aiwiki.page
中文
计算机 / 软件与编程 / infrastructure-as-code

基础设施即代码

基础设施即代码通过机器可读的定义管理计算基础设施,实现自动化配置、可重复的变更及基于软件的运维管控。

41 个关键词9 个词条链接到这里17 个尚未撰写AI 撰写
云计算软件工程版本控制虚拟机编程语言基础设施即服务平台即服务无服务器计算基础设施即…

基础设施即代码(Infrastructure as Code,简称 IaC)是通过机器可读的配置或程序来定义和管理计算基础设施的实践,而非主要依靠人工管理流程。这些定义描述网络、服务器、存储、身份和托管服务等资源,以及它们的配置和相互关系。软件解析这些定义,并对物理系统、虚拟化平台或服务接口执行操作。IaC 通常与云计算联系在一起,但也适用于私有数据中心、网络设备和混合环境。

IaC 的重要性在于将基础设施变更纳入软件工程的工作方式:基础设施定义可以纳入版本控制,接受审查和测试,并通过自动化流程部署。由此,基础设施不再是一系列缺乏文档记录的操作,而成为可检查、可重复构建的工程产物。这并不意味着基础设施能够被完全复现,也不意味着运维风险就此消失。远程服务、持久化数据、权限、软件版本和局部故障,都会影响基础设施定义与实际存在的系统之间的对应关系。

范围与概念边界

IaC 涵盖若干相互关联、作用于不同层面的活动。资源供应负责创建或移除基础设施资源,例如虚拟网络、子网、虚拟机及其挂载的存储卷。配置管理负责设定现有环境内部的属性,例如已安装的软件包、服务设置或用户账户。部署则将应用组件放入该环境中。一个系统可以同时处理其中多项活动,但区分这些活动仍然很重要,因为它们的故障模式和生命周期各不相同。

典型的基础设施定义会同时指定对象及其关系。一个 Web 服务可能需要一个网段、两个应用实例、一个负载均衡器、一份证书和一个数据库。其描述可以明确哪些实例接收流量、哪个身份可以读取机密信息,以及允许哪些网络路径。因此,最终生成的定义文件并不只是一份资源清单。它还记录了系统的部分运行结构,包括决定资源创建或变更顺序的依赖关系。

IaC 并不局限于某一种文件格式。YAML、JSON、领域特定语言以及通用编程语言都可以作为输入。反过来,配置文件也不一定是基础设施定义:仅包含少量应用偏好设置的文件,可能根本不管理任何资源的生命周期。用于创建基础设施的 shell 脚本可以归入广义的 IaC,但如果脚本不具备变更检测、依赖关系处理或可重复执行的能力,它所能提供的保障就少于专门的管理系统。

IaC 与基础设施即服务之间的界限也很重要。IaaS 描述的是一种由服务提供商供应计算资源的服务交付模式,而 IaC 描述的是如何定义和管理资源。组织既可以通过 Web 控制台手动使用 IaaS,也可以使用 IaC 控制自有设施中的资源。同样,平台即服务和无服务器计算也不会使基础设施定义消失:部署仍然涉及权限、端点、伸缩设置、执行环境和服务之间的关系。

IaC 并不是对运行中系统所有方面的权威描述。应用数据、临时连接、动态选择的地址以及由平台控制的副本,可能不在其预期管理范围之内。有效的实现会区分直接管理的属性与交由其他控制器管理的属性。如果缺少这条边界,两个自动化系统就可能反复覆盖彼此的变更,即使它们各自的行为都符合自身配置。

历史发展与主要工具类别

基础设施即代码(IaC)源于早期系统管理自动化的探索。早在公共云服务出现之前,安装脚本、批处理作业和机器配置文件就已存在。随着组织管理的联网计算机规模不断扩大,这些手段的局限性愈发明显:管理员需要能够表达反复适用的策略、检测偏离策略的情况,并在无须逐台登录机器的情况下实施变更。由马克·伯吉斯开发、于1993年首次发布的 CFEngine,是早期以策略驱动配置管理的重要系统。

新一代工具将这些理念发展为广泛使用的框架。Puppet 于2005年首次发布,通过声明式语言描述软件包、文件和服务等资源。2009年发布的 Chef 则使用基于 Ruby 的框架来表达配置。两者都被用于管理大规模服务器集群,并与当时兴起的 DevOps 运动紧密相连;这一运动强调软件开发与运维之间的协作。这些工具推动基础设施定义、可复用模块和自动收敛成为成熟的运维实践。

公共云平台改变了管理的对象。组织不再只是配置已有的计算机,还可以通过应用程序编程接口申请网络、实例、存储及其他服务。亚马逊云科技于2011年推出 AWS CloudFormation,使相关联的 AWS 资源能够以堆栈的形式进行描述和管理。Ansible 于2012年首次发布,其自动化模型通常通过现有通信机制执行远程操作,而不要求在每个目标上安装专用的管理代理。

HashiCorp 于2014年首次发布的 Terraform,推广了一种基于提供程序、跨多种服务进行基础设施资源配置的方法。提供程序将通用资源管理框架中的操作转换为特定平台支持的操作。Pulumi 于2018年公开推出,支持使用通用编程语言编写基础设施定义,并由部署引擎管理资源和状态。这些方法在语言设计和执行细节上有所不同,但都体现了基础设施意图的编写与远程操作的执行相互分离。

另一个相关的发展是容器编排的兴起。Kubernetes容器编排系统 于2014年首次对外公布,将声明式资源对象和持续运行的控制器置于容器化工作负载管理的核心。IaC 的涵盖范围逐渐扩展,既包括集群的资源配置,也包括在集群内部应用的定义。2023年,Terraform 更改许可证后,OpenTofu 项目作为其开源软件分支成立。这段历史表明,IaC 是一系列实践和架构的统称,而非单一产品的发展谱系。

声明式描述、过程式程序与收敛

在基础设施即代码中,最常见的区分是声明式编程与命令式编程两种方式。命令式过程指定要执行的操作:创建网络、创建服务器、将服务器接入网络,然后启动服务。声明式描述则指定预期状态,例如一台使用特定镜像并接入特定网络的服务器。执行引擎负责确定需要采取哪些操作才能接近该状态。在实践中,这两类方式有所重叠:声明式系统可能调用脚本,而用通用编程语言编写的程序也可能构建声明式资源图。

一个核心概念是幂等性。如果重复执行某项操作与只执行一次在相关方面产生的效果相同,那么该操作就是幂等的。若 ff 表示对状态 ss 执行的配置操作,其理想化性质为

f(f(s))=f(s).f(f(s)) = f(s).

例如,确保某个目录存在的操作可以是幂等的;而每次运行时都向文件追加一行相同内容,通常就不是幂等的。幂等性有助于提高重试的安全性,但它是具体操作及其实现所具有的性质,并不是把指令存入文本文件就能自动获得的。

收敛与幂等性相关,但两者并不相同。具有收敛性的控制器会反复观测系统并执行纠正操作,直到观测到的状态满足其规约。若 DD 为期望配置,RtR_t 为时刻 tt 观测到的实际状态,则可以用以下简化模型表示:

Rt+1=F(Rt,D).R_{t+1} = F(R_t, D).

在符合要求的不动点上,受管理的状态已不存在需要采取操作来消除的差异。实际控制器面对的是不完整的观测、延迟的响应以及同时发生的外部变更,因此,能否收敛取决于对环境所作的假设。如果账户缺乏权限,或者提供商的可用容量已经耗尽,控制器就无法创建资源。

声明式描述在允许使用多少过程式逻辑方面也各不相同。模板可能只允许使用表达式和引用,而其他系统则支持循环、函数、类和程序包库。表达能力更强的语言可以减少重复,并实现复杂的抽象。但它们也会引入执行依赖、不易察觉的行为,以及使基础设施声明依赖外部服务或本地机器状态的可能性。如果程序在生成资源时查询了一个不断变化的端点,那么即使使用同一源代码修订版本,也可能产生不同的结果。

因此,实际目标是受控的可重复性,而非在任何情况下都保证数学意义上的确定性。固定工具版本、提供商组件版本、机器镜像和模块依赖,可以减少变化。显式输入可使不同环境之间的差异清晰可见。即使采取了这些控制措施,提供商仍可能停用某种实例类型,或更改服务约束。完整的基础设施定义,是在其所依赖平台的能力和语义范围内表达意图。

资源图、规划与执行

大多数资源配置引擎在内部都将基础设施表示为依赖图。资源是节点,依赖关系则是约束执行顺序的边。如果一台虚拟机需要引用某个子网的标识符,通常必须先创建该子网,才能创建这台虚拟机。依赖关系可以从表达式中推断出来;如果某种关系源于操作上的要求,而非直接体现在属性中,也可以显式声明。即使可见的依赖图没有问题,隐藏的依赖关系仍可能导致失败,例如某项服务必须等到新授予的权限生效后才能正常运行。

对于无环图,可以通过拓扑遍历得到合适的执行顺序。相互独立的分支可以并发执行,从而缩短部署时间。但这种并行计算并非没有限制:提供方会设置请求配额,资源会争用共享限额,而且有些操作必须串行执行。依赖环需要特殊处理。例如,两个相互引用的安全对象可能需要先分别创建,再通过单独的规则资源将它们关联起来。

许多工具将规划与应用分开。规划阶段会对定义求值,获取现有资源的相关信息,并提出创建、原地修改、替换或删除等操作。执行计划让可能造成中断的变更在执行前就清晰可见。替换一个数据库实例与修改一个标签有本质区别,即使两者都源于仅一行的修改。某个属性能否原地修改,取决于提供方的资源模型以及远程服务的能力。

执行计划并不保证未来的条件保持不变。从规划到应用之间,其他运维人员可能修改某个资源,配额可能被占用,外部依赖也可能消失。有些值只有在资源创建后才能确定。保存执行计划可以使实际执行更严格地遵循已审核的方案,但无法冻结外部环境。因此,工具需要检查状态是否过时、输入是否变化,以及执行的前置条件是否满足。

基础设施部署也很少像单个数据库事务那样运作。网络创建成功后,实例启动可能失败,留下仅完成一部分的环境。引擎可能尝试清理或回滚,但补偿操作也可能失败,而且删除资源不一定能撤销所有副作用。因此,要实现可靠执行,就需要记录进度、区分可重试的错误、在销毁资源时遵守依赖顺序,并明确呈现未完成的工作,以便后续进行协调,使实际状态与预期状态一致。依赖图有助于组织操作,但不能将分布式的多个服务变成一个具有原子性的系统。

状态、资源标识与配置漂移

IaC 系统必须区分三类信息:期望配置、管理工具维护的记录,以及环境中实际存在的资源。这三者可能并不一致。配置可能要求部署三台服务器,工具可能记录了三个远程标识符,而提供商可能报告其中一台服务器已被手动删除。要使系统正确运行,就必须协调这三种视图,而不能假定其中任何一种始终反映最新情况。

一些资源部署系统会维护显式的状态快照,将逻辑资源地址与远程标识符关联起来。应用服务器资源之类的逻辑名称,不一定就是云平台为其分配的标识符。这种映射使引擎能够更新目标对象,而不是创建重复对象。状态还可能包含计算得出的属性、依赖信息,以及提供商返回的敏感值。另一些系统则将相应的管理信息保存在托管服务中,或更多地从资源对象中推导这些信息;它们不一定会提供可直接访问的本地状态文件。

资源标识使重构具有实际的运维影响。重命名变量通常只是源代码层面的变更,但重命名受管资源的地址,在引擎看来可能意味着删除一个对象并创建另一个对象。工具可能支持显式的移动声明或状态迁移命令,以保留这种映射。同样,导入现有资源,就是将原先在其他地方创建的资源纳入管理。导入并不总能生成完整且易于维护的声明,而且导入后的配置仍须与应继续纳入管理的属性相匹配。

配置漂移是指受管设置的预期状态与实际状态之间出现偏差。其原因可能包括紧急情况下的手动修改、其他自动化系统的操作、提供商端的默认设置,或通过控制台进行的更改。漂移检测通常会将刷新后观测到的实际情况与声明的配置进行比较。解决方式可能是将实际设置恢复为声明的状态、修改声明以接受新状况,或移交管理权。当某些属性有意交由自动伸缩服务或外部运维人员控制时,盲目覆盖所有差异并不合适。

共享状态带来了协调方面的要求。如果两个执行过程同时修改同一份管理记录,就可能相互覆盖信息,或基于彼此不兼容的假设采取操作。远程后端通常提供锁定或相关的并发控制机制,但针对某一状态作用域的锁,并不会自动保护整个组织中的所有资源。状态也需要数据备份、访问限制和恢复流程。记录丢失不一定会破坏基础设施,但要重建正确的管理归属和资源映射可能十分困难,尤其是在多个部署管理着相似对象的情况下。

模块、环境设计与归属

如果每次部署都各自重复定义网络、身份、日志设置和服务配置,基础设施定义就会变得难以维护。模块通过将相关资源封装起来,并为其定义输入和输出,来解决这一问题。例如,一个模块可以创建私有应用服务并对外提供其端点,同时接受容量、网络位置和身份等参数。模块构成了一道抽象边界:使用者只需与其接口交互,而不必处理内部的每一项资源。

良好的模块设计既要考虑语法上的便利,也要遵循运维边界。基础网络可能很少变更,由中央平台团队负责;应用服务则可能每天都在变化,由产品团队负责。将两者合并到一次部署中,会使权限、发布时机和故障影响范围相互耦合。然而,将每一项细小资源都拆分出去,又会造成过多的跨部署依赖。因此,合适的划分单元通常是生命周期一致、职责归属明确的一组资源,而非单个资源或整个企业的基础设施。

环境引入了另一个维度。开发、测试和生产环境通常共用结构性定义,但在容量、数据保留、隔离程度和访问权限方面有所不同。参数化可以表达这些差异,但条件分支过多,会让一个名义上共用的模块表现得像几个互不相关的系统。相比仅依靠名称或标签,采用独立的账户、项目或订阅可以实现更强的隔离。工具的工作区功能或许能够隔离变量和状态,但其安全性取决于后端、凭据以及周边平台的管控措施。

对模块进行版本管理,可以让变更清晰可见。使用者将模块固定在某个发布版本后,就可以先评估更新,再决定是否采用。兼容性不仅涉及输入名称:即使接口在语法上仍然有效,将默认行为从保留存储改为删除存储,也是一项重大的行为变更。提供程序升级同样可能改变校验方式、属性处理方式或是否替换资源的判定。依赖锁定文件、发行说明和迁移测试,有助于区分有意的演进与意外行为。

复用并不会自动带来可移植性。封装多个云平台的模块或许能够提供统一接口,但网络、身份、一致性和托管服务方面的差异依然存在。如果只保留各平台最基本的共同功能,以此隐藏所有差异,就可能丢失有用的平台能力;如果将每一处差异都暴露出来,又可能使抽象失去意义。因此,IaC 的可移植性并非非有即无,而是存在不同程度。共用的工作流程和设计约定或许很容易迁移,但资源定义和运维假设仍然依赖特定的提供商。清晰的职责归属和明确的接口,往往比表面上的通用互换性更有价值。

审查、测试、交付与 GitOps

IaC 使基础设施变更能够接受与应用程序变更大体相同的管控。存储在 Git(版本控制系统) 中的定义可以关联到作者,以变更集的形式接受审查,并与审批记录关联。代码审查可以在执行前评估网络暴露情况、资源替换、权限变更和预期支出。仅查看源代码差异并不足够:对共享模块或输入参数的一处小改动,可能影响数百个资源,因此,生成的执行计划是代码的重要补充。

测试分为多个层次。格式和语法检查用于发现格式不正确的定义。静态验证无需构建完整环境,即可检查类型、引用以及部分提供程序的约束。单元测试式的测试可以检查生成的资源属性,例如是否启用了存储加密,或是否禁用了公共访问。集成测试则创建真实资源并验证其交互,包括连通性、身份权限和服务行为。每个层次回答的问题都不同,通过静态检查并不意味着部署一定能够成功。

持续集成流水线可以在提交变更提案时执行这些检查。随后,持续交付流程会准备或执行已获批准的部署。视组织的具体情况而定,低风险变更可以自动推进,而敏感变更则需要明确授权。在需要更严格管控的场景中,执行变更所用的身份应与普通开发人员的身份分离。日志可以将源代码修订版本、执行计划、审批和执行结果串联起来;不过,如果运维人员能够通过未被记录的途径修改资源,这条记录链仍然是不完整的。

GitOps 是一种相关的运维模式:用纳入版本管理的声明式定义表示期望状态,并由软件代理自动拉取这些定义、持续协调实际状态与期望状态,使二者保持一致。它尤其常见于 Kubernetes 领域,但其决定性特征并非某种特定的文件格式或平台。在提交代码后运行基础设施命令的流水线,不一定就是基于拉取机制、持续协调状态的系统。GitOps 还需要制定策略,以处理依赖关系、协调失败,以及用于建立对代码仓库本身访问能力的引导组件。

成本和持久性影响增加了测试与交付的复杂性。完整的生产规模测试环境可能成本高昂,也可能因配额限制而无法建立。共享测试资源可以降低成本,但也会引入相互干扰。临时环境需要可靠的销毁机制,包括妥善处理清理前发生的故障。测试数据也必须与生产数据区分开来。基础设施自动化可能成功创建数据库服务,但其模式、内容或迁移顺序仍不适合应用程序。这些问题使基础设施交付与应用程序发布工程相互关联,但二者并不等同。

安全、策略与软件供应链

基础设施定义是与安全密切相关的程序。它们可以创建具有特权的身份、将服务暴露到互联网、更改加密设置,或删除存储资源。因此,部署流程一旦遭到入侵,其影响可能远远超出单个应用。最小权限原则既适用于所创建的资源,也适用于创建这些资源的自动化身份。获准管理某个应用的流水线,并不因此就需要拥有修改账户内所有身份或网络的权限。

机密信息带来了特殊挑战,因为基础设施工具经常会接触敏感属性。密码、私钥和服务令牌可能出现在变量、生成的执行计划、状态快照或日志中。将某个值标记为敏感,可能只是隐藏其显示,并不会将其从已存储的数据中移除。对静态数据和传输中数据进行加密、限制对后端的访问、谨慎处理日志以及限制保留期限,分别应对这一问题的不同方面。机密管理服务可以减少在代码仓库中存储长期凭据的需求,但部署流程仍然需要通过经过身份验证的方式访问这些机密。

策略即代码以机器可评估的形式表达组织的约束。策略可以要求使用特定区域、禁止不受限制的入站访问、限制实例规格,或要求添加归属标签。策略可以检查源定义、生成的执行计划或实际运行的资源。这些检查位置提供的可见性各不相同:检查源定义可能遗漏生成的值,而检查执行计划则可能遇到只有在执行过程中才会确定的未知值。即使基础设施变更发生在 IaC 工作流之外,预防性的平台管控措施也能强制执行限制。

工具链本身也是软件供应链安全的一部分。提供程序、模块、容器镜像、语言软件包和流水线扩展,都可能以部署权限执行代码。恶意依赖项可能在看似常规的基础设施操作中窃取凭据或修改资源。版本约束、可信分发渠道、校验和验证以及数字签名可以支持完整性管控,但不能据此认定代码的行为是安全的。依赖项既需要来源管控,也需要适当的评估。

IaC 还能让相关证据更容易获取,但并不保证合规。版本历史可以显示某项定义发生了变化;执行记录可以显示尝试执行了哪些操作;提供程序的审计日志则可以显示实际发生了哪些远程请求。这些记录相互关联,但各有不同。要完整还原一次涉及安全的变更,可能需要将这三类记录关联起来。安全分析还必须考虑运行时条件、应用行为和手动访问路径,因为声明符合要求,并不能证明实际运行的系统始终保持合规。

可靠性、恢复与实际局限

IaC 通过保存重建基础设施所需的指令,可以让恢复工作更加系统化。在灾难恢复中,这些定义可以在替代环境中重新创建网络、计算资源和服务配置。但仅靠这些定义,无法恢复应用数据、外部依赖或运维知识。恢复仍然依赖于可用的备份、加密密钥、域名控制权、可用容量,以及能够安全恢复各项依赖服务的操作顺序。能够复现一个空数据库,并不意味着应用已经恢复。

变更基础设施也不同于回退应用源代码。回到较早的一次提交,并不能保证恢复到先前的状态。已删除的数据可能无法找回;旧的机器镜像可能已不可用;提供商也可能拒绝过去曾接受的配置。数据库迁移可能导致旧版应用与当前数据不兼容。因此,回滚可能需要从备份恢复、通过后续变更修复问题,或执行另行设计的替换流程,而不是简单地应用旧版声明。

替换策略需要在可用性与资源需求之间权衡。先创建新资源、再销毁旧资源,可以减少服务中断,但可能需要剩余配额、兼容的命名方式,以及转移流量的手段。某些资源名称必须唯一,某些关联关系则不允许新旧实例同时存在。负载均衡可以支持应用服务器分阶段迁移流量,而有状态系统还需要额外关注同步与一致性。自动化能让这些约束显现出来,却无法消除它们。

运维风险还取决于部署范围。对单个服务实施变更,与修改数百个服务共用的网络模块,潜在影响并不相同。划分独立的部署单元、分阶段发布、对破坏性操作要求明确审批,以及设置资源保护,都可以限制失误造成的后果。这些管控措施可能拖慢某些变更,但基础设施自动化既能让正确操作大规模重复执行,也能让错误操作如此。因此,仅凭速度不足以衡量成功与否。

还有一些局限难以消除。提供商的 API 可能表现出最终一致性,导致某项操作已经能看到某个资源时,另一项操作却仍无法使用它。远程调用出错可能使结果难以确定:请求超时时,服务可能已经创建了对象。两个独立控制器可能争相修改同一项设置。成本估算可能遗漏按用量计收的费用,而资源配置成功也不能证明其在真实工作负载下的性能。因此,评估 IaC 系统需要观察部署是否成功、恢复过程中的表现、配置漂移、服务健康状况以及运维投入,而不能只看其定义能否被正确解析。