值班工程与告警疲劳治理
值班不是「排个班表」，而是一套需要工程化设计的系统。本文讲透告警疲劳的成因、值班轮换与主备/影子制度、告警分级与路由升级、去重聚合抑制与基于 SLO 的降噪、告警与 Runbook 的绑定、交接与复盘，以及值班健康的度量指标与常见坑，帮助团队把值班从沉重负担变回可靠底座。
category
devops
共 67 篇文章。
基础设施代码测试：Terratest、Kitchen 与 InSpec
基础设施即代码同样需要测试金字塔。本文把静态检查、plan 校验、Terratest 真实资源集成测试、Kitchen 配置收敛验证、InSpec 合规基线串成一条链路，讲清各自的边界、成本控制、隔离策略与 CI 集成方式，并给出可落地的分层测试方案与常见坑。
发布列车与版本节奏治理
发布列车（Release Train）用固定节奏替代随到随发，把不可预测的交付变成可预期的时刻表。本文讲清列车的模型与时刻表设计、SemVer 与 CalVer 的版本号策略、发布分支与热修复通道、变更冻结窗口、版本兼容与回滚，以及列车治理的度量指标与常见坑。
依赖升级自动化：Renovate 与 Dependabot 实践
依赖升级不是「有就升」，而是一套可治理的流程。本文对比 Dependabot 与 Renovate 的配置模型，讲透分组与调度、语义化版本与范围策略、自动合并门禁、Monorepo 与 lockfile 处理、供应链安全联动，以及大规模依赖治理的度量指标与常见坑。
单仓多包的 CI 策略与受影响分析
单仓（monorepo）把几十上百个包放进一个仓库后，CI 的最大挑战从「怎么构建」变成「该构建什么」。本文讲透受影响分析（affected）的依赖图原理、任务图与流水线编排、并行度与资源分配、制品在包之间的传递、合并队列与主干保护，并给出分阶段落地路径与常见坑。
构建系统与远程缓存：Bazel、Nx 与 Turborepo 的取舍
从任务图、增量构建与远程缓存三层能力出发，对比 Bazel、Nx 与 Turborepo 的核心模型：Bazel 的内容寻址与远程执行、Nx 的项目图与计算缓存、Turborepo 的轻量管线，并给出缓存键设计、存储隔离、失效策略与选型矩阵和落地路径。
可观测性驱动的发布验证与自动回滚
用可观测性数据自动判断发布是否成功：设计发布健康信号、用指标做自动判定、用日志与链路做佐证、构建自动回滚机制、把金丝雀与渐进发布接上健康校验、用 SLO 做发布门禁，以及发布复盘与持续改进的完整落地方法。
策略即代码：OPA、Conftest 与合规门禁
把合规与治理规则写成可测试、可版本化的代码：OPA 与 Rego 的核心模型、Conftest 在 CI 中做配置门禁、Kubernetes 准入策略、Terraform 计划阶段的 IaC 校验、策略的分发与版本管理、带有效期的例外豁免，以及用指标驱动的治理闭环。
制品管理与供应链溯源：从仓库到 Provenance
制品管理与软件供应链溯源：镜像仓库与包仓库的选型、制品晋升与不可变标签、SBOM 软件物料清单的生成与消费、Sigstore 签名与 SLSA 来源溯源、供应链安全门禁，以及制品保留策略与端到端可追溯性审计。
配置管理：Ansible 与不可变基础设施的取舍
配置管理的两条路线之争：Ansible/SaltStack 的收敛式配置管理与不可变基础设施的镜像化部署如何取舍。讲清 Ansible 核心模型、幂等与收敛的语义、Playbook 与 Role 的组织方式、大规模编排、状态漂移检测，以及两类方案的混合策略与迁移路径。
运维自动化与 Runbook as Code 实践
把重复的运维劳动变成可编排的自动化：如何识别与量化 toil、用 Runbook as Code 把操作手册变成可执行代码、用编排框架串起多步操作、设计安全的自愈与自动修复、给值班减负，以及自动化收益的度量与安全边界。
DORA 四项指标与工程效能度量体系
从 DORA 四项指标出发构建工程效能度量：部署频率、变更前置时间、变更失败率、恢复时间各自的定义与采集口径，数据来源与埋点设计，指标背后的能力模型，度量沦为 KPI 的反模式，团队级与组织级分层度量，以及用指标驱动改进闭环的落地清单。
CI/CD 流水线安全：供应链攻击防御与硬编码凭证治理
加固 CI/CD 流水线：攻击面与威胁模型、短时令牌与动态 Secret（OIDC/Vault）、Runner 隔离与最小权限、签名与 SBOM 门禁、Gitleaks 硬编码凭证治理、审计检测与事件响应、供应链防御纵深。
多云与混合云工程：成本、身份与统一编排
多云与混合云落地指南：动机与代价决策、统一 IaC（Terraform/Crossplane）、跨云身份与 IAM 联邦、成本聚合与 FinOps、网络与数据引力、双活与备份容灾、统一可观测性、组织与流程。
AI 辅助运维：GenAI 在事件响应与排障中的实践
GenAI 落地运维场景：事件分类与摘要、RAG 接入知识库与 runbook、根因建议与排障助手、AI 告警降噪、大模型调用安全与幻觉控制、辅助而非自动化的边界、用 MTTR 与摘要准确率度量效果。
开发者体验与内部开发者门户：平台工程落地
平台工程落地指南：开发者体验与黄金路径、内部开发者门户（Backstage/Port）、自服务脚手架与环境即代码、能力目录与评分、用 DORA/SPACE 指标度量 DX、安全与治理、组织变革路线。
软件供应链安全：SBOM、签名与依赖漏洞治理
纵深防御软件供应链：SBOM 生成与审计（Syft/Grype/CycloneDX）、镜像与产物签名（cosign/Notary）、依赖策略与锁文件、SCA 扫描进流水线门禁、SLSA 与零信任发布、CVE 应急响应。
MLOps 流水线：模型训练、评估与发布的 CI/CD 实践
把 CI/CD 思想引入机器学习交付：训练/评估/注册/发布全链路流水线（Kubeflow/Airflow/MLflow）、模型与数据集版本化、CI 里的数据漂移测试、金丝雀与 A/B 发布、GPU 编排与模型监控回滚。
备份与容灾自动化：RPO/RTO、Velero、PITR 与恢复演练
深入讲解备份与容灾自动化的 DevOps 工程化：RPO/RTO 定义与分级、备份策略（全量/增量/差异）、跨云灾备架构（主备/多活）、Kubernetes 备份（Velero）、数据库备份（PITR）、恢复演练与混沌验证、备份监控与合规以及自动化脚本。
配置漂移与安全基线：IaC漂移检测、CIS合规、供应链安全与密钥轮换
系统讲解基础设施配置漂移治理与安全基线建设，涵盖IaC漂移检测、CIS Benchmark合规基线、策略即代码、供应链安全（SBOM/镜像签名）、密钥管理与自动轮换、审计追踪，构建从声明到现实的持续合规体系。