大神们,devops 的备份方案有人分享吗?

大神们,devops 的备份方案有人分享吗?这个有人写过吗?

备份主要是涉及到基础环境和数据,应用相关部署配置的内容。

单独讲备份的和DevOps关系不大,内容不多。基础设施备份可以参考多数据中心和多活内容。

另外应用的自动部署和弹性扩展也是解决应用快速恢复的一种能力。

devops下的备份跟传统备份方案差别不大,具体看要备份的内容。你看一下,例如基于容器化的备份方案及虚拟化的备份方案,基于数据库的备份方案,其他备份方案,再往下一层灾备方案,一地两中心,两地三中心等,这些都能搜索。如果要马上开始做可以说服老板做个咨询项目或者服务项目。


大神们,devops 的备份方案有人分享吗?这个有人写过吗?

备份方案?

能打败墨菲的只有备份。

啥都devops

devops要啥备份方案~

devops是个movement,还要备份movement么?????

devops让咨询师们玩出花样了,把人忽悠的,不提敏捷精益devops都出不了门

涉及到基础环境和数据,应用相关部署配置的内容

everything as code 软件配置管理基础

具体备份策略需要根据自己实际情况搞~是meta data,还是generated data,时间、大小、频率

是软件配置管理范畴

devops本身就没有一个唯一的定义~devops黄皮书上都找不到它的定义

如果是应标,小心点儿问,可能会丢标

另外,客户其实也不知道是啥

客户永远不会告诉你想要什么,只会用行动告诉你他不要什么

看看你写的东西,他再回来提意见

看看你写的东西,他再“来回”提意见[奸笑]

你可以把它分解一下~devops既然涉及这么多,你可以一个一个环节写

如果是为了应标,就把这些东西扯到一起,胡吹一通就得了

比如需求咋备份,代码咋备份,制品咋备份,数据咋备份,配置咋备份

你自己能说圆了就行了

千万不要漏了:部署流水线咋备份

不提部署流水线,都不好意说自己是devops专家

不能不提~大家都知道是为了骗


大神们,devops 的备份方案有人分享吗?这个有人写过吗?

所以这不都很明确么,备份方案无非是备份标的,工具,目标介质,备份前检查项,操作步骤,确认备份成功的措施,备份失败的应急措施,备份有效性验证策略,恢复操作步骤,恢复失败的应急措施

然后角色职责,组织和管理机制

还能写出点啥来

组织最重要的资产就是代码,通过pipeline as code,configuration as code, infrastructure as code。可以通过代码定义devops所需要的一切。

资产包括代码,流水线定义文件,配置文件,测试脚本,测试数据,环境定义文件,依赖,镜像等

具体落地就是对各个devops工具的数据进行备份,比如gitlab,Jenkins,nexus,harbor,数据库等

检验备份策略是否有效的一个简单问题是,如果发生灾难,多久能恢复,恢复的程度

BCP

备份资产定义,团队+事件分级响应机制 ,平台与资产恢复能力与机制(比如平台本身是否容器化的),是否异地多活,如果是跨国跨地区,还有7*24服务保证等。

备份不光是资产 还有平台本身。某公司devops平台本身挂了 导致2天内无法构建编译等

所以找了家外包公司 提供7*24监测服务与备份机制

看你的客户场景

甚至devops平台本身容器化 异地多活,包括性能压测等都要通过。 因为平台一挂 什么都完蛋

平台+资产。至少两层保障

其实就拿一个通用的 把我们上面内容加进去就好。先做个mvp

然后你可以发出来 大家帮你评审评审[呲牙]


真北敏捷认证:


真北敏捷,求道连接:


本文内容来自群聊,如有侵权,请留言联系删除。如有赞赏,在相关群发红包。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值