阿里云自动化部署和运维的最佳实践-基于YAML的编排

  运维，是从IT诞生起就一直存在的重要角色，为软硬件系统的整体稳定性、效率、安全等指标负责。最近几年，伴随着云计算和DevOps的广泛应用，运维更是成了舞台中央最亮眼的主角之一。

  值得关注的是，云时代的运维，正在颠覆传统的运维。传统的运维，需要能够手动操作来自众多厂家的计算、网络、存储等软硬件，并为此学习传统“大厂”的众多认证，例如，数据库运维要学Oracle的认证，系统运维要学IBM的认证，虚拟化运维要学VMware的认证，等等。但企业上云之后，云厂商将计算、存储、网络的操作全部抽象成了软件定义的API接口，并用统一风格的SDK、命令行进行封装，从而大幅降低了运维操作的门槛。云上的运维人员不再需要感知底层基础设施的细节，更不需要考取高难度的认证。
  当然，云时代也对运维人员提出了新的要求和挑战。首当其冲的，就是DevOps，强调高度的自动化，要求运维人员具备一定的开发技能。以国内最大的云厂商阿里云为例，运维人员需要学习并掌握阿里云主流云产品（云服务器，云数据库，对象存储，专有网络等等）的API，才能从容的根据自己企业的实际运维需要，开发实现自动化运维系统。这样一来，运维操作工程师，就升级成了运维开发工程师。

  既然谈到了运维开发，就离不开编程语言和开发平台。运维开发与普通软件开发不同，对于快速开发的要求应该是第一位的，因为运维开发的需求变化更频繁，开发周期更短，人力也更为紧张。阿里云提供的JavaPythonGo等语言的SDK，虽然能力强大，但是能力过于“原子”。若没有平台的支持，要运维人员自己从头搭建一个自动化运维系统，并保证其高效稳定持续运行，难度和投入都很大。为了保证生产系统的稳定，创造了一个运维系统，那么，谁来保证这个运维系统的稳定呢？这是一个悖论。

  为了进一步的提升运维开发人员的开发效率，降低开发的难度，阿里云推出了资源编排（Resource Orchestration Service，简称ROS），和运维编排Operation Orchestration Service，简称OOS）这两个编排平台。作为平台级的产品，阿里云会负责保证其稳定可靠，用户只需要按照平台的规则制定自己的运维逻辑。那么什么是编排呢？编排来源于交响乐，是指通过编曲，把各种不同乐器的演奏，和谐的融合在一起。运维开发人员，就像交响乐作曲家，通过编写YAML格式的编排模板，把各种不同的资源、配置、动作，串联在一起。

  先来说资源编排ROS。假设一个场景，在阿里云上搭建一个经典的三层在线服务：前面是SLB负载均衡，中间是若干台ECS作为一个服务集群，后面再挂接一套RDS数据库。当然，你还需为这三层分别各自创建一个VPC，通过安全组设置安全规则。在业务初期你可能只需要两台ECS，但很快会扩大到3台、4台。按照传统的运维思维，需要给系统下达原子的命令：今天创建一台，明天再创建一台。但是按照ROS声明式的语法，运维开发人员只需要指定自己当前的资源需要。比如把MaxAmount值从3改成5（见如下例子），ROS会自动新建两台ECS。再比如把MaxAmount从3改成2，ROS会自动释放其中一台ECS。我们把这种全自动的管理资源的生命周期的方式，叫做“基础设施即代码”。

Resources:
  InstanceGroup:
    Type: 'ALIYUN::ECS::InstanceGroup'
    Properties:
      MaxAmount: 3
      InstanceType:
        Ref: InstanceType
      ImageId:
        Ref: ImageId
      SecurityGroupId:
        Ref: SecurityGroupId
      VSwitchId:
        Ref: VSwitchId

  运维是一个非常广泛的概念，资源的生命周期管理，只是其中一小部分。运维，还涉及到了监控、故障处理、持续发布、资源分组、审计等等各种需求。为了满足普适的运维需要，阿里云推出了运维编排（OOS）产品。同样是基于YAML的编排，但是与ROS不同的是，OOS编排的是一个个的原子动作（API）。几乎所有阿里云控制台上的操作，都可以通过OpenAPI来完成，而几乎所有的API动作，都可以通过OOS来完成，因此，我们可以说，所有的阿里云上的运维动作，都可以通过OOS来自动化完成。不仅如此，阿里云OOS还内置了三个强大的运维功能：定时任务、事件触发器和云助手命令。定时任务很容易理解，用户只需要编写cron表达式，OOS就会精确地定时触发，例如，每天早晨八点开启服务器。事件触发器可以跟云监控的事件（或者告警）相结合，实现“事件驱动”的自动化运维，尤其是自动化的故障恢复，运维人员无需关心事件的具体接收过程。云助手命令则可以让开发人员，在无需开启SSH接口的情况下，远程在linux里面执行系统命令。我们举一个事件驱动和云助手结合的例子，当60秒的平均CPU利用率超过90%的时候，重启tomcat服务，OOS模板的示例（节选）如下：

Tasks:
  - Name: alarmTrigger
    Action: 'ACS::AlarmTrigger'
    Properties:
      Namespace: acs_ecs_dashboard
      MetricName: cpu_total
      Statistics: Average
      ComparisonOperator: GreaterThanThreshold
      Threshold: '90'
      Resources: '[{"instanceId":"{{ instanceId }}"}]'
      Period: 60
  - Name: runcommnd
    Action: ACS::ECS::RunCommand
    Properties:
      commandContent: 'service tomcat restart'
      instanceId: '{{ instanceId }}'
      commandType: RunShellScript

  通过上面的例子，我们可以看出，ROS和OOS，可以帮助运维开发人员，以最快的速度和最少的代码，实现常见运维任务的自动化。阿里云官方，为ROS和OOS提供了一系列的公共模板，开源在github上，感兴趣的运维同学们可以阅读学习，或者基于这些现有的模板随意进行二次开发。 
 
ROS公共模板：https://github.com/aliyun/ros-templates   
OOS公共模板：https://github.com/aliyun/oos-templates   

  运维同学可能会想到，能否将ROS和OOS结合使用呢？答案是肯定的。可以在OOS模板里，对ROS进行API调用。具体的实现，还希望聪明的运维同学们参考ROS和OOS的官方帮助文档，自己尝试一下。 

ROS主页：https://www.aliyun.com/product/ros    OOS主页：https://www.aliyun.com/product/oos   

  阿里云正在筹办“弹性计算自动化运维模板挑战赛”。也欢迎运维开发同学们积极参与，奖励丰厚。如有问题，欢迎加入钉钉群咨询。 
 
ROS支持群群号：11783495   
OOS支持群群号 : 23330931