作者：晟白
隨著行業不斷發展，大數據&AI也逐漸呈現云原生化的趨勢。復雜的業務場景及其背后涉及到的不同技術方向的開源和自研，使得產品運維面臨技術復雜度高、規模大、場景多等挑戰。
阿里巴巴云原生大數據運維平臺 SREWorks，沉淀了團隊近10年經過內部業務錘煉的 SRE 工程實踐，今天正式對外開源，秉承“數據化、智能化”運維思想，幫助運維行業更多的從業者采用“數智”思想做好高效運維。
一 SREWorks 是什么？
谷歌在2003年提出了一種崗位叫做 SRE (Site Reliability Engineer，站點可靠性工程師)，它是軟件工程師和系統管理員的結合，重視運維人員的開發能力，要求運維日常瑣事在50%以內，另外50%精力開發自動化工具減少人力需求。
SREWorks 作為阿里云大數據SRE團隊對SRE理念的工程實踐，專注于以應用為中心的一站式“云原生”、“數智化”運維 SaaS 管理套件，提供企業應用&資源管理及運維開發兩大核心能力，幫助企業實現云原生應用&資源的交付運維。
阿里云大數據 SRE 團隊天然靠近大數據和AI，對大數據&AI技術非常熟悉，且具有隨取隨用的大數據&AI算力資源，一直努力踐行“數據化”、“智能化”的運維理念，行業里的 DataOps（數據化運維）最早由該團隊提出。SREWorks 中有一套端到端的 DataOps 閉環工程化實踐，包括標準的運維數倉、數據運維平臺、運營中心等。隨著云原生時代大趨勢的到來，阿里云大數據 SRE 團隊將SREWorks運維平臺開源，希望為運維工程師們提供開箱即用的運維平臺。
二 SREWorks 有什么優勢？
回歸到運維領域的需求，無論上層產品和業務形態怎么變化，運維本質上解決的還是“質量、成本、效率、安全”相關需求。SREWorks 用一個運維 SaaS 應用界面來支撐上述需求，同時以“數智”思想為內核驅動 SaaS 能力，具體包括交付、監測、管理、控制、運營、服務六部分。
體系化運維平臺分層架構
從“質量、成本、效率、安全”四個維度出發看運維本質相關工作，運維除了要搭平臺、建規范、做標準，還要用自動理念提升效率，用數據驅動測試/開發/運維，用智能手段提前發現/預測風險問題等。這些可以看成是方法論。如何能從理論快速獲得一套體系化、工程化、產品化的能力實踐，去支撐滿足上述四個維度的需求，就是 SREWorks 所考慮的問題。
阿里云大數據 SRE 團隊利用分層思想構筑了 SREWorks 平臺產品體系，借鑒經典 SPI（SaaS/PaaS/IaaS）三層劃分思路，SREWorks 由“運維 SaaS 應用場景層、運維 PaaS 中臺服務層、運維 IaaS 接入層”三部分構成。
SREWorks 中還融入了運維規范、標準化思想，利用產品承載自動化流程、數據驅動、智能內核的方法論。從代碼到線上業務服務的整個過程，運維或多或少地參與了其中一些工作，因此，圍繞應用的生命周期，在SaaS場景層劃分了“交付、監測、管理、控制、運營、服務”六大區。如下圖所示，每塊內容里都有代表性的核心功能。
SREWorks 中統一以應用抽象來描述業務系統，在開發人員將研發完成的應用制品交付上線后，就會對線上應用實例生命周期進行監測、管理、控制。SREWorks所擁有的運維數據能力會提供增值化的運營、服務，為有需要的人員提供便捷的視圖、管理能力等。
“交付、監測、管理、控制、運營、服務”六大場景在SREWorks產品手冊中有詳細的定義及邊界說明。
完整的數據化運維體系實踐
一套數據化運維體系，會把所有系統的運維數據全部采集起來、真正打通，并深度挖掘這些數據的價值，為運維提供數據決策；同時構建數據化運維業務模型，基于該模型建立標準化運維數倉，建設數據運維平臺，在平臺中規范運維數據的采集、存儲、計算及分析，并提供一系列數據化服務，供上層運維場景使用。
有了運維相關的量化數據，對運維工作的描述和衡量將更加立體化，可以建立長期可持續優化的運維工作模式，實現真正的運維價值。
服務化的 AIOps 智能運維平臺
在阿里云大數據 SRE 團隊看來， AIOps 的出現并沒有改變運維的表現形式，依舊還是“交付、監測、管理、控制、運營、服務”的界面，只是在大量運維數據化工作的基礎之上，利用AI能力探索、挖掘智能化運維場景。因此，在一開始構筑 AIOps 工程實踐時，就堅持打造“感知、決策、執行”的閉環，類似自動駕駛的理念。
SREWorks將量身定制的算法與運維場景化結合，能夠提前預測、關聯分析，增強風險預防、故障定界定位能力，實現傳統手段無法獲得的運維價值。具體而言，將每一個智能化的運維服務包裝成感知的“監測器”、決策的“分析器”、執行的“策略器”，供健康管理、變更管理等系列服務調用，即可增強已有運維場景，解決一些普通手段無法解決的問題。
運維中臺化、低代碼化及云原生化運維開發體驗
SREWorks 套件自身也是云原生化的應用，并且采用運維中臺思想構建，在中臺里構建大量的PaaS 化運維服務能力，在前臺圍繞“交、監、管、控、營、服”六大場景提供SaaS 化運維場景應用。
大部分頁面為企業后端控制臺類系統，不太需要很酷炫的交互設計，故而，運維開發領域的前端開發始終難于追趕前端流行趨勢。針對這些特點，SREWorks 創新性地設計了一套 Serverless 體驗的前端開發模式。
三 為什么要開源？
阿里云大數據 SRE 團隊之前在多次技術分享時重點介紹過“DataOps、AIOps”的能力，但都是純理論層面的介紹。具體在 SRE 領域，到底在工程實踐上實現這一套理論？對運維的需求、界面、內核這三層的理解如何落地？為了把數據化、智能化這套數智內核故事講明白，阿里云大數據 SRE 團隊將具有低門檻、高效率特點的云原生運維平臺SREWorks開源出來。他們堅定地認為，運維團隊更需要擁抱云原生，只有這樣，運維才能在云原生浪潮下找到一席之地。
該團隊也希望， SREWorks 的開源，能讓更多從業者使用“大數據和AI”的能力做好運維，實現“數據+智能”的運維平臺內核。據介紹，SREWorks背靠阿里云計算平臺系列“大數據&AI”產品，如 MaxCompute、Flink、DataWorks、Hologres、Elasticsearch 等，開源版中同樣選取了這些產品對應的開源版本，比如開源版 Flink、Elasticsearch 等。
四 后續規劃
SREWorks平臺目前每個月會進行一次迭代開發任務，后續將由版本管理員統一維護合入相關功能及問題修復等內容，以保證最新的云原生化運維能力持續進入后期版本中。
當前， SREWorks 中有一套 OAM（Open Application Model）規范的工程化實踐，可以把該實踐看成是 SREWorks 的核心引擎。圍繞該引擎，SREWorks團隊建設了系列運維中臺服務，包含自動化、數據化、智能化能力，之后也將跟隨社區 OAM 規范的發展，持續迭代。
五 寫在最后
今天 SREWorks 的開源只是邁出的一小步，非常期待得到開發者的反饋。SREWorks中也設計了插件化擴展能力，歡迎使用 SREWorks 來打造屬于自己的運維平臺。最后，如果您對 SRE、DataOps、AIOps 或云原生等領域有興趣，都可以參與到我們的建設中來，這將是我們莫大的榮幸，一起交流，一起打造最具特色的 SRE 云原生運維平臺！
