构建闭环式的研发运维体系----云效&EDAS DevOps

简介: 为了能够更好地支撑业务的创新,如何塑造企业的共享业务中台,如何支撑互联网架构下研发工程效率的提升,将会是企业遇到的核心挑战。面对这些挑战,阿里巴巴旗下一站式研发提效平台云效和阿里巴巴集团中间件EDAS联合推出了一整套研发平台支撑解决方案,步实现DevOps闭环的关键一步。

随着互联网+的不断兴起,“科技+行业”的融合创新已经成为行业转型的核心策略。比如金融+科技造就了众安保险、天弘基金、网商银行等创新金融企业,塑造了行业转型的标杆。为了能够更好地支撑业务的创新,如何塑造企业的共享业务中台,如何支撑互联网架构下研发工程效率的提升,将会是企业遇到的核心挑战。面对这些挑战,阿里巴巴企业级分布式应用服务EDAS与云效平台联合推出了一整套研发平台支撑解决方案,步实现DevOps闭环的关键一步。

 

产品背后的思考

DevOps是软件开发、运维和质量保证三个部门之间的沟通、协作和集成所采用的流程、方法和体系的一个集合。当企业希望将原本沟通不畅的开发与运营之间的工作移交过程变得畅通无阻,便可借助DevOps来完成。

7278b6be55ba73abf42157847544b0d743b71a28


企业级分布式应用服务EDAS孵化于阿里巴巴集团分布式高可用中间件HSF,提供了研发领域的架构优化、运维领域的效能提升及高可用。能够帮助企业搭建共享业务中台,同时也提供了丰富的线上Ops能力,比如线上应用的运维、发布、回滚、监控、诊断等,目前是阿里云旗下企业级互联网架构Aliware(阿里中间件,包括EDAS、MQ、DRDS等)主打的中间件套件。


云效立足于阿里巴巴大规模分布式架构下的基础研发效能平台支撑,一直专注于研发与测试领域的效能提升、质量保证和持续集成。实践了业界领先的持续集成、持续交付理念,并落地在阿里巴巴的各个事业群中,实现了应用无发布窗口限制、24小时随时可发布,快速支撑业务的创新、试错。


从产品形态上看,二者之间存在着天然的互补关系。两方结合不仅能打通和提升各类技术团队在研发、测试、运维各个环节的工作流程,还能形成一个真正提供研发-测试-运维的DevOps服务能力的开发者生态体系闭环。二者融合除了将整体流程打通以外,还提供了丰富的分层自动化工具(如UI自动化、接口自动化)、环境分层管理系统、并行研发的分支模式支撑等,能够让用户快速上手,搭建持续交付体系,促进业务真正的快速交付。


f53af4dea44ea4ab77af167764958a90c7666074

云效与EDAS融合形成的DevOps服务能力,如上所示:


主要提供的价值点有:

1. 接口自动化测试

支持http、hsf、dubbo等多种接口测试,无需写代码,页面配置即可进行接口测试,接口测试可以保存成用例,持续运行。

2. UI自动化测试

提供在线脚本录制、公共脚本引入、数据库读取、脚本调试和维护等功能,上手成本低,易维护,脚本的创建和维护都不需要接触脚本代码,所有交互都是在web页面上在线可视化使用。

3. 高可用运维

利用EDAS高可用组件,实现对大规模分布式应用的高可用运维,包括服务治理、常态化的性能压测,大流量高并发场景下的服务限流降级。

4. 数据化运营

针对应用的服务调用、缓存访问、消息发送和数据库访问进行详细的实时监控,分析分布式系统的每一次系统调用消息发送和数据库访问,从而精准发现系统的瓶颈和隐患。


目前,云效&EDAS DevOps版在专有云和公有云上提供服务:

1. 专有云上,打通 “项目/需求/缺陷管理-代码托管-持续集成-打包-部署-线上运维”流程,实现一整套研发平台支撑;

2. 公有云上,将自动化测试纳入到EDAS公有云产品体系,形成研发运维闭环。

* 目前,企业级分布式应用服务EDAS高级版中暂时免费使用。

相关实践学习
流水线运行出错排查难?AI帮您智能排查
本实验将带您体验云效流水线Flow的智能排查能力,只需短短1-2分钟,即可体验AI智能排查建议。
ALPD云架构师系列 - 云原生DevOps36计
如何把握和运用云原生技术,撬动新技术红利,实现持续、安全、高效和高质量的应用交付,并提升业务的连续性和稳定性,这是云原生时代持续交付共同面对的机会和挑战。本课程由阿里云开发者学堂和阿里云云效共同出品,是ALPD方法学云架构师系列的核心课程之一,适合架构师、企业工程效能负责人、对DevOps感兴趣的研发、测试、运维。 课程目标 前沿技术:了解云原生下DevOps的正确姿势,享受云原生带来的技术红利 系统知识:全局视角看软件研发生命周期,系统学习DevOps实践技能 课程大纲: 云原生开发和交付:云研发时代软件交付的挑战与云原生工程实践 云原生开发、运行基础设施:无差别的开发、运行环境 自动部署:构建可靠高效的应用发布体系 持续交付:建立团队协同交付的流程和流水线 质量守护:构建和维护测试和质量守护体系 安全保障:打造可信交付的安全保障体系 建立持续反馈和持续改进闭环
相关文章
|
数据采集 运维 监控
运维靠经验拍脑袋?不如上车:构建“数据驱动”的智能决策系统
运维靠经验拍脑袋?不如上车:构建“数据驱动”的智能决策系统
396 0
|
人工智能 JavaScript Devops
云效 MCP Server:AI 驱动的研发协作新范式
云效MCP Server是阿里云云效平台推出的模型上下文协议(Model Context Protocol)标准化接口系统,作为AI助手与DevOps平台的核心桥梁。通过该协议,AI大模型可无缝集成云效DevOps平台,直接访问和操作包括项目管理、代码仓库、工作项等关键研发资产,实现智能化全生命周期管理。其功能涵盖代码仓库管理、代码评审、项目管理和组织管理等多个方面,支持如创建分支、合并请求、查询工作项等具体操作。用户可通过通义灵码内置的MCP市场安装云效MCP服务,并配置个人访问令牌完成集成。实际场景中,AI助手可自动分析需求、生成代码、创建功能分支并提交合并请求,极大提升研发效率。
|
运维 Kubernetes 测试技术
应用多、交付快,研发运维怎么管?看云效+SAE 如何一站式破局
通过在云效中创建 SAE 服务连接并关联集群,团队可将应用环境直接部署到 SAE,实现从代码提交、镜像构建到 SAE 部署的自动化流水线。该集成打通了研发与运维的壁垒,特别适用于应用数量多、团队规模大、交付节奏快的组织,助力企业实现敏捷、可靠的持续交付。
|
存储 运维 监控
57_大模型监控与运维:构建稳定可靠的服务体系
随着大语言模型(LLM)技术的快速发展和广泛应用,如何确保模型在生产环境中的稳定运行、高效服务和安全合规已成为企业和开发者面临的关键挑战。2025年,大模型服务已从实验室走向各行各业的核心业务流程,其运维复杂度也随之呈指数级增长。与传统软件系统不同,大模型服务具有参数规模庞大、计算密集、行为不确定性高等特点,这使得传统的运维监控体系难以满足需求。
2003 0
|
数据采集 机器学习/深度学习 人工智能
基于AI的网络流量分析:构建智能化运维体系
基于AI的网络流量分析:构建智能化运维体系
2654 13
|
Prometheus 运维 监控
Prometheus+Grafana+NodeExporter:构建出色的Linux监控解决方案,让你的运维更轻松
本文介绍如何使用 Prometheus + Grafana + Node Exporter 搭建 Linux 主机监控系统。Prometheus 负责收集和存储指标数据,Grafana 用于可视化展示,Node Exporter 则采集主机的性能数据。通过 Docker 容器化部署,简化安装配置过程。完成安装后,配置 Prometheus 抓取节点数据,并在 Grafana 中添加数据源及导入仪表盘模板,实现对 Linux 主机的全面监控。整个过程简单易行,帮助运维人员轻松掌握系统状态。
2839 3
|
Prometheus 运维 监控
运维实战来了!如何构建适用于YashanDB的Prometheus Exporter
今天分享的是构建YashanDB Exporter的核心设计理念和关键方法,希望也能为你的运维实战加分!
|
运维 监控
构建高效运维体系:从理论到实践
在当今快速发展的信息化时代,高效的运维体系是保障企业信息系统稳定运行的关键。本文旨在探讨如何构建一个高效、可靠的运维体系,通过分析当前运维面临的挑战,提出相应的解决策略,并结合实际案例,展示这些策略的实施效果。文章首先介绍了高效运维的重要性,接着分析了运维过程中常见的问题,然后详细阐述了构建高效运维体系的策略和步骤,最后通过一个实际案例来验证这些策略的有效性。
|
人工智能 运维 监控
构建高效运维体系:理论与实践的深度融合####
本文旨在探讨高效IT运维体系的构建策略,通过理论框架与实际案例并重的方式,深入剖析了现代企业面临的运维挑战。文章开篇概述了当前运维领域的新趋势,包括自动化、智能化及DevOps文化的兴起,随后详细阐述了如何将这些先进理念融入日常运维管理中,形成一套既灵活又稳定的运维机制。特别地,文中强调了数据驱动决策的重要性,以及在快速迭代的技术环境中保持持续学习与适应的必要性。最终,通过对比分析几个典型企业的运维转型实例,提炼出可复制的成功模式,为读者提供具有实操性的指导建议。 ####