DevOps是一个热词，但是毫无疑问，也是未来的趋势。高效率的IT组织常常贴着DevOps的标签，是人们讨论的焦点和学习的对象。2009年时，人人都在讨论如何像Flickr一样一天内完成十几次的部署。今天，人人都谈论如何像Netflix/Pinterest一样基于云基础设施构建大规模、高可用、可伸缩的服务。

如何才能实现DevOps呢？很多人会不假思索地告诉你，使用Chef/Puppet，你就能实现DevOps。于是，DevOps变成了一个简单的问题，选择Chef还是Puppet。这并不奇怪，在开源软件盛行的今天，各种软件声称自己是DevOps工具，而人们通常不会去思考一项新技术或者新思路背后的缘由，人们需要的是“银弹”。

如同Agile，把DevOps等同于工具层面的Chef/Puppet，是错误的，会严重束缚人们的思维。在国内Cloud Native应用开发时代即将开启的今天，充分认识DevOps是很有必要的。

（一）DevOps不仅仅是工具

DevOps是Agile的延伸，Ailge依靠Dev & Biz部门紧密协作，通过增量交付的方式来解决需求多变的难题。DevOps则进一步延伸到IT运维，通过Dev & Ops的紧密协作提高软件交付的质量和频率。人的重要性大于流程，流程的重要性大于工具。这个结论适应于Agile, 也同样适用于DevOps。工具带来的影响是短期的和片面的，流程和人所产生的影响是长期的和全面的。

事实上，大部分人都知道这个道理，只是在潜意识中仍然把DevOps当成Chef/Puppet等工具。建设DevOps的正确步骤应该是充分理解DevOps的原则，认真分析自身需求和条件，选择正确的方法和流程，最后才是选择或构建适当的工具。Learn By Example仍然是学习和建设DevOps的重要途径。在今后的各种会议上，分享DevOps经验会越来越多。我们应该不仅仅关注讲演中提到的工具，更要多关注流程、组织结构和文化方面的分享。

DevOps不仅仅是工具，即便是工具，其也是建设DevOps所需工具链中的可选工具。

（二）Chef/Puppet只是DevOps工具链中的可选工具

DevOps目的是打造标准化的、可重复的、完全自动化的Delivery Pipeline, 其范围涵盖需求，设计，开发，构建，部署，测试和发布。除了需求、设计和开发外，其他的四个步骤都是可以自动化的。自动化是提高可测试性，一致性，稳定性和交付频率的核心。

下图来自IBM Agile, ITITL, Cloud How DevOps brings it all together 。该图非常清晰地解释DevOps如何实现交付的自动化。

图中DevOps流程所需要用到的工具和环境有：

1. 源代码版本控制工具： 比如SVN， Git等。
2. 持续集成工具：比如Jenkins, Bambo等。
3. Artifact存储仓库：持续集成构建后的artifact都统一放在一个仓库中，比如Nexus/Artifactory, 当然也可以是FTP, S等。
4. 置和部署工具：Chef/Puppet/CFEngine, Fabric/ControlTier，也包括新兴的Docker等。
5. Cloud Provision工具：在云环境下，由于任何IT Infra资源都以编程接口提供，意味着Full-Stack Automation (from “bare-metal to running business services”)成为了可能。Cloud provision工具可以自己通过API构建(如Netflix Asgard)，也可以直接使用IaaS服务商提供的扩展服务如AWS CloudFormation & Opsworks，也可以使用第三方工具如Ringscale/Scalr等。相当一部分Cloud Provision本身也集成了Chef/Puppet来实现后续的部署和配置。
6. 测试工具：除了传统的测试工具外，还需要模拟Infra灾难、验证系统健壮性的工具，如Netflix的Chao Monkey。
7. 发布工具：一般情况下，人们需要拥有DTAP四个环境，即开发环境、测试环境、Staging环境和生产环境。每种环境的作用，部署方式和代码版本等是不一样。比如开发环境是持续部署的，测试环境是定期如每天晚上自动部署，Staging和生产环境是手动触发的。
8. 云基础设施：包括AWS/Azure等公有云，Cloudstack/Openstack等私有云。

因此，我们看到，Chef/Puppet只是实现DevOps工具链的可选工具，可以用来实现配置和部署自动化。但是仅靠Chef/Puppet本身无法实现Full-Stack部署自动化。

（三）仅靠Chef/Puppet本身无法实现Full-Stack部署自动化

如果要实现Full-stack Automation，那么就必须实现环境创建自动化，软件安装和配置自动化，应用部署和配置自动化，监控和告警自动化，故障检测和恢复自动化，扩展自动化，如下图所示。

1. 环境创建：创建VMs、网络、存储、负载均衡，协调不同角色VMs的创建过程和配置。
2. 软件安装和配置：操作系统配置，比如创建用户、组，设置ulimit参数等；基础软件安装和配置，比如mysql/nginx。这些软件的特点是变动不频繁。对于Chef/Puppet来说，这个步骤的自动化是其最擅长的。它们都提供大量现成的Recipes，并抽象各种异构系统之间的差异。
3. 应用部署和配置：部署应用代码，比如war包、db脚本、php/rails代码等。这部分的变动是频繁的。对于Chef/Puppet来说，其是可以做这个工作的，但是很多人认为用Fabric/Glu等更为合适。另外，对于复杂的系统来说，如果保证升级期间系统的可用性，系统的各个应用组件需尽量是无状态和松耦合的。如果系统的组件之间是有依赖的，那么升级期间必须动态地协调(Orchestration)、控制好相关组件的行为。
4. 监控和告警：包括OS级别和应用级别的可用性和性能监控。如果发现异常，需要能够自动发出告警信息。
5. 健康检测和恢复：为了应付云基础设施故障，系统需要Design By Failure. 在异常发生时，系统可以发现并进行自动处理。
6. 自动伸缩：一般情况下，业务存在高峰期和低估期。为了节省成本，系统应该是可以自动伸缩的。

对于上述的每一个步骤，看似都存在现成的工具可以用来实现自动化。但是，实现Full-Stack部署自动化从来就不是一件容易的事情，绝非简单通过选择、拼凑相关工具即可实现。Autodesk中国研发中心最近在InfoQ上分享了他们基于AWS的自动化部署实践。文章详细阐述了业务目标，设计目标和限制，和最终的实现方案，是一个非常好的案例。在这里，我们再来分析一下两种差异较大的实现方式。

(1) 基于PaaS的实现方式 (以Cloud Foundry为例)。

貌似这种方式是最完美的方案，Cloud Foundry基本替你实现了上述的所有自动化步骤，应用开发人员只需专注于应用逻辑本身的开发。然而，Cloud Foundry也限制了用户的选择权和控制权，特别是大型的、复杂的、分布式系统，开发人员需要的是Full-Stack可控制性。

(2) Netflix的实现方式。

Netflix除了Leverage AWS的CloudWatch/Auto Scaling Group/ELB等服务外，自己也开发了一序列工具完成了Full-Stack部署自动化。这些工具通过Asgard这个可视化云管理和部署控制台集成起来。另外，Deployable image 这种部署模式虽可简化部署并确保一致性，但是一部分复杂性转移到了应用层面。系统的各个组件是无状态和松耦合，同时还需要Eureka这种服务来实现中间层的负载和failover。

在上述两个案例中，我们都看不到Chef/Puppet的影子。即便是Cloud Foundry自身的部署工具Bosh，但也不是基于Chef/Puppet。 所以，尽管Chef/Puppet非常流行，并且有很多成功案例，但是我们决不能把DevOps = Chef/Puppet。它们只是建设DevOps所需工具链中的可选工具，仅此而已。