软件工程走向“现代化工厂”?谈谈大数据平台软件的企业级部署和运维

软件的生产、交付和运维,如何从“手工作坊”走向“现代化工厂”?厂商又应当在什么时候改变对“高级工匠”的依赖,研究生产线如何改造?奇点云去年改造了面向交付的工程生产线。虽然投入了大量的时间精力,但成功提升了产品的发布版本质量和稳定性,提高了客户环境部署、版本升级的效率,完善了客户项目运维的响应流程,强化了主动发现风险的能力。

本文作者牧然,奇点云资深技术专家,曾在多家大型互联网公司负责 DevOps、质量保障体系建设、效能和过程改进,主导完成奇点云的工程生产线改造。

一、为什么要改造?

私有化部署的大数据平台软件,

带来 M*N 的挑战

大数据平台软件体量大,通常是私有化部署的方式交付给客户。奇点云的核心产品数据云平台 DataSimba 也不例外。有别于 SaaS 产品专注维护一套生产环境的一个发布版本,私有化部署的大型平台软件产品在交付和运维上面临更复杂的挑战:

对不同客户的独立环境(M),维护不同的产品发布版本(N),从数学上说,就会有 M*N 种维护场景。当然,在客户规模尚未出现井喷时,上述挑战的影响还在可预见、可应对的范畴之内。

我们开始探索从“手工作坊”走向“现代化工厂”的路径,根本上源于需求爆发:

“RAS”是企业级软件的金标准。这一年,我们从软件、服务、管理等各个层面向“企业级”升级。毋庸置疑,企业级软件在企业级客户的交付和运维,也要达到企业级标准。而形成一条更优质高效的生产线,是规模化服务好客户的前提。

二、改造面向交付的工程生产线

SAFe 框架下,四项主要改造

回归正题,企业级的私有化软件产品交付,应满足 3 个基本要求:

产品质量:软件通过严格测试,包括功能测试、性能测试、安全测试等等,覆盖所有的功能和边界情况,确保软件的稳定性、可靠性。

交付时间:要在严格的时间内完成交付。(也就是说,过去友商常见的花 1 个月甚至更久时间部署已成“过去时”。)

运维服务:要满足 SLA 要求,服务水平和满意度达标。

上述三个要求映射到工程生产线的“开发—交付—运维”,我们需要完成的是:

开发环节:将众多分散的需求开发整合为整体发布,并对整体进行全面的自动化回归测试以控制质量;

交付环节:建立标准化交付流程,并实现自动化部署升级。

运维环节:实现运维响应流程闭环,能主动发现问题。

在介绍具体改造实践前,奇点云的产品研发有一个大前提:SAFe。

2021 年至今,我们严格遵循 SAFe(Scaled Agile Framework,大型敏捷软件工程方法论)的迭代原则,保持产品研发和版本发布的稳定节奏,目前总计发布了 32 个 R 版。

Built in Quality(内建质量)是 SAFe 框架中的一个重要概念,要求团队在工作的每个阶段都要关注和进行质量实践,而不是把质量留到最后的测试阶段。

正如质量管理的先驱戴明博士(William Edwards Deming)所说,“检验不能提高质量,也不能保证质量。检验为时已晚,产品已有好坏之分。”“它(即质量)必须内置在其中。”在 SAFe 方法论中,有 5 个关键维度来衡量内建质量:流程(Flow)质量,架构与设计质量,代码质量,系统质量,发布质量。

SAFe 方法论统领下,我们控制内建质量,并在以下维度做了改造:

1. 分支管理

代码分支管理老生常谈,但有效。在这次改造中,有两个重点:

其一,研发过程中,当稳定分支(master)有合并,就触发完整 CI 流程,执行所有 MR(Merge

Request,分支合并请求)卡点,通过全面自动化测试后才能合并成功。

其二,维护阶段,某一个客户现场有特殊问题需要修复时,bugfix 分支向 release 发起 MR,生成的包给客户修复问题。MR 积累到一定数量后再统一合入稳定分支(master),避免未经全面测试的特殊修复给全局版本引入风险。

图片[1]-软件工程走向“现代化工厂”?谈谈大数据平台软件的企业级部署和运维-JieYingAI捷鹰AI

图片[2]-软件工程走向“现代化工厂”?谈谈大数据平台软件的企业级部署和运维-JieYingAI捷鹰AI

各分支说明

2. 需求从开发到发布(CI)

我们建立了研发流水线,并设计了自动化测试,开发环节效率得到显著提升:目标分支发布到目标环境的效率提高;目标分支合并后产生的包都经过了 12000 个自动化测试用例,研发、测试、运维基于此工作,不会发生基础问题。

图片[3]-软件工程走向“现代化工厂”?谈谈大数据平台软件的企业级部署和运维-JieYingAI捷鹰AI

如图所示:

1)研发在 feature 分支完成需求开发后,向目标分支(如 master 分支)发起 MR,自动触发 CI 流程,将包与镜像推往对象存储,可一键构建到开发环境。(测试及生产环境需要通过发布平台执行。)

2)测试过程中 feature 分支代码变更,会再次自动触发 CI 流程,生成包和镜像,按需一键发布到目标环境。

3)在触发稳定分支(master)合并后,会再次触发 CI 流程,生成正式包,用于发版。

4)bugfix 分支向 release 发起 MR,生成的包用于客户环境问题修复。

3.MR 卡点

如前文所述,在开发环节我们增设了 MR 卡点,来控制产品质量,预防分支合并错误等问题产生。

上述要求是开发环境的强制要求。

测试环境、预发环境除此之外,还额外要求:

图片[4]-软件工程走向“现代化工厂”?谈谈大数据平台软件的企业级部署和运维-JieYingAI捷鹰AI

4. 交付部署(CD)

交付环节,我们同样通过自动化的方式提效。

三、软件工程生产线的最后一步

做到这里,工程生产线基本上改造完成了。相比之前,团队工作上的体感已经大不相同:再也没有出现分支发布到目标环境失败或功能不可用的问题;再也不会出现临时紧急修复一个问题,而影响到了全部版本;也不再出现客户环境部署完成后还有功能不可用的问题。

很多厂商会把部署完成视为交付的最后一步,钥匙交给客户万事大吉。但像前文所说的,数字化进程越深入,客户越要求可靠、连续、稳定地产出数据业务结果,这离不开持续、可靠的运维。

运维是一个“人力”比较重的过程,所以同样会面临需求爆发和质量管控的问题:一位运维工程师通常会负责多家企业客户的运维,同一个客户也会经历不同运维工程师的运维。

对此,解法也是类似的——“运维标准化”,即同一个产品在不同客户环境,有统一的运维方案。从监控告警到日志标准化,从应急操作手册到巡检工具,都通过统一的运维 SOP 和工具完成,来保障运维响应的规范、质量、效率和全面性。

具体而言,我们在运维阶段设置了主被动干预,并增设可选的运维服务作为补充。

© 版权声明
THE END
喜欢就支持一下吧
点赞0 分享
评论 抢沙发
头像
来说点什么吧!
提交
头像

昵称

取消
昵称表情代码图片

    暂无评论内容