什么。然后 CMDB 或其等价物反映出结果。

在服务管理中的用途

配置数据中记录的关系,回答其他各项实践中的问题:

  • 事件: 什么依赖这个失效的组件,谁负责它(参见主题 3.2 — 事件管理)?
  • 问题: 哪些组件涉及反复出现的事件(参见主题 3.3 — 问题管理)?
  • 变更: 这项变更的爆炸半径是多大?
  • 连续性: 什么必须恢复,以什么顺序(参见主题 3.12 — 服务连续性管理)?
  • 安全: 什么被暴露了,什么改变了?

来源的局限

配置管理词条被标记为可能需要重写,对实际实施着墨甚少。CMDB 词条没有批评部分,引用也很少。该领域的经验是,CMDB 常常因为试图把太多东西记录得太准确、保持太久而失败。请把它视为本指南提供的实际经验,而不是来源的发现。

最佳实践

  1. 从你需要回答的问题开始。 列出事件响应者、变更评审者和连续性规划者所问的问题,比如“什么依赖这个?”和“谁负责它?”。只记录能回答它们的内容。
  2. 定义一小组配置项类型。 从服务、应用、主机或容器、数据库和关键外部依赖开始。当某个问题需要时再增加类型。
  3. 记录关系,而不只是事项。 捕获哪些事项依赖哪些,以及它们支持哪项服务。关系使数据对影响分析有用。
  4. 为每个事项指定负责人。 没有负责人的事项是风险。把所有权作为创建事项的方式的一部分。
  5. 把预期配置保存在版本控制中。 把基础设施和配置表达为代码,像其他代码一样评审,并让流水线应用它。这样,存储库就是意图和历史的记录。
  6. 用发现来找出现实。 扫描网络和云账户来看存在什么,并与声明的配置作比较。调查差异(漂移),而不是忽略它们。
  7. 尽可能联合而不是复制。 让每个数据来源(资产登记册、云账户、部署工具)拥有自己的事实,并像 CMDB 词条所描述的那样,从配置数据中链接到它们。
  8. 自动化更新。 用流水线和发现来喂养配置数据,使其随系统的变化而变化。手工更新会落后。
  9. 对重要的东西建立基线。 对关键服务,记录已批准的配置,并对偏离它的情况应用正式的变更控制。对其余的,较轻的控制就足够了。
  10. 定期审计。 每季度对照现实检查一份样本数据,并修复造成任何差异的流程。这就是实践中的验证与审计学科。
  11. 让数据易于使用。 为响应者和规划者提供可视化和搜索,因为无法快速阅读的数据不会被使用。
  12. 留意安全。 把配置代码当作敏感的东西,扫描模板中的弱点,并控制谁可以改变基线。基础设施即代码词条中的 Unit 42 数字提醒我们存在这种风险。

与团队讨论的问题

事件发生时,我们要多久才能查明什么依赖于失效的组件?

查看上一次事件以及花在这个问题上的时间。问问答案是从哪里来的:一幅图、一个人、一次搜索。主持人可以问,什么本可以节省最多的时间。往往是针对最重要服务的依赖和负责人清单。商定为一项服务制作一份。

我们的基础设施定义在哪里?它与正在运行的相符吗?

问问主要环境是否由代码构建,以及多久有人手工改动一次。寻找差异。如果你不知道,规划对一个环境的比较。讨论如何防止手工变更或迅速检测到它们。

我们的配置记录中,哪些事项没有负责人,或最近没有被确认?

抽取一份样本并计数。问问它们为什么处于这种状态:没有负责人的流程、没有提醒、没有后果。讨论一种轻量的机制,比如每年确认,或创建时必需的负责人标签。选一个。

我们保存了哪些没人使用的数据?

列出字段和记录类型,问上个季度谁使用过。CMDB 词条把维护列为核心挑战,而未使用的数据是没有收益的成本。移除或停止维护没人使用的内容。

要有信心地批准对一项关键服务的变更,我们需要看到什么?

询问评审者。典型的答案:这项变更触及什么、什么依赖它、上次它做了什么。问问这些中配置数据可以提供哪些。挑一块缺失的加以补充。

谁被允许改变我们关键服务的基线?我们怎么知道他们改了?

索要名单和变更的证据。讨论流水线之外的变更是否被检测到。商定如何发现漂移以及谁采取行动。

实践:一个敏捷 ITIL 示例

一家国家税务机构运行着 120 个应用,以及本地服务器和云服务的混合。六名运维工程师的团队维护着一个三年前从电子表格加载的 CMDB。在申报门户的一次重大事件期间,工程师们发现,CMDB 列出了一台一年前已退役的数据库服务器,却遗漏了实际出故障的负载均衡器。这次事件多花了三个小时才解决,因为花了那么久才弄清楚门户依赖什么。

运维主管和一位工程师评审了响应者问的问题。他们把 CMDB 的范围缩小到服务、应用、它们背后的主要基础设施组件以及关键外部依赖,并放弃低价值的类型。申报门户的基础设施被迁入版本控制中的代码,流水线把每个已部署组件的记录写入 CMDB。每晚运行一次对网络和云账户的发现扫描,一份报告列出声明的数据与发现的数据之间的差异。每个事项都有一个负责人字段,报告也检查它。基于这些数据建立了一个申报门户的简单依赖视图。

一个季度后,门户的依赖视图已足够准确,下一次事件团队在最初的十分钟内就使用它。每晚的差异报告发现了 14 台未受管理的服务器,其中大多数已退役或被负责人认领。问题依然存在。申报门户之外的服务仍然依赖旧数据,有一个团队继续手工修改某台数据库服务器,随后流水线将其覆盖,造成了短暂的故障。运维主管把这种做法推广到接下来的三项服务,增加了一条生产环境变更必须经过流水线的规则,并请发现报告标出手工变更。

四种视角

产品与交付团队

交付团队通过代码定义配置。把基础设施和设置放在版本控制中,评审它们,并让流水线应用它们。给资源打上负责人和服务标签,并在存储库或服务记录中描述依赖。

服务与运维团队

运维团队使用并维护配置数据。保持范围小,比较声明的与发现的配置,并追查漂移。把你从事件中学到的东西反馈到你所记录的类型和关系中。

领导层与治理

领导者决定配置数据值得投入多少精力。问问它支持哪些决策,比如影响分析和连续性规划,并以使用来评判。避免为了数据库本身而资助一个庞大的数据库。支持那些使记录保持真实的流水线控制措施。

客户与用户

当事件解决得更快、变更更少出问题时,客户和用户受益,良好的配置数据有助于此。他们很少看到这些数据。问问提供者如何知道一项变更影响什么,以及如何找到故障的原因。

常见失败模式

  • 试图记录一切。 数据太大而无法保持真实。应对方法:从问题和关键服务开始。
  • 手工维护。 记录落后。应对方法:用流水线和发现来喂养数据。
  • 没有关系。 事项被列出却没有相连。应对方法:捕获依赖以及每个事项所支持的服务。
  • 没有负责人。 没人确认或修复记录。应对方法:要求有负责人并定期检查。
  • 流水线之外的手工变更。 现实与意图相互漂移。应对方法:让变更通过流水线并检测漂移。
  • 无法阅读的数据。 响应者无法使用数据库。应对方法:提供搜索和可视化。
  • 复制而不是联合。 重复的数据会过时。应对方法:链接到拥有事实的来源。
  • 把配置代码当作无害的。 模板带有漏洞。应对方法:扫描并评审它们。

成熟度模型

维度 起步 发展 标准化 管理 协同
范围与关系 组件只是被非正式地知道 一些服务有组件清单 关键服务记录了事项、负责人和依赖 度量覆盖范围和准确度并弥补缺口 配置数据跨越团队、云和供应商
声明的配置 系统是手工配置的 一些环境使用代码 关键服务的基础设施和配置是版本控制中的代码 跟踪变更历史和漂移 配置代码在各团队间共享并复用
发现与验证 现实是假定的 偶尔运行扫描 定期的发现与声明的数据作比较 度量并减少差异及其原因 发现与验证在整个组织内自动化
数据的使用 很少查阅数据 在一些事件中使用 例行用于事件、变更和连续性规划 度量使用和收益并改进数据 数据为整个组织及与合作伙伴的决策提供支持

检查清单

  • 我们已列出响应者和评审者需要配置数据来回答的问题。
  • 我们记录一小组带负责人和关系的事项类型。
  • 关键服务的基础设施和配置在版本控制中。
  • 对这些服务的生产环境变更通过流水线进行。
  • 发现结果按计划与声明的配置作比较。
  • 差异(漂移)被调查并修复。
  • 在可能时,记录由流水线和发现自动喂养。
  • 每季度对照现实审计一份样本记录。
  • 响应者可以轻松搜索和可视化数据。
  • 配置代码经过评审并扫描弱点。

AI 提示词

目的:通过列出你需要回答的问题来决定记录什么。

帮助我决定为 [服务] 记录哪些配置数据。

响应者和变更评审者所问的问题,用我们的话:[列出]。
我们今天记录什么:[描述,或写“无”]。
数据存放在哪里(工具、存储库、云账户):[列出]。

对每个问题,说明需要哪些事项类型和关系来回答它、数据可以从哪里自动获得,以及还需要人做什么。提出一组最小的事项类型和字段。标出猜测。不要虚构我们没有的工具。请先提出澄清问题,并列出你不确定的内容。

目的:总结声明的与发现的配置之间的漂移。

这是发现找到的事项清单,以及我们的配置代码或记录中声明的事项清单。

发现的:[粘贴名称或 ID,附类型和关键属性]。
声明的:[粘贴名称或 ID,附类型和关键属性]。

仅使用这些清单,识别找到但未声明的事项、声明但未找到的事项,以及属性不一致的事项。将它们分组,并对每组建议一个要问的问题(例如它是已退役、归别人所有,还是手工创建的)。不要猜测原因。列出你不确定的内容。

目的:为一项服务建立依赖视图。

帮助我描述 [服务] 的依赖,使响应者可以在事件中使用。

服务做什么:[描述]。
我所知道的组件(应用、数据库、网络、云服务、外部供应商):[列出,附它们如何连接]。
我所知道的负责人:[列出]。

生成一个简单的文本图和一张表,列为:组件、什么依赖它、负责人(或“未知”),以及如果它失效首先要检查什么(仅根据我的文本;否则写“询问负责人”)。突出我的描述中出现的单点故障。不要虚构组件。请先提出澄清问题,并列出你不确定的内容。

目的:规划对配置记录的季度审计。

为 [范围] 规划一次一小时的季度配置记录审计。

目前记录如何创建和更新:[描述]。
我们能处理的样本量:[数量]。

给出一种方法:如何选择样本、如何对照现实检查每个事项、记录什么、如何(仅根据审计结果)计算准确的比例,以及如何把错误转化为流程修复。不要涉及工具。请先提出澄清问题,标明假设,并列出你不确定的内容。

AI 技能

(这些技能本身以英文编写。)

主要来源

  • 配置管理(维基百科):配置管理的历史、核心学科、基线和标准。
  • 配置管理数据库(维基百科):CMDB 的定义、内容、用途和挑战。
  • 基础设施即代码(维基百科):通过机器可读的定义管理资源,附工具清单以及关于好处和风险的说明。
  • ITIL(维基百科):CMDB 和配置管理出现于其中的框架。

参考文献

  1. Configuration management — Wikipedia — https://en.wikipedia.org/wiki/Configuration_management
  2. Configuration management database — Wikipedia — https://en.wikipedia.org/wiki/Configuration_management_database
  3. Infrastructure as code — Wikipedia — https://en.wikipedia.org/wiki/Infrastructure_as_code
  4. ITIL — Wikipedia — https://en.wikipedia.org/wiki/ITIL
  5. IT asset management — Wikipedia — https://en.wikipedia.org/wiki/IT_asset_management
  6. Software configuration management — Wikipedia — https://en.wikipedia.org/wiki/Software_configuration_management
  7. Version control — Wikipedia — https://en.wikipedia.org/wiki/Version_control
  8. DevOps — Wikipedia — https://en.wikipedia.org/wiki/DevOps
  9. Change management — Wikipedia — https://en.wikipedia.org/wiki/Change_management