AWS白皮书 – 卓越操作

本文讲解AWS良好架构框架（AWS Well-Architected Framework）里其中五大支柱之一：卓越操作（Operational Excellence）。

卓越操作包含了管理生产负载的运营实践和流程，比如计划的变更如何去执行、如何应对预料之外的运营事故。

变更的执行和响应应当可以自动化进行，所有卓越操作的流程和程序都应该被记录、测试和定期的审查。

设计原则

• 利用代码执行操作：我们可以将所有云环境中的基础架构都定义为代码，并且通过代码管理和更新它们。我们可以将操作步骤做成脚本，通过事件响应来触发脚本的自动执行。这样子可以减少人工的错误，保证对事件响应的一致性。
• 进行频繁、小型、可逆的变更：对工作负载中的组件进行定期更新，并且保证这些更新是小型的、增量的、可逆的。而不是大型的、批量的更新。
• 预见失败：通过“预演”来找出潜在的不足之处，并且从中找到并解决有可能的系统薄弱点。同时可以让操作人员熟悉这个响应过程和处理方法。比如NetFlix的Simian Army中的Chaos Monkey就是专门用来制造随机错误，帮助搭建更加健壮的系统的工具。
• 从失败中汲取经验：通过所有操作事件和失败中汲取经验来推动改进。将汲取的经验在团队内部或整个组织内进行分享。
• 注释文档：所有的文档可以在构建后自动注释，并且可以让注释文档作为你的操作代码输入。同时，需要保证文档的版本持续性地进行更新。
• 经常优化操作流程：寻找机会优化操作流程，组织定期的Game Day促销日来验证流程的有效性，并且让团队成员熟悉这么流程。

定义

云环境的卓越操作主要由以下三方面组成：

• 筹备（Preparation）
  • 团队应该对整个工作负载，他们在其中的角色，以及共享的业务目标有一个共同的理解，从而设置能够帮助业务成功的操作优先级。
  • 你需要通过日志记录以及富有洞察力的业务和技术指标进行观察。
  • 你应该有一致的流程来了解何时准备好启动工作负载。
  • 核心服务：Cloudformation, AutoScaling, AWS Config, Tagging
  • 常见问题：
    • 你使用的云操作流程有什么最佳实践？
    • 你如何进行配置管理？
• 操作（Operation）
  • 团队应该能够掌握工作负载的运行状况，你将系统通过基于运行结果的指标来获取有用的见解。你应该使用这些指标来实施具有业务和技术观点的仪表盘，来帮助团队成员做出明智的选择。
  • 你应该预见操作事件，包括计划内的事件和计划外的事件，并且尽量自动化。
  • 可以创建CI/CD流程 （源代码仓库、系统搭建、测试/开发自动化等）。
  • 核心服务：AWS CodeCommit, AWS CodeDeploy, AWS CodePipeline, AWS CloudTrail
  • 常见问题：
    • 如何在最小变更影响的情况下对的你业务系统进行变革？
    • 如何监控你的系统来保证它可以按预期一样运行？
• 演进（Response）
  • 在出现故障时，保证你的团队能够从失败中汲取经验，并且制定改进计划。
  • 分享团队的学习收获，增加整个团队的收益。
  • 核心服务：CloudWatch
  • 常见问题：
    • 如何处理意料之外的运营事件？
    • 在处理意料之外的事件的时候有什么事件升级的流程？

更多关于卓越操作的资料，请阅读卓越操作支柱 – AWS良好架构框架。