云与基础设施
无聊的部署与可重建的基础设施
你能从团队讨论发布的方式看出他们是否缺乏DevOps实践。部署在周五下午进行，手动操作，有人在旁监督。没人确定测试环境与生产环境一致。凌晨2点出现故障时，第一个知道的人是客户发来的邮件。这三个问题都能解决，且无需重写代码。
此方案解决的问题
手动部署不仅缓慢，还让每次发布都成为一次风险决策——于是发布被批量处理，批次越来越大，每次发布都比上一次更危险。与此同时，仅以控制台点击形式存在的基础设施无法被审查、无法被复现，也会随着配置它的人一起消失。
您将获得的服务
基于测试的流水线
GitHub Actions 或 GitLab CI 在每次推送时运行你的测试套件、类型检查和构建。任何未通过的内容都无法进入生产环境，因此流水线成为标准，而非依赖某个人的记忆。
基础设施即代码
使用 Terraform 管理云资源，让每次变更都通过经过审查的拉取请求，并在应用前提供可读的计划。环境因此变得可复现，而非考古遗迹。
环境真正一致
测试环境与生产环境使用相同的定义构建，数据量足够真实，以确保在测试环境中运行快速的查询在生产环境中也同样快速。
零停机发布
使用蓝绿部署或滚动部署，配合健康检查，以及一键回滚功能。能在60秒内撤销发布的操作不再令人恐惧。
带有真实告警的监控
关注正常运行时间、错误率、响应时间和队列深度，并调整阈值，确保告警有意义。没人打开的仪表板不是监控；充斥着无人阅读告警的渠道更糟糕。
成本审查
调整实例规模，为可预测的使用量预留容量，清理自2022年以来无人问津的存储。在不影响性能的情况下将云账单削减三分之一很常见。
我们的工作方式
审计
你当前如何部署、运行位置、监控内容，以及出现故障时的处理方式。通常需要一周时间，并生成一份书面报告，无论你接下来采取何种行动都能保留。
按风险优先排序
优先解决能降低最多风险的问题——这几乎从未是最有趣的问题。通常是从未恢复过的备份，或是一台无替代方案的单服务器。
优先构建流水线
在任何内容触及生产环境前，先进行自动化构建、测试和部署到测试环境。这是获得改变其他部分的信心的基础。
将基础设施编码
将现有内容导入 Terraform，然后通过它进行变更。无需大规模重建——运行中的系统保持运行。
可观测性
指标、结构化日志和告警，以及你同意的待命路由。
交接
为实际发生的故障编写操作手册，并与值班人员进行逐步说明。
您应当期待什么
- 部署从计划事件变为例行操作
- 所有基础设施变更在应用前均经过审核
- 问题由监控系统检测，而非由客户发现
- 在不改变性能的前提下降低托管支出
构建于
- AWS
- Azure
- DigitalOcean
- Hetzner
- Terraform
- Docker
- Kubernetes
- GitHub Actions
- GitLab CI
- Nginx
- LiteSpeed
- Cloudflare
- Grafana
- Prometheus
- Sentry
Mainstream, well-supported technology — chosen so you can hire for it and so another team could take the project over.
DevOps 与云工程 — your questions
包括那些大多数机构在页面上忽略的成本问题。
对于典型的网络应用程序，搭建流水线和基础设施即代码的起始价格约为£6,000，仅审计费用为£3,000至£6,000。后续管理按实际运行内容按月报价，而非固定套餐。
大概率不需要。Kubernetes 解决的是大多数英国中小企业永远不会达到的规模问题，且带来真实的运维开销——凌晨 2 点时必须有人能理解它。在托管平台上运行容器即可处理绝大多数工作负载，复杂度仅为其零头。我们会如实告知，而非推销更昂贵的方案。
是的。大部分工作与供应商无关，我们更倾向于改进现有系统，而非仅为迁移而迁移。如果当前主机确实是瓶颈，我们会向您展示具体数据。
三点：每次变更都可在执行前进行审查；环境可在丢失后从零重建；配置不再仅存在于某个人的脑中。第三点最为关键——它让团队可被替换，而非系统脆弱不堪。
流水线和预发布环境的搭建与生产环境并行，且不会影响用户所见。生产环境的变更会分阶段进行，在存在风险时于非工作时间执行，且可回滚。我们不做一锤子式的大迁移。
标准服务为英国工作时间内响应，超出工作时间的覆盖需另行签订服务协议。我们坦诚以待：真正的24/7服务需要排班轮值，而单人声称全天候覆盖并非真正的服务。