13 DevOps 与 SRE
本篇给出从会用 Linux 命令到能把服务稳定跑在 Kubernetes 上、并用 SRE 方法保障线上可用性的完整路径:Linux 与网络基础、Shell 脚本工程、容器与镜像、Kubernetes 编排、CI/CD 发布流水线、可观测性与告警、配置与密钥安全、容量成本与故障应急、SRE 进阶(SLO/变更管理/混沌,可选)。每个阶段都给出可验收的产出和「没掌握不要往下走」的判断标准;配套题目见《与本项目题库的对照》。周期按每天有效学习 4–6 小时折算,并给出在职每天 2 小时的折算参考。版本基线:Kubernetes 1.29、containerd 1.7、Argo CD 2.x、Prometheus 2.5x、Cilium 1.16。
本篇目录
| 编号 | 章节 |
|---|---|
| 13.1 | 阶段 0 Linux 与网络基础 |
| 13.2 | 阶段 1 Shell 与脚本工程 |
| 13.3 | 阶段 2 容器与镜像 |
| 13.4 | 阶段 3 Kubernetes 编排基础 |
| 13.5 | 阶段 4 CI/CD 与发布流水线 |
| 13.6 | 阶段 5 可观测性与告警(Prometheus/Grafana/Loki/OTel) |
| 13.7 | 阶段 6 配置与密钥、安全基线 |
| 13.8 | 阶段 7 容量、成本与故障应急 |
| 13.9 | 阶段 8 SRE 进阶(可选,SLO/变更管理/混沌) |
| 13.10 | 从单机部署到多集群演进 |
| 13.11 | 知识点全清单 |
| 13.12 | 术语表 |
| 13.13 | 官方文档与权威资料索引 |
| 13.14 | 实战项目阶梯 |
| 13.15 | 与本项目题库的对照 |
| 13.16 | 常见误区与避坑 |
| 13.17 | 自测清单 |
一、适用人群与先修要求
1.1 零基础转运维/DevOps
- 起点:会用电脑,没碰过 Linux 命令行。
- 需要先补:计算机基本概念(进程、端口、网络、文件)、一门语言基础、Git 基本操作。
- 路径定位:从阶段 0 起步,先把 Linux 命令与网络排障跑熟,再学 Shell,不要一上来就装 Kubernetes。
- 预计周期:全职学习 7–9 个月;在职每天 2 小时约 12–16 个月。
1.2 后端开发想补运维
- 起点:会写 Java/Go/Node 服务,用过 Docker,但对 K8s、监控、发布流程只停留在「别人帮我部署」。
- 需要先补:Linux 网络与 Shell 排障、容器镜像分层、K8s 资源模型、可观测三件套、SLO 与故障复盘方法。
- 路径定位:阶段 0–1 快速过命令,重点从阶段 2 容器开始;用自己写过的服务做部署对象,比空学 YAML 有效。
- 预计周期:全职学习 4–5 个月;在职每天 2 小时约 8–10 个月。
1.3 已工作补短板
- 起点:能配 CI、能写 K8s YAML,但对 PromQL 不熟、告警误报一堆、故障时手忙脚乱说不清根因。
- 需要先补:指标/日志/链路三件套的查询语言、容量评估方法、SLO 与错误预算、变更管理与故障演练。
- 路径定位:从阶段 5、阶段 7 开始诊断式补课,用线上真实告警与故障驱动;阶段 2–4 中「会用」的部分快速过。
- 预计周期:全职学习 2–3 个月;在职每天 2 小时约 4–6 个月。
二、技术全景与搭配关系
| 组合 | 构成 | 适用场景 | 为什么这么搭 | 替代方案 |
|---|---|---|---|---|
| 单机起步 | 一台 Linux + systemd + Nginx + 脚本 | 内部工具、小流量原型 | 组件少、运维简单、成本低 | 用 Supervisor;容器化用 Docker Compose |
| 容器化 | Docker/containerd + 镜像仓库 + Docker Compose | 多服务、环境一致性要求高 | 打包与环境隔离,开发测试生产一致 | Podman;buildah |
| 编排 | Kubernetes 1.29 + containerd + Helm + Ingress | 多实例、弹性、滚动发布 | 声明式编排、自愈、服务发现 | Nomad;云厂商托管 K8s(EKS/ACK/TKE) |
| 发布 | GitLab CI/GitHub Actions + Argo CD 2.x + 镜像仓库 | 多环境、多集群 | CI 构建镜像、CD 声明式同步 Git | Jenkins;Tekton;Flux |
| 可观测 | Prometheus 2.5x + Grafana + Loki + OpenTelemetry | 所有线上服务 | 指标告警、日志聚合、链路追踪三件套 | VictoriaMetrics;ELK;Datadog(商业) |
| 网络 | Cilium 1.16(eBPF)+ Ingress + 服务网格(可选) | 多租户、网络策略要求 | eBPF 数据面高性能、Network Policy 强 | Calico;Ingress-Nginx;Istio(重) |
| 安全 | Secret(Sealed Secrets/Vault)+ 镜像扫描 + PSP/PSA | 有合规要求 | 密钥不进镜像、最小权限 | Vault;云 KMS;OPA Gatekeeper |
选型核心判断:流量多大、团队几人、故障由谁兜底。不要在单机原型阶段上完整 K8s + 服务网格。
三、学习顺序与阶段划分
阶段 0–1 是地基:Linux 命令、网络排障、Shell。阶段 2–4 是主干:容器、K8s、CI/CD。阶段 5–8 是稳定性:可观测、安全、容量故障、SRE。每个阶段末尾有出口条件。建议用自己写过的一个服务作为部署对象贯穿全程,不要只在教程里敲命令。
四、与题库的配合方式
每完成一个阶段,到题库对应章节做题检验:容器与 K8s 见 08.1 容器化 与 08.2 Kubernetes,CI/CD 与可观测见 08.4 CI/CD 与可观测性 与 08.8 可观测性栈,网络与流量见 08.5 负载均衡与流量接入,GitOps 见 08.7 IaC 与 GitOps,安全见 08.10 云原生安全。详细对照见《与本项目题库的对照》。
五、常见坑与建议
- 跳过 Linux 直接学 K8s:节点 NotReady、容器 CrashLoopBackOff 时只能重启,定位不到根因。
- YAML 能写但不理解控制器调和循环:改了 Deployment 不生效不知道为什么。
- 只配监控不配告警:故障发现靠用户报,SLA 无从谈起。
- 告警阈值拍脑袋:误报一堆,最后全部静音。
- 没做过故障演练:真故障时手忙脚乱,没有 runbook。