DevOps的构建之路与案例分享课件.ppt

这样PK，效率多低？另外，讨厌PM或者QA吗 在实验室中证明 性能Bug 这不影响用户体验吧？ 我觉得可以接受 决策上升 要改 我的环境没这问题 测试数据稳定吗？你都不复现，我怎么查 限制业务规模 延后/预加载 移到子线程 要我原子优化？你测到不卡就足够了，别搞那么复杂 发布：外网投诉 测试不是证明过体验够好了吗？ 这不关我的事啊，是历史问题/系统问题 * DevOps 体系 需求发起 服务和设备虚拟化 持续部署与交付 版本加速上线 高可靠保证 一切皆代码 精益管理和产出 快速度量及反馈 消除沟通、利用资源、定位简单、稳定快速、过程自动 DevOps 带来的收益 * CMDB 持续反馈 持续测试 持续监控 持续发布 持续集成 微服务架构 持续整合 Amazon：11.6s—1079/hour—10,000 ---30,000 DevOps的理解 1. 持续测试将成为关注热点 2. 开发、安全和运维一体化——“DevSecOps” 3. DevOps指标日益受到关注 * Part 2： DevOps演进路线举例 * * 数据度量与分析的实例 * User Story Number; Current finished iterations number; Recent finished iterations number; Warehouse Number Submission Number Submission frequency Build number Build frequency Build time Success rate of Build Average recovery time Lines of code Loop complexity Bug Number Test Case number Test Case coverage Test Case Result ------For Unit Test API Automation GUI Automation Manually DB and others Performance Test result Security Test Result Env change time Env change frequency Dependency relation Env configuration DB configuration Disaster recovery and backup Security Level Release history Release Note Requirements delivery cycle Publishing strategy Deployment frequency Deployment success rate Deployment Time Changing lead time Resource monitoring info(CPU, I/O, Memory) Service and application monitoring info (Performance, Concurrency ) Product issue statistics Product issue recovery time Aim to Business Continuity and Qualitied Continuous delivery Core OKR/KPI in DevOps: Quality, Throughout, Stability, Mean time for changes, MTTR, Deployment frequency, Change failure rate. 设定KPI/OKR考量体系（扩展到其他端） * 习惯培养及度量数据驱动改进 重点是对原则的坚持 频繁集成 红灯修复 建立度量指标模型 结果指标 过程指标 数据驱动持续改进 1 2 3 4 实施情况总览、分团队总览 数据筛选和下钻，各团队数据 核心数据汇总，环比变化趋势 自动分析和异常报表推送邮件 * 为什么做持续集成 * 持续集成其他相关联部分 * 持续集成-某DevOps框架说明 * Roadmap Design Evaluation and consultation Solution Design DevOps Modeling Change Mgr, Design Compiler integration Pipeline Platform Code Scan xUnit API GUI Automation Performance Testing Test Data Preparati