对话阿里云田涛涛：企业如何用好云、管好云？| Q推荐

作者 ｜ 郑思宇

近几年，数字化转型带来了更加复杂的 IT 基础设施和大量的业务系统，对企业自身的运维能力来说，是一场前所未有的大考。DevOps 出现以后，极大程度地提升了企业的研发效率，缩短了业务从研发到上线的周期。在相近时间诞生的云计算，其所拥有的“软件定义一切”的特性，更是与 DevOps、智能运维和基础设施即代码（Iac) 等自动化运维趋势相互促进。

然而，将传统的 DevOps 直接搬到云上，是否真正地释放了云的优势？企业到底应该如何“用好云、管好云”？

带着这些问题，InfoQ 在 2021 云上架构与运维峰会举办之际，采访了阿里云弹性计算管控平台技术负责人田涛涛。

田涛涛

云时代，运维不重要了？

云时代到来以后，运维的门槛被大幅降低。传统运维需要处理服务器、网络等硬件设备，而在云时代，运维工程师不再需要直接操作实体资源，负载均衡、动态伸缩、数据迁移等服务全部可以交由云平台厂商来提供。

因此，与“去运维”相关的言论甚嚣尘上，不少人认为运维岗位会逐渐走向消亡，但事实是否真的如此？

“云时代的运维，变得比以前更加迫切、更加重要。”田涛涛认为，运维不是消亡，而是需要进化，因为云原生趋势的到来，给运维提出了更多挑战。

第一，敏捷快速的交付方式给运维和交付带来了巨大的挑战。早前，研发团队交付一款 App 是按照半年时间进行规划的。如今，App 从研发、交付再到上线，整个过程仅需要7 天。这样一来，高效地进行运维管理成为了云上运维必须思考的问题。

第二，排查问题的难度持续飙升。无论是传统设备还是智能化设备，服务化都是大家关注的焦点，但做到服务化之后，系统之间的耦合会使调用关系变得复杂，一旦出现问题，它的影响面非常不可控。如何能快速做好可靠性、可用性观测、问题排查以及问题诊断，同样成为了云上运维的重大挑战。

第三，在线系统数量变多，宕机影响变大。由于在线系统的数量越来越多，出现问题之后影响面是非常大的，甚至可能影响民生的工程。

不仅如此，云上运维的范畴也比以往更加广泛，运维人员需要关注蓝图规划、上云交付以及云上管理整个过程。我们能够清晰地感知到，身处新技术革命浪潮下，企业想要抢占市场，做好云上运维是非常重要的一环。

多数企业未发挥出云端 DevOps 潜力

几乎所有企业都十分认可公有云带来的产品和服务能力，并且大部分企业已经在公有云中使用了 DevOps，打通了开发与运维之间的壁垒，让团队从业务需求出发，向一个共同的目标前进。但将传统的 DevOps 直接搬到云上，又能否获得 1+1 等于或者大于 2 的收益呢？

答案是否定的。虽然云厂商屏蔽了底层的基础设施，让开发人员无需关注底层资源，使得很多企业认为上云其实是一件容易的事情。但实际上，云本身是一个非常复杂的操作系统，很多企业在传统线下没有自动化的基础设施工具。因此在田涛涛看来，企业没有转变观念、没有把云原生运维工具用好，是阻碍其充分发挥云端 DevOps 优势的一个重要原因。

根据 Puppt2021 年度运维报告显示，只有 20% 的企业认为自己充分发挥了云端 DevOps 的潜力。云上自动化运维的模式和思维与传统 DevOps 相比，仍然有着不小差异。这也是部分企业上云之后，建立一套云原生自动化运维体系的挑战。

首先，传统企业上云之后需要意识到，操作的主体会从操作资产变成了对可编程的资源，这个转变是非常重要的过程：传统运维模式操作的都是企业的资产，需要充分压榨提升单机的利用率和使用率，并需要提前很久规划资源；而云端运维天然就有弹性的属性，除了提升单机利用率，还可以 On-demand 地获取资源和释放，同时云平台把一切都变成了可编程的资源，通过开放 OpenAPI 和应用分组来让用户管控资源。

其次，云上运维对安全可审计的要求更高。云端操作会高频切换很多自动化的任务，操作来源和对象相对复杂，对操作审计和操作来源和报警的时效性要求比较高；云端提供的服务可以将服务通过一条命令直接暴露在公网之中，需要更多的设计和思考安全和网络规划能力来降低系统风险；高频的可编程自动化运维需要有比较好的审计和问题追踪能力，避免越权和不容易被追踪的问题。

此外，这几年自助服务已经成为很多企业的追求目标。在云上，很多企业都把自己的产品，通过服务的形式暴露给更多的客户，所以对于系统的可靠性有着更高的要求。

CloudOps 应运而生

“企业想要寻找到一名优秀的 DevOps 工程师，其成本是非常高的。”田涛涛说。

为此，阿里云为企业带来的破局思路是：帮助企业理解云上运维，并为处于不同阶段的企业推荐不同的功能，进而简化他们的学习门槛，提高使用云原生运维工具的便捷度。

在 2021 云上架构与运维峰会中，阿里云在业界首发了云上自动化运维（CloudOps）白皮书，定义并系统性阐释了一个新的词汇——CloudOps，着重强调如何在云平台上更好地践行 DevOps。同时，田涛涛也在会上发表了《CloudOps ：自动化运维的新思路》的主题演讲。

据他介绍，CloudOps 作为传统 IT 运维和 DevOps 的延展，可以通过云原生架构实现运维的再进化，充分帮助企业降低 IT 运维成本、提升交付速度和系统灵活敏捷度、增强系统可靠性，构建更加安全可信开放的业务平台。在 CloudOps 白皮书中还强调了一点，CloudOps 不等于单纯的 Cloud+DevOps 或者 DevOpsonCloud，而需要将 DevOps 和云有机结合，才能收获更大价值。

此外，田涛涛在演讲时提到：“云上运维是一个从简单到复杂、从成长到成熟的管理过程。”企业根据不同的上云状态以及使用规模，其云上运维的思路都不尽相同，并且随着业务不断发展，运维的思路也日益复杂。创业公司从第一天开始就可以在云上部署其生产环境服务客户，而对于已经存在 IT 投入的公司来说，则需要花费更长的时间逐步上云。

但可以肯定的是，无论企业身处哪种场景，其运维需求都会持续存在：降低成本、提高效率是企业追求的核心目标。因此，有效地规划和制定运维策略和方法非常重要。阿里云在 CloudOps 白皮书中提出了成熟度模型——CARES，分为自动化能力、弹性能力、高可用能力、安全和合规能力以及成本资源量化管理五个维度进行衡量，帮助企业判断自己所处的阶段，也为处于不同阶段的企业提供运维策略参考与优化方向。

简化路径，让云上运维更简单

对于企业来说，如何能够高效地交付应用已成为了业界的共识，这就要求企业需要通过自动化、自主化的策略高效工作。对于一名研发人员来说，他们最头痛的问题就是在基础设施和应用之间来回切换、适配。

为了让企业在运维阶段更省心，田涛涛还在峰会中同步了 ECS 自动化运维套件的全新升级，包括服务器迁移中心、资源编排、运维编排等 15 个工具，可以帮助企业实现从 IT 架构的规划、迁移、部署、弹性扩缩容到日常管理，覆盖云基础设施全生命周期的自动化运维。

本次 ECS 自动化运维套件推出了新产品——应用管理 Application Manager，不同于从前的资源视角，应用管理支持从应用视角监控、管理和运维基础资源，实现更精细化的管理，并与阿里云 DevOps 平台云效集成，支持一键完成从代码编译构建到部署的全生命周期。

在接受 InfoQ 采访时，田涛涛表示：“基于用户在使用 ECS 过程中反馈的常见工单，我们建了一个集群模型来帮助用户快速定义、诊断错误的链路，这就是我们的智能诊断服务。之前系统出现问题时，企业需要花几个小时拉人、拉群去解决，但通过自助化服务的工具，可以做到秒级或者分钟级就把问题解决掉。”

和智能问答、智能机器人一样，ECS 的升级思路也是优先帮助用户解决问题。正如田涛涛在演讲结束时提到的那样：未来，传统的运维需要进化到新的思路，企业应该更少地关注基础设施和基础资源，更多地回归到应用本身，让企业运维视角与云平台的运维视角紧紧贴合。

写在最后

谈及对于云上运维的未来展望，田涛涛认为，在巨石应用改造和企业服务化适配的过程中，只有依靠团队的组织和更强大的自动化能力才能帮助业务提效，帮助客户构建更加坚实的基础设施，让企业更专注于产品的研发。这不仅仅是阿里云作为云平台的责任与使命，同样也是行业共同努力的方向。