共计 3300 个字符，预计需要花费 9 分钟才能阅读完成。
摘要：2022 年 7 月 25 日，云上自动化运维 CloudOps 系列沙龙_第二弹正式开启！阿里云弹性计算技术专家鲍文乐带来的主题分享是《基于事件的自动化运维最佳实际》，以下是他的演讲内容整顿，本篇内容次要分为四个局部：
- 为何事件如此重要
- 让事件告诉更无效
- 事件驱动的运维架构
- 云上托管事件运维
01 为何事件如此重要
零碎事件代表了云资源状态的变动。以弹性计算的零碎事件为例，上图代表弹性计算的零碎事件起源。
为了给用户提供云服务器，须要底层的物理根底设置，以及两头的虚拟化服务。在虚拟化服务上，运行 Guest OS，最终给用户提供服务。
在运维类零碎事件局部，阿里云负责运维物理基础设施和虚拟化服务。当计算、存储、网络组件呈现故障，阿里云会收回运维类的零碎事件。这些运维类的零碎事件，要云厂商和用户通过合作，一起运维。
在资源状态变动类事件局部，不肯定代表故障或者问题。但它是实现事件驱动架构的根底。
如上图所示，展现了局部典型的零碎事件。
在非预期异样方面，实例宕机可能导致用户的服务中断。如果本地盘的实例产生宕机，阿里云无奈替用户决定，是否将实例迁徙，所以用户必须响应。
在打算内运维方面，最常见的是被动运维类事件。实例因系统维护打算重启。当计算、存储、网络等底层硬件呈现问题，但没有重大到立即宕机。
在这种状况下，阿里云检测之后，会给用户发送一个打算类运维事件。在肯定工夫内，如果用户不进行响应，阿里云会帮用户把这台机器迁徙到一个衰弱的硬件上。
如果用户响应，能够在阿里云给出的的操作窗口里，抉择一个对本人最无利的，对服务影响最小的工夫点。提前迁徙实例，从而躲避打算重启。
在费用方面，如果实例到期停机，零碎会在实例到期前三天，收回事件。用户须要布局本人的续费形式，比方主动续费。
在状态告诉方面，实例生命周期状态变动代表，ECS 的实例管控状态发生变化。比方实例创立，实例启动，实例停机，实例开释等。
上图展示了云上事件运维，常见的几个状态。从下往上，自动化水平越来越高。阿里云举荐用户尽量做到事件运维的自动化。
第一层，用户被动的接管告诉，登录控制台手工解决。
第二层，用户有肯定处理事件的意识，被动订阅事件告诉。
第三层，用户有肯定的技术实力，建设了本人的自动化或半自动化的运维零碎，通过事件驱动的架构，按需解决各种级别的事件音讯。在解决时，通过调用云产品的 API 运维。
第四层，托管的自动化运维。用户齐全把事件的运维逻辑，放到阿里云上，由阿里云托管运行。
02 让事件告诉更无效
接下来，讲一讲如何让事件告诉更准确。云监控提供所有云产品零碎事件，对立的查问入口以及事件报警性能。
目前，曾经有一百多种云产品，将本人的事件信息发送给云监控。包含云服务器、云数据库、容器服务等。
云监控在用户侧，提供两大类的服务：
第一类，用户能够被动查问。通过控制台查问零碎事件，也能够通过 Open API 查问零碎事件。
第二类，从零碎往用户的事件告诉。基于云监控事件的报警规定，订阅事件告诉的性能。
云监控的告诉渠道分两大类：
第一类，面向人工。包含电话、短信、邮件以及基于 Webhook 的工具，比方钉钉、飞书等等。
第二类，面向自动化运维程序或者运维零碎。有音讯队列、日志服务、函数计算、URL 回调等。基于软件库，能够实现事件的自动化解决。
上图是云监控事件的通用格局。一百多种云产品的零碎事件，会集到云监控之后，纳入对立的事件模型。
事件数据是 json 格局，外层是事件的公共属性，比方事件惟一的 ID，事件起源等，事件级别，事件名称，事件产生的工夫、所在地区等等。
其中，content 字段代表事件的内容。它和具体某一类事件相关联。云产品的事件逻辑决定了，不同事件有不同的内容。
EventRule 是事件的筛选规定，依照事件的公共属性以及事件 content 对事件进行匹配。
Rule Targets 是事件告诉的指标。其中，报警告诉代表人工告诉，包含电话、短信、邮件、钉钉、机器人等等。音讯服务队列、函数计算、URL 回调、日志服务等等，供程序自动化生产应用。
一旦呈现合乎匹配事件报警规定的事件，云监控会把事件路由给相应的 Target。如果抉择多个 Target，每个 Target 都会收到告诉。
为了让事件告诉更无效，阿里云通过应用标签，对资源进行分组，让报警规定的粒度更小。而后，通过动静标签规定，创立云监控的利用分组。
于是云监控的利用分组和标签，产生了一对一的关系。用户也能够在利用管理系统，通过导入标签，创立利用分组。利用治理会主动配置云监控的利用分组。
而后，基于分组创立报警规定。首先，依照不同的角色，不同的职责，创立不同的联系人分组。接下来，依照事件的重大水平和接管人，划分多个报警规定。
除此之外，用户能够利用云监控的筛选能力，做细粒度筛选。在一个事件里可能有实例创立，开释，启动、进行等多种状态。用户能够通过关键词过滤或者是 SQLFilter，准确地筛选一类事件里的某一类状态。
在抉择告诉形式方面，用户依照事件的级别，抉择不同的告诉形式。防止事件告诉沦为垃圾短信和垃圾邮件，举荐钉钉群报警。
事件规定细化之后，创立事件报警模板。把模板利用到 N 个分组上。从而实现了报警规定的批量复制，加重保护压力。
03 事件驱动的运维架构
基于 OpenAPI 轮询资源状态获取状态变更实时性较低，有大量冗余申请，零碎耗费高，无限流的危险，并且依赖多个云产品 API，进一步减少了复杂性。阿里云通过革新事件驱动架构，进步了实时性和稳定性，升高了零碎耗费。
某客户原先通过轮询云产品的 API，获取事件信息，存储到运维零碎。运维团队把事件推送到运维门户上，由各个业务零碎负责响应事件。业务零碎不间接上阿里云控制台。
因为它应用了多个云产品，运维零碎里有 N 段轮询代码，实时性也不好。
将零碎革新成事件驱动架构。零碎在初始化阶段，在云监控设置了事件报警规定。云产品公布了事件之后，云监控检测到事件匹配，把这个事件推送到指定客户的音讯队列里。客户的运维零碎从音讯队列里，拉取事件音讯，存储之后，推送给运维门户。
通过上述操作，简化了代码逻辑，升高了资源耗费，进步了实时性和稳定性。
在弹性伸缩方面，当实例开释之后，ECS 管控会公布一个实例状态的变更事件。云监控依据规定，路由给弹性伸缩音讯队列。而后，弹性伸缩生产事件音讯获取实例信息。弹性伸缩将实例从伸缩组移除，依据伸缩规定，进行下一步操作。
04 云上托管事件运维
运维编排 OOS 零碎，可能自动化治理和执行运维工作。相比传统的纯手工运维或脚本运维，门槛低、标准平安、效率高、易保护、收费。
在运维编排里，提供了事件运维性能。首先，设定事件规定，限定资源范畴。而后，抉择事件触发之后执行的运维模板，设定模板参数。
阿里云提供的抢占式实例，是一个比拟便宜的实例。购买抢占式实例之后，会有一个小时的保护期。一小时后，实例随时有可能被开释回收。在回收前的五分钟，抢占式实例会公布一个实例中断告诉。
通过 OOS 事件运维，在实例被回收之前，摘掉所有与之关联的负载平衡，实现不影响业务的优雅下线。
在运维模板里，一共分了五个步骤。
第一，eventTrigger。即监控抢占式实例的开释事件。
第二，describeSLB。即查问开释的抢占实例所在负载平衡 ID。
第三，setBackendServers。行将开释的实例在负载平衡上的权重设置为 0。
第四，waitConnectionExpire。即期待曾经建设的网络连接断开。
第五，removeBackendServers，行将开释的实例从负载平衡后端服务器列表上移除。
Q&A 环节，用户问答
Q1 资源编排 ROS 和 OOS 有买通的最佳实际案例吗？
答：买通没有问题。ROS 将 OOS 模板和执行定义为资源，反对执行 OOS 模板。因为 OOS 通过 API 编排，所以 OOS 里能够调用 ROS 的 API，从而创立一个资源栈。
Q2 OOS 运维编排的模板必须本人配置吗？
答：不是。编排提供了一些常见的运维场景，能够在控制台操作，点击配置即可。
Q3 突发性能实例的性能受限怎么办?
答：服务可能受损，须要查看突发性能实例的应用是否合乎预期。能够思考对实例升配或者更换成非突发性能实例。
