DevOps
DevOps 是把开发与运维纳入同一条工作流的努力,带有共同的所有权、自动化和快速反馈;它通过把 ITIL 所关心的控制措施放进流水线,补充了服务管理。
为什么这很重要
DevOps 是大多数组织给持续交付与 IT 运维之间交汇点起的名字。它源于一种挫折:开发人员因变化而受奖励,运维人员因稳定而受奖励,所以两个群体朝相反的方向拉扯,而两者之间的交接正是速度和质量丢失的地方。DevOps 要求双方共同承担从想法到运行中服务的整条路径的责任。
对从事 ITSM 的人来说,DevOps 可能显得既有威胁又多余。有威胁,是因为它似乎无视运维在艰难的经验之后建立起来的流程。多余,是因为它所推荐的许多东西,比如事件评审、自动化和持续改进,在 ITIL 里本来就有。两种看法都不完全正确。维基百科的 DevOps 词条把 DevOps 与它所称的 20 世纪 90 年代 ITIL 的“自上而下”且僵化的框架作了对比,这对较早的版本是成立的;ITIL 4 的编写目的是与敏捷、DevOps 和精益保持一致(参见主题 2.2 — ITIL)。
DevOps 的定义是有争议的,维基百科词条也这样说。本主题使用该词条、DORA 的研究页面,以及 Gene Kim 对“三步工作法”的论述,并指出什么是已确立的、什么是有争议的,以及什么是本指南无法核实的。
核心概念
DevOps 是什么
维基百科 DevOps 词条把它描述为软件开发与 IT 运维的集成和自动化,这可以缩短开发时间并改善开发生命周期。它引用了学术研究者 Len Bass、Ingo Weber 和 Liming Zhu 的话,他们把它描述为一组旨在缩短从向系统提交变更到其正常投入生产之间时间的实践。词条指出,这一术语在若干语境中使用,其定义是有争议的,2015 年至 2017 年的学术研究没有就其特征达成共识。
词条报告称,把开发方法与部署和运维结合起来的提议可追溯到 20 世纪 80 年代末和 90 年代初,第一届 DevOps Days 大会于 2009 年在比利时根特举行,由 Patrick Debois 创办。它通常用三项原则来刻画 DevOps:共同所有权、工作流自动化和快速反馈,并指出这种刻画本身也有争议。
三步工作法
Gene Kim 是《凤凰项目》(The Phoenix Project)和《DevOps 手册》(The DevOps Handbook)的作者之一,他描述了三项原则,并认为 DevOps 的模式可以由此推导出来。如 Kim 自己在 IT Revolution 网站上的文章以及次级概述所总结:
| 方法 | 理念 | 示例 |
|---|---|---|
| 第一步:流动 | 着眼整个系统的表现,而不是单个孤岛;加快从想法到价值的工作 | 不要把已知缺陷传给下游;不要让局部优化损害整体;始终寻求增加流动 |
| 第二步:反馈 | 缩短并放大从后续阶段回流到早期阶段的信号 | 遥测、快速失败的流水线、客户反馈 |
| 第三步:持续学习与实验 | 建立一种承担小的、有意的风险并从中学习的文化 | 预留学习时间,把局部发现转化为全局改进 |
这些与本指南自身的主题相吻合:流动(参见主题 1.5 — Kanban 和主题 1.7 — 精益软件开发)、反馈(参见主题 3.10 — 监控与事态管理)和学习(参见主题 1.10 — 敏捷学习)。关于术语的说明:Kim 的文章把第二步标为 “amplify feedback loops”,而《手册》称之为 “feedback”。
实践
据维基百科,持续集成和持续交付与自动化一起,对 DevOps 的成功至关重要。词条提到了版本控制、虚拟机、容器化,以及数据库 DevOps(它把版本控制、自动化测试和 CI/CD 应用于模式和数据的变更)。它把 GitOps 描述为在版本控制中管理部署配置,把 DevSecOps 描述为通过“左移”测试(包括静态和动态分析)把安全集成到交付中。DORA 的能力清单包括持续交付、持续集成、部署自动化、测试自动化、主干开发、版本控制、数据库变更管理、监控与可观测性、全面安全、小批量工作,以及对在制品的限制(参见主题 3.5 — 发布与部署管理)。
文化
为本指南所读的 DORA 能力清单包括文化方面的事项:生成型的组织文化、学习文化、变革型领导力、工作满意度、福祉和团队实验。列出它们的页面没有解释它们,也没有给它们排序。DORA 的另一个页面称,其度量能预测组织绩效和团队成员的福祉,并警告不要有孤岛式的所有权,建议开发、运维和发布团队之间共同拥有。这与第三步一致:DevOps 既关乎人们如何一起工作,也关乎工具。
常见的口诀 CALMS(文化、自动化、精益、度量、分享)经常被用来概括 DevOps。维基百科的 DevOps 词条没有提到它,本指南也没有核实它的来源,所以在此提到它仅仅因为读者会遇到它。
DevOps 与敏捷
词条称,自动化构建和测试、持续集成和持续交付起源于敏捷世界,而 Scrum 对工程实践的省略,导致自动化工作分裂出去成为 DevOps。这与主题 1.4 — 交付预测与规划指标相符,后者指出 Scrum 没有说如何构建、测试、部署或运行软件。极限编程已经包含许多工程实践(参见主题 1.6 — 极限编程)。DevOps 把敏捷的关切延伸到了发布之后。
DevOps 与 ITIL
词条把 DevOps 与 20 世纪 90 年代 ITIL 的“自上而下”且僵化的框架作了对比,没有进一步讨论 ITSM。对今天来说,一幅更公允的图景是:
| 倾向于强调 | 单独使用的风险 | |
|---|---|---|
| DevOps | 流动、自动化、共同所有权、快速反馈 | 忽视记录、控制措施和更广阔的服务视图 |
| ITIL 4 | 价值、实践、治理、广泛的服务实践 | 把实践当作繁重的流程 |
如维基百科的 ITIL 词条所列,ITIL 4 自己的认证方案在 Managing Professional 路线中包含一个名为 High Velocity IT(HVIT)的专业模块。这表明所有者把快速变化的数字化工作视为一个独立的主题。一种实用的结合方式:利用 DevOps 的实践在流水线中实施 ITIL 的实践,比如自动记录变更、把运行测试作为风险控制,以及把监控作为事态实践(参见主题 3.4 — 变更赋能和主题 5.1 — 敏捷服务管理)。
DevOps 与站点可靠性工程
维基百科词条称,Google 于 2003 年开发了站点可靠性工程,其一些最初的作者把 SRE 视为 DevOps 的一种实现。SRE 词条称它是 DevOps 的一种具体实现,范围更窄,因为它聚焦于构建可靠的系统(参见主题 5.3 — 站点可靠性工程)。
度量
DORA 的软件交付表现度量给出了共同的词汇:变更前置时间、部署频率、失败部署恢复时间、变更失败率和部署返工率(参见主题 3.4 — 变更赋能和主题 5.6 — 指标与度量)。维基百科词条报告称,这些度量于 2016 年发布,恢复度量在 2023 年的报告中被重命名,返工度量在 2024 年被加入,而 2025 年 DORA 用七种团队原型取代了表现层级。它还记录了一些专家批评 DORA 的研究方法和度量。请把这些度量视为有用的问题,而不是分数。
批评与局限
除了缺乏公认的定义之外,词条还报告了对 DORA 方法论的批评。常见的实际批评(在此作为实践经验而非来源发现提出)包括:把“DevOps”用作旧运维角色的职位名称、采用工具而不改变文化,以及在追求速度中忽视合规。词条没有给出采用率统计。
最佳实践
- 商定你所说的 DevOps 是什么。 写一份简短的陈述,说明它对你的团队意味着什么,比如服务的共同所有权、自动化交付和快速反馈。共同的定义可以防止围绕标签的争论。
- 共同拥有服务。 让构建服务的人对其如何运行负责,并给他们手段:值班、监控和访问权限。用运维的专长支持他们。
- 自动化通往生产的路径。 构建一条构建、测试并部署每项变更的流水线。记录它做了什么。把流水线当作有用户的产品。
- 以小批量工作。 经常发布小的变更。这降低了风险并加快了反馈,正如 DORA 的能力清单所暗示的。
- 缩短反馈回路。 让测试结果、监控和用户反馈在几分钟或几小时内对团队可见。遵循第二步:放大回流的信号。
- 着眼整个流动。 映射从想法到运行服务的路径,找出最长的等待,包括开发团队之外的。遵循第一步:不要以牺牲整体为代价优化一个孤岛(参见主题 5.4 — 价值流管理)。
- 把安全和合规构建进去。 把自动化的安全检查和策略检查放进流水线,并将证据作为副产品记录下来(参见主题 3.13 — 信息安全管理和主题 5.7 — 治理、风险与合规)。
- 把文化当作头等大事。 投资于学习、免责评审、心理安全和共同的目标。DORA 的能力清单把文化与技术项目并列是有原因的。
- 腾出时间学习和实验。 为实验预留时间和安全的场所,并分享经验教训。遵循第三步。
- 在有帮助之处使用 ITIL 的实践。 保留事件、问题、变更和知识的实践,通过自动化和轻量的记录来实施。移除不服务于其目的的步骤。
- 谨慎度量。 按服务跟踪 DORA 式的度量,对照你自己过去的表现来改进,并避免将其设为目标(参见主题 5.6 — 指标与度量)。
- 避开头衔陷阱。 不要创建一个单独的“DevOps 团队”,使之成为开发和运维之间新的孤岛。把实践扩散到各团队,并利用平台团队或赋能团队来提供帮助。
与团队讨论的问题
DevOps 在这里意味着什么?我们最初是在哪里听到这个词的?
请每个人给出一句话的定义。比较。维基百科词条称这个定义有争议,所以差异在意料之中。写一份具体的共同陈述:谁拥有什么、什么被自动化、有什么反馈。主持人可以问,到目前为止这个词带来了什么改变。
一项变更在“就绪”与“上线”之间在哪里等待?谁拥有这个等待?
追踪一项近期的变更并列出等待:评审、审批、环境、发布窗口。标出团队之外的。问问哪些等待在防范真实的风险,哪些是习惯。选一个,与其负责人一起缩短它。
当生产环境出问题时,谁在值班?他们有办法修复吗?
问问谁被呼叫,以及他们能独立做什么。如果构建者不值班,问为什么。如果运维人员不能修改代码,问他们怎么办。讨论共同所有权在这里会是什么样,以及需要什么支持。
发布之后我们得到什么反馈?多快?
列出信号:测试、监控、支持工单、用户评论。问问每一个到达团队需要多久。典型的答案:测试几分钟,工单几天。选一个信号来加速。
尝试某件事并失败有多安全?
请给出近期一次失败实验的例子,以及相关人员后来怎么样了。第三步取决于从小的失败中学习。讨论什么能使实验更安全,比如限制、回滚和免责评审。
我们的 ITIL 实践在流水线中如何体现?在哪里没有?
取变更、事件和知识的实践,问每一个在自动化中的哪里出现。缺口指向手工工作或没有证据的控制措施。商定把一项实践移入流水线。
实践:一个敏捷 ITIL 示例
一家国家邮政服务有一个 40 人的开发组和一个 25 人的运维组。开发人员每季度发布一个主版本,并把一个包和一份冗长的文档交给运维,运维在周末部署。运维抱怨开发人员不了解生产环境,开发人员抱怨缺陷需要快速修复时联系不上运维。最近一次发布花了 19 个小时,弄坏了包裹追踪页面,并导致了一天的互相指责。
一位新的平台主管提议与一个产品团队,即包裹追踪服务,开展试验。四名开发人员和两名运维工程师组成一个团队,从头到尾拥有这项服务。开发人员加入值班轮换,由运维工程师提供支持。团队构建一条流水线,把每个合并的变更构建、测试并部署到预发布环境,并通过一个由服务负责人给出的审批步骤部署到生产环境。变更记录由流水线创建。加入监控,告警发给整个团队,每次生产事件都进行简短的免责评审。团队同意至少每周发布一次,平台主管请它跟踪前置时间、部署频率、变更失败率和恢复时间。
四个月后,团队每周发布两次,从合并到生产的中位时间不到一天,最近一次事件由编写该变更的开发人员在不到一小时内修复。并非一切都行得通。运维工程师发现开发人员的告警很嘈杂,开发人员则怨恨夜间值班。一个依赖包裹追踪的相邻团队没有被告知新的节奏,被一次变更弄得措手不及。平台主管腾出时间让团队调优告警,增加了一份限制夜间呼叫的轮值表,并安排了与依赖团队的月度会议。内部审计要求查看审批的证据,平台主管展示了流水线记录和事件评审。
四种视角
产品与交付团队
交付团队承担运维责任:监控、值班和事件学习。构建你们需要的流水线和反馈,并请求运维专长,而不是移交。让变更保持小而可见。
服务与运维团队
运维团队带来关于服务如何失败以及哪些控制措施重要的知识。帮助构建平台和检查,分担值班,并传授知识。避免成为关卡;成为让安全的路线成为轻松路线的赋能者。
领导层与治理
领导者创造条件:跨开发和运维的共同目标、用于自动化的时间、从失败中学习的文化,以及对来自流水线的证据的信任。避免在不改变激励的情况下重命名团队,并索要成果,而不是 DevOps 的采用。
客户与用户
客户和用户把 DevOps 视为更快的改进和更快的恢复。预期会有频繁的小变更和关于它们的清晰沟通。迅速给出反馈,因为团队就是为使用它而建立的。
常见失败模式
- DevOps 团队成为新的孤岛。 开发和运维仍然不交谈。应对方法:把实践扩散到各团队,并利用平台团队来赋能。
- 有工具无文化。 构建了流水线,其他什么都没变。应对方法:同时改变所有权、激励和反馈。
- 有速度无安全。 发布加速而失败增多。应对方法:在提速之前先投资于测试、监控和回滚。
- 彻底放弃 ITIL。 记录和控制措施消失。应对方法:保留这些实践并在流水线中实施。
- 开发人员值班而无支持。 随之而来的是倦怠。应对方法:分担轮值,调优告警,限制夜间呼叫。
- 度量作为目标。 团队操纵部署计数。应对方法:使用多项度量,并与你自己的历史作比较。
- 忽视依赖团队。 变更让邻居措手不及。应对方法:向依赖你们的团队传达节奏和变更。
- 把这个词本身当作目标。 标签取代了成果。应对方法:问问更好的流动、反馈和学习对你的用户来说是什么样。
成熟度模型
| 维度 | 起步 | 发展 | 标准化 | 管理 | 协同 |
|---|---|---|---|---|---|
| 共同所有权 | 开发和运维在发布时交接 | 一些团队分担值班 | 团队在支持下从头到尾拥有自己的服务 | 度量所有权对质量和负荷的影响 | 所有权模式在团队、平台和供应商之间协调 |
| 自动化与流动 | 交付是手工的且批量的 | 存在一些流水线 | 共同的流水线构建、测试、部署并记录变更 | 度量并调优前置时间、频率、失败和恢复 | 流水线和流动在团队和价值流之间优化 |
| 反馈 | 反馈在出问题后来自用户 | 一些团队监控发布 | 测试、监控和用户反馈在几分钟或几小时内到达团队 | 度量并改进反馈的速度和质量 | 反馈回路跨越团队、供应商和客户 |
| 文化与学习 | 失败之后是责怪 | 一些免责评审 | 免责评审、实验和学习时间是例行的 | 跟踪学习行动并检查结果 | 学习在整个组织内持续扩散 |
检查清单
- 我们有一份关于 DevOps 对我们意味着什么的共同书面定义。
- 构建服务的团队共同承担运行它的责任。
- 一条流水线构建、测试并部署变更,并记录它做了什么。
- 变更以小批量、经常地发布。
- 测试、监控和用户反馈迅速到达团队。
- 安全和策略检查在流水线中运行。
- 值班是分担的,有夜间呼叫的限制和调优后的告警。
- 事件评审是免责的,并产生有负责人的行动。
- 我们按服务跟踪前置时间、部署频率、变更失败率和恢复时间。
- 依赖团队被告知我们的发布节奏和重大变更。
AI 提示词
目的:映射“就绪”与“上线”之间的等待。
帮助我映射 [团队或服务] 中一项典型变更的等待。
从“就绪”到“上线”的步骤、谁做每一步、是手工还是自动化的,以及工作在每一步之前等待多久(使用真实数据;把估计标为估计):[粘贴]。
生成一幅简单的文本图,突出三个最长的等待以及每个由哪个团队拥有,并对每一个,建议一个问题,询问该等待是否在防范真实的风险。不要虚构时长。如果数据太少,说明该收集什么。请先提出澄清问题,并列出你不确定的内容。
目的:检查 ITIL 实践在你的流水线中出现在哪里。
帮助我把我们的流水线与服务管理实践作比较。
我们的流水线今天做什么,逐步说明:[粘贴]。
我们想检查的实践:变更赋能、发布与部署、事件管理、问题管理、知识管理、配置管理。
对每项实践,说明流水线描述中似乎有什么在支持它(引用我的话)、缺少什么,以及要问的一个问题。除非我粘贴了相关文本,否则不要声称某个标准要求任何东西。请先提出澄清问题,并列出你不确定的内容。
目的:与一个团队规划共同所有权的试点。
为 [服务] 规划一个为期四个月的共同所有权试点,汇集 [数量] 名开发人员和 [数量] 名运维工程师。
今天的安排:[描述谁构建、谁运行、谁值班]。
双方的关切:开发 [列出];运维 [列出]。
我们拥有的度量:[列出]。
给出一份计划,包括:团队组建、带限制的值班安排、流水线和监控工作、团队如何从事件中学习、评审哪些度量(目标留作 [待商定])、为审计保存什么证据,以及如何告知依赖团队。请先提出澄清问题,标明假设,并列出你不确定的内容。
目的:为混合团队设计免责的事件评审。
为这次事件设计一场 45 分钟的免责评审:[客观地描述事件]。
涉及的人员:[来自开发和运维的角色]。
可用的信息(时间线、告警、变更):[列出]。
提供一份议程:先建立时间线,识别系统和流程中的促成原因,记下做得好的地方,最后以至多三项带负责人的行动结束。包含避免责怪的提示。请先提出澄清问题,并列出你不确定的内容。
AI 技能
- agile-delivery:用于规划小而频繁的发布以及围绕它们的检查。
- test-driven-development:用于构建流水线所依赖的自动化测试。
- shift-left-testing:用于在流水线中将测试和安全检查提前。
- on-call-rotation:用于设计带有公平限制的共同值班。
- postmortem:用于开展为第三步提供输入的免责评审。
(这些技能本身以英文编写。)
主要来源
- DevOps(维基百科):对定义、实践、与敏捷、SRE 和 DevSecOps 的关系以及 DORA 度量的概览,附有已注明的争议。
- 三步工作法:DevOps 的底层原则(Gene Kim,IT Revolution):流动、反馈和持续学习的来源。
- DORA 能力与度量(dora.dev):研究项目的能力清单及其软件交付度量。
- 《DevOps 手册》与《凤凰项目》(Gene Kim 及其合著者):详细展开三步工作法的书。
参考文献
- DevOps — Wikipedia — https://en.wikipedia.org/wiki/DevOps
- The Three Ways: The Principles Underpinning DevOps — Gene Kim, IT Revolution — https://itrevolution.com/the-three-ways-principles-underpinning-devops/
- DORA capabilities — DORA, dora.dev — https://dora.dev/capabilities/
- DORA's software delivery performance metrics — DORA, dora.dev — https://dora.dev/guides/dora-metrics-four-keys/
- Site reliability engineering — Wikipedia — https://en.wikipedia.org/wiki/Site_reliability_engineering
- ITIL — Wikipedia — https://en.wikipedia.org/wiki/ITIL
- Continuous delivery — Wikipedia — https://en.wikipedia.org/wiki/Continuous_delivery
- Lean software development — Wikipedia — https://en.wikipedia.org/wiki/Lean_software_development
- Agile software development — Wikipedia — https://en.wikipedia.org/wiki/Agile_software_development