外觀
Computing › DevOps › DevOps 基礎
DevOps 基礎 (DevOps Fundamentals)
DevOps 不是一套工具,也不只是把開發 (Dev) 與維運 (Ops) 放進同一張組織圖,而是一種工作方式:讓軟體從需求、開發、測試、部署到營運的整條流程更快、更穩、更可控。核心是變更管理:讓變更可以更頻繁,但風險可以被看見與回復。
要解決的問題
| 問題 | DevOps 的做法 |
|---|---|
| 需求、開發、測試、部署彼此斷開,交接等待 | 跨角色更早協作,流程連成一條 pipeline |
| 每次改動又慢又危險 | 小而頻繁的變更 + 自動化測試 |
| 手動部署出錯 | 部署腳本化、可重複 |
| 上線後出問題很難定位與回滾 | 可觀測性 + 可回滾的發布 |
流程
text
需求 → 設計 → 開發 → 測試 → 部署 → 監控與回饋
▲ │
└─────────────────────────────────────────┘
(持續改進:回饋決定下一個需求)DevOps 不讓這些步驟消失,而是讓它們之間更連續,並以自動化減少等待與人為錯誤。每次變更都要能回答:需求有對齊嗎?改動可以測試嗎?上線後可以回滾嗎?風險看得見嗎?沒有這些制度,自動部署只是把混亂更快送進正式環境。
CI/CD
| 持續整合 (CI) | 持續交付 (Continuous Delivery) | 持續部署 (Continuous Deployment) | |
|---|---|---|---|
| 做什麼 | 頻繁合併程式碼,每次都自動建置與測試 | 每次變更都自動準備好可發布的版本 | 通過檢查就自動上線 |
| 人工步驟 | — | 上線前人工核准 | 無 |
| 目標 | 盡早發現衝突與缺陷 | 隨時可發布 | 最快的回饋 |
text
push / PR ──► 建置 ──► lint + 單元測試 ──► 整合測試 ──► 打包(容器映像檔)──► 部署 staging ──► 部署 production
└──────────────── 任一步失敗就停下並通知 ────────────────┘CI/CD 是機制而不是目的。實作見 GitHub Actions。
實務做法
| 做法 | 說明 | 相關筆記 |
|---|---|---|
| 版本控制一切 | 程式碼、設定、基礎設施、pipeline 定義 | Git |
| 主幹開發、短命分支 | 分支越久,合併越痛 | GitHub 協作 |
| 自動化測試 | 頻繁變更若沒有自動驗證就無法擴張 | 測試 |
| 基礎設施即程式碼 (IaC) | Terraform、CloudFormation、Bicep:環境可重建、可審查 | Cloud |
| 容器化 | 開發、測試、正式環境一致 | Docker |
| 漸進式發布 | 藍綠部署、金絲雀發布 (canary)、功能開關 (feature flag),出問題時影響小、易回滾 | — |
| 可觀測性 | logs、metrics、traces;沒有可觀測訊號,每次上線都在賭 | — |
DORA 指標
衡量交付能力常用的四個指標:
| 指標 | 意義 |
|---|---|
| 部署頻率 | 多久部署一次到正式環境 |
| 變更前置時間 | commit 到上線要多久 |
| 變更失敗率 | 有多少部署造成問題 |
| 復原時間 | 出事後多久恢復 |
速度(前兩項)與穩定(後兩項)並不衝突:高績效團隊兩者都好。
單體 vs 微服務
| 單體 (monolith) | 微服務 (microservices) | |
|---|---|---|
| 結構 | 一個大的部署單位 | 多個可獨立部署的小服務,各有資料與邏輯 |
| 優點 | 簡單、易於除錯、交易一致 | 變更邊界清楚、可獨立擴展與部署 |
| 代價 | 變更風險集中、部署牽一髮動全身 | 協調、網路、監控、資料一致性複雜 |
| DevOps 需求 | 中 | 高:服務多 → 整合面、部署次數、監控需求都增加 |
微服務不是天生比較進步。小團隊、早期產品從結構良好的單體開始通常更好。
對資料與 ML 工作的意義
資料 pipeline 與模型也是會變更的系統,同樣需要測試、部署與監控:
| 延伸 | 重點 |
|---|---|
| DataOps | pipeline 程式碼化、資料品質檢查自動化、變更可追蹤(資料品質檢查) |
| MLOps | 資料、模型、程式碼一起版本化;訓練與部署自動化;模型監控(MLOps) |
| 生資分析 | pipeline 用 工作流引擎 + 容器;CI 跑小型測試資料集(nf-core 的 -profile test) |
資料品質不只是資料團隊的事:好的工程流程、自動化測試與可觀測性能更早發現資料異常;但不是所有資料都需要同等級的品質要求,依用途決定。
常見誤區
| 誤區 | 說明 |
|---|---|
| DevOps = 某套工具鏈 | 工具只是手段,核心是流程與回饋 |
| 只有自動部署,沒有測試與監控 | 把錯誤更快送上線 |
| 微服務一定比較好 | 忽略協調與治理成本 |
| 資料品質是資料團隊的事 | 應納入工程流程 |