阿里巴巴DevOps技术文化简介

1、阿里巴巴DevOps技术文化简介技术创新，变革未来Contents01我距离DevOps还有多远阿里巴巴的DevOps文化落地要诀DevOps的未来在哪里020301DevOps发展的三个阶段20082009DevOps诞生2008.82009.10201020132015第一届DevOpsDays会议Patrick举办DevOpsDays大 会，DevOps名字被首次提出What is DevOps此文章首次描述了 DevOps 完整体系Docker诞生SolomonHykes将 Docker项目开源CNCF成立建立了以Kubernetes为 中心的云原生解决方案Agile Conferen

2、ce 2008Andrew提交了一个临时话题（Agile Infrastructure）引 发Patrick的思考20092013DevOps清晰定义2013至今 DevOps落地期持续交付Jez Humble的这本著 作成为DevOps核心 实践02测试一下我距离DevOps有多远1 .我每次写完代码都可以部署生产环境， 不需要别人帮助。做法+工具+文化=DevOps2 .有很多监控、运维工具可以任我使用， 轻松处理线上各种问题和故障。3 .我直接为线上用户的体验负责， 不管是代码缺陷还是运维故障， 自己搞的自己 背锅。03常见的DevOps误区全栈=DevOps大企业不适 合DevOpsD

3、evOps只是 工作分工变化DevOps就 不用运维 岗了DevOps后 开发效率一 定会提升04什么是好的DevOps团队2 0 1 8D e v O p s现状报告05阿里巴巴DevOps发展阶段微服务容器化云原生大中台、小前台运维转型，DevOps集团全面上云20092013201620172019统一构建部署平台从代码变更到线上发 布标准化、严管控。DevOps平台从需求到代码，从交 付到反馈一站式平台全面自研上云推出阿里云上研发平 台，赋能开发者下一代研发平台开放、标准、普惠自动化发布工具替代配管统一构建、 运维执行部署模式技术组织工具06工具来自实践，实践锤炼工具07大胆尝试，把握

4、底线4轻发布，重恢复3通用构建+自定义构建2应用维度规则自定义1流水线模板化，可自定义4发布计划与前后端联动3发布、封网窗口2代码安全检查、规约检查1代码审核、质量红线DevOps核心是快速交付价值，给与开发最大自由度，负责开发和运维全部过程。在监控、故 障防控工具，功能开关的配合下，可以在保障用户体验和快速交付价值之间找到平衡点。08保持从Dev视角看问题应用串联整个DevOps工具链 开发定义应用，同时定义运维 开发为应用全生命周期负责09享受DevOps红利，成为精英交付团队10阿里巴巴并不完美巨型应用导致协作成本飙升瀑布式研发模式降低交付速度模块多导致出现问题影响大微服务改造服务变多导

5、致运维出现瓶颈链路长问题排查困难容量评估复杂度变大服务链路跨BU协作困难技术侧业务侧业务团队各搞一套重复建设业务模型不统一数据不一致核心交易逻辑出现差异大中台，小前台平台逻辑业务逻辑迭代不一致各子业务代码互相影响小业务无法得到有效保障中台逻辑累积再变成巨型应用组织解耦技术解耦协作复杂性架构复杂性11研发效率的本质思考研发效率协作效率单点效率技术变革架构变革研发模式 变革微服务、容器化、 Serverless服务化、BFF、技 术中台DevOps、持续交 付、敏捷研发12云时代带来的新机会业务逻辑业务逻辑中间件SDK物理基础设施传统应用业务逻辑服务发现数据库消息虚拟机容器本地存储中间件/服务层缓

6、存服务调用链路应用层虚拟机业务逻辑业务逻辑业务逻辑服务发现Service Mesh云基础设施数据库消息云原生应用应用层容器编排虚拟设备物理设备服务调用缓存链路开发者需要关注所有细节非标私有技术栈数据不成体系，无关联性非开放性，数据获取困难开发者仅关注业务逻辑业界标准技术栈数据规范性好，能力全统一标准API，开放性好智能的机会普惠的机会13云时代技术发展趋势Cloud IDEService MeshServerless不关心在哪里开发不关心调用到哪里不关心服务器在哪里关注点转移， 仅关注业务逻辑代码数据、研发行为数据、质 量数据、变更数据服务注册数据、调用链路数 据、请求数据、性能数据、API

7、数据服务数据、监控数据、性能数 据、存储数据、日志数据、进 程数据标准化数据， 从开发到运维全链路开发态运行态运维态云时代影响开发者的三大技术体系14正在探索的几个数据应用方向单点效率协作效率代码推荐智能代码评审敏感信息扫描监控智能基线发布风险控制故障链路排查代码搜索代码分享业务全景监控修复行为 数据挖掘15代码大数据的应用缺陷检测阿里巴巴 代码图谱数据沉淀Patch Recommendation by Empirically Clustering（ Precfix）传统工具： 基于l i n t 规则静态代码分析， 不需要了解特定场景。友商： 1 ） 效率低； 2 ） 应用在指定场景；P r

8、 e c f i x ： 1 ） 毫秒级检测； 2 ） 覆盖较多的场景； 3 ） 结合应用具体场景； 4 ） 针对阿里内部数千公开代码库扫描， 发现问题种类8 0 0 + ， 包含3 0 , 0 0 0 + 缺陷。代码评审智能推荐补丁集缺陷&补丁对模式匹配历史修复行为数据模式挖掘16研发过程大数据的应用智能评审代码大小提交代码评审项目历史行为历史代码复杂度计算耗时预估计算最合适评审人开始评审代码Diff扫描工具历史评审语言特性缺陷检测 敏感信息检测优质代码分析 代码综合评分人工评审意见+机器评审意见开发者评审者17运行时大数据的应用无人值守发布发布前后监控数据采集发现异常指标则发布阻断18阿里巴巴软件研发平台的未来在线文档 知识协同 文档分享知识库代码管理代码托管代码规约扫描代码评