799 lines
39 KiB
Markdown
799 lines
39 KiB
Markdown
---
|
||
tags: [xinfra, requirements, infra]
|
||
create time: 2026-07-08 13:54
|
||
---
|
||
|
||
# XINFRA 平台需求文档
|
||
|
||
## 概述
|
||
|
||
XINFRA 是面向多业务线、七机房混合云的统一基础设施管理平台，为 Kodo、LAS、灵矽、LTOKEN、MAAS 等业务线提供**容器资源调度、基础服务交付、资源台账、监控告警、配置管理**的一站式操作面。平台以 RKE2 集群为计算底座，通过 Calico BGP 构建扁平容器网络，向上整合 SINA CMDB、Consul、Apollo、Nightingale、CacheCloud 等已有系统，通过统一的 LDAP 认证和可视化界面，屏蔽底层多机房、多云差异，实现**统一纳管、标准化交付、自助使用**。
|
||
|
||
当前版本为 v3 一期，已覆盖国内华北（YZH）、华东（XS）、华南（JF）及阿里云华南共四个容器化机房和海外若干 IDC，后续将逐步扩展海外区域。
|
||
|
||
**核心目标**：
|
||
|
||
| # | 目标 | 说明 |
|
||
|---|------|------|
|
||
| 1 | 统一纳管 | 所有基础设施操作收敛到平台化界面，屏蔽多机房、多云差异，降低命令行直接操作风险 |
|
||
| 2 | 多机房资源池化 | 七机房 RKE2 集群统一纳管，实现跨机房调度与服务发现 |
|
||
| 3 | 标准化交付 | 基础组件（MySQL、Redis 等）通过服务卡片 + Ansible Playbook 实现一键标准化部署 |
|
||
| 4 | 安全合规 | 主系统登录与运维操作全程审计、SQL 上线必须经过审核、LDAP 统一认证与 SSO |
|
||
| 5 | 效率提升 | CD 自动化部署，Ansible 实现基础设施即代码，任务中心实时追踪 |
|
||
| 6 | 可观测性 | 整合 Zabbix + VictoriaMetrics + Nightingale + qpass，资源大盘与监控告警全局可见 |
|
||
|
||
**设计原则**：
|
||
|
||
- **最小权限**：子系统操作默认走 RBAC，主系统以 LDAP 身份 + 管理员角色区分权限，APIKey 遵循最小授权范围
|
||
- **审计留痕**：主系统记录登录事件和运维操作日志，子系统各自维护操作审计
|
||
- **机房就近**：服务部署和数据访问遵循机房就近原则，降低跨机房延迟
|
||
- **平台化自治**：自助申请资源、自助发布、自助诊断，减少人工工单流转
|
||
- **复用优先**：监控、告警等能力优先复用已有基础设施（VictoriaMetrics / Grafana / Zabbix / Nightingale），主系统只自建无法被替代的能力
|
||
- **数据一致性**：资源同步采用"已存在跳过更新"策略，保护人工维护的资产数据，防止被云平台同步覆盖
|
||
|
||
---
|
||
|
||
## 核心概念
|
||
|
||
### 组内约定
|
||
|
||
| 概念 | 定义 |
|
||
|------|------|
|
||
| 主系统 | XINFRA 平台自身的统管层，负责子系统无法覆盖的能力：统一门户（SSO 跳转入口）、资源大盘、登录审计与运维操作审计、资源指标面板、运维终端 |
|
||
| 子系统 | XINFRA 纳管的专项平台（有独立 WebUI 和 API 服务），各司其职：**Wayne**（多集群容器管理）、**CloudDM / open-cdm**（数据库管理与 SQL 审核）、**CacheCloud**（Redis 缓存管理）、**Apollo**（配置中心）、**Nightingale**（统一告警引擎） |
|
||
| 工具层 | 纳管的 CLI / IaC 工具，无常驻 WebUI，由运维人员通过命令行或脚本触发：**Ansible Playbook**（自动化部署与基础设施即代码） |
|
||
| 业务线租户 | 基于 LDAP 组织信息自动生成的多租户隔离单元，每个业务线拥有独立的命名空间、节点池和资源配额 |
|
||
|
||
### 通用术语
|
||
|
||
| 概念 | 定义 |
|
||
|------|------|
|
||
| APIKey | Wayne 平台对外提供的 API 认证密钥，用于 CI/CD 流水线等自动化场景的身份认证，遵循最小权限原则 |
|
||
| RBAC | 基于角色的访问控制（Role-Based Access Control），通过角色分配权限，用户与角色关联实现权限隔离 |
|
||
| RKE2 | Rancher 发行的 Kubernetes 发行版，已通过 CIS Benchmark 安全加固，支持离线 air-gap 安装，默认启用加密和审计 |
|
||
| Calico BGP | Calico 采用纯路由模式（BGP），无隧道开销，每个集群配置独立 AS 号，构建跨机房扁平大二层网络 |
|
||
| Ceph RBD | 分布式块存储，供给 K8s PV 给 MySQL、Redis 等有状态服务 |
|
||
| Nightingale | 夜莺，统一告警聚合引擎，支持接入 Zabbix、VictoriaMetrics 等异构告警源，负责去重、收敛、分级，推送至 qpass |
|
||
| Apollo | 携程开源配置中心，支持多机房 Cluster 部署、配置灰度、版本回滚和操作审计 |
|
||
| Consul | 各机房已有的服务注册发现系统，xinfra 通过 Catalog API 做只读聚合展示 |
|
||
| CD | 持续部署（Continuous Deployment），自动化服务上线的流水线；CI（持续集成）由团队已有 CI 系统负责 |
|
||
| WAF | Web 应用防火墙（Web Application Firewall），防护 SQL 注入、XSS、CSRF 等常见 Web 攻击 |
|
||
| SLA | 服务等级协议（Service Level Agreement），定义服务可用性的承诺指标 |
|
||
| IaC | 基础设施即代码（Infrastructure as Code），通过 Ansible Playbook 等工具实现基础设施自动化管理 |
|
||
| SINA CMDB | 公司内部 CMDB 系统，物理机与虚机资产数据的基础来源 |
|
||
| open-cdm | SQL 审核与变更平台，数据库上线统一审核 |
|
||
| qpass | 统一告警与值班通知平台 |
|
||
| SSO | 单点登录（Single Sign-On），主系统通过 LDAP 统一认证后跳转至各子系统 |
|
||
|
||
---
|
||
|
||
## 平台分层架构
|
||
|
||
### 总体分层
|
||
|
||
```mermaid
|
||
graph TB
|
||
User["用户层<br/>LDAP SSO 统一认证"] --> Main["主系统层<br/>统一门户 + 功能模块"]
|
||
Main --> Sub["子系统层<br/>独立部署，各自授权"]
|
||
Main --> Infra["基础设施层<br/>计算 · 网络 · 存储 · 自动化"]
|
||
Sub --> Infra
|
||
|
||
style User fill:#f3e8fd,stroke:#9333ea
|
||
style Main fill:#e0f2fe,stroke:#0284c7
|
||
style Sub fill:#e8f0fe,stroke:#4285f4
|
||
style Infra fill:#ecfdf5,stroke:#059669
|
||
```
|
||
|
||
---
|
||
|
||
### 主系统功能架构
|
||
|
||
```mermaid
|
||
graph TB
|
||
Portal["统一门户<br/>LDAP SSO 跳转入口"]
|
||
|
||
subgraph 全局视图
|
||
DashBoard["资源大盘<br/>集群拓扑 · 节点方格图"]
|
||
MonitorView["资源状态看板<br/>物理机/虚机/服务三层告警"]
|
||
end
|
||
|
||
subgraph 运维能力
|
||
TaskCenter["任务中心<br/>Ansible/Wayne 实时日志"]
|
||
OpsTerminal["运维终端<br/>Ansible / SSH<br/>仅管理员"]
|
||
end
|
||
|
||
subgraph 治理能力
|
||
AuditDash["审计面板<br/>登录记录 · 运维操作日志"]
|
||
CMDB["资源台账<br/>CMDB 多云同步"]
|
||
SvcDir["服务目录<br/>Consul 只读聚合"]
|
||
end
|
||
|
||
Portal --> DashBoard & MonitorView & TaskCenter & AuditDash & CMDB & SvcDir
|
||
SRE["SRE"] --> OpsTerminal
|
||
```
|
||
|
||
> [!tip] 主系统不替代子系统，只自建子系统无法覆盖的能力：全局视图、运维兜底、登录与运维审计、资源台账。
|
||
|
||
---
|
||
|
||
### 子系统集成关系
|
||
|
||
```mermaid
|
||
graph LR
|
||
Portal["XINFRA 主系统"]
|
||
|
||
subgraph 子系统
|
||
Wayne["Wayne<br/>多集群容器管理"]
|
||
CloudDM["open-cdm<br/>SQL 审核"]
|
||
CacheCloud["CacheCloud<br/>Redis 管理"]
|
||
Apollo["Apollo<br/>配置中心"]
|
||
end
|
||
|
||
Portal -.->|SSO 跳转| Wayne & CloudDM & CacheCloud & Apollo
|
||
|
||
Wayne -->|Client-Go| RKE2["RKE2 集群"]
|
||
CloudDM -->|SQL 审核| MySQL[("MySQL")]
|
||
CacheCloud -->|Agent| Redis[("Redis")]
|
||
Apollo -->|ConfigService| RKE2
|
||
```
|
||
|
||
> [!tip] 子系统各自独立部署和授权，主系统只做 SSO 跳转入口，各子系统自行维护操作审计。
|
||
|
||
---
|
||
|
||
### 基础设施层
|
||
|
||
```mermaid
|
||
graph TB
|
||
subgraph 计算
|
||
RKE2["RKE2 集群 × 7 机房<br/>CIS 安全加固"]
|
||
end
|
||
|
||
subgraph 网络
|
||
Calico["Calico BGP<br/>每集群独立 AS 号<br/>跨机房扁平互通"]
|
||
end
|
||
|
||
subgraph 存储
|
||
Ceph["Ceph RBD<br/>MySQL/Redis 有状态服务 PV"]
|
||
end
|
||
|
||
subgraph 自动化
|
||
Ansible["Ansible Playbook<br/>节点初始化 · 服务部署<br/>WebSocket 实时日志"]
|
||
end
|
||
|
||
RKE2 --> Calico
|
||
RKE2 --> Ceph
|
||
Ansible -->|SSH| RKE2
|
||
```
|
||
|
||
> [!tip] RKE2 是计算底座，Calico BGP 构建跨机房扁平网络，Ceph RBD 提供有状态服务的持久化存储，Ansible 贯穿自动化运维。
|
||
|
||
---
|
||
|
||
## 监控告警数据流
|
||
|
||
```mermaid
|
||
graph LR
|
||
subgraph 采集源
|
||
RKE2["RKE2 集群"]
|
||
Zabbix["Zabbix<br/>硬件监控"]
|
||
end
|
||
|
||
subgraph 指标存储
|
||
VM[("VictoriaMetrics<br/>容器/业务指标")]
|
||
end
|
||
|
||
subgraph 可视化
|
||
Grafana["Grafana 仪表盘"]
|
||
end
|
||
|
||
subgraph 告警链路
|
||
Nightingale["夜莺<br/>去重 · 收敛 · 分级"]
|
||
QPass["qpass<br/>企业 IM 推送"]
|
||
end
|
||
|
||
RKE2 -.->|Metrics| VM
|
||
VM --> Grafana
|
||
VM --> Nightingale
|
||
Zabbix --> Nightingale
|
||
Nightingale --> QPass
|
||
```
|
||
|
||
> [!tip] VictoriaMetrics 承载容器和业务指标，Zabbix 覆盖物理机硬件监控，夜莺作为统一告警聚合层，最终推送至 qpass 通知。
|
||
|
||
---
|
||
|
||
## 技术选型与架构决策
|
||
|
||
| 层级 | 选型 | 说明 |
|
||
|------|------|------|
|
||
| **前端框架** | Vue 3 + Element Plus | 企业级 UI 方案，与七牛内部技术栈一致 |
|
||
| **后端框架** | Go + Gin | 高性能 HTTP 框架，与 Wayne/Open-CDM 生态一致 |
|
||
| **前后端通信** | 混合模式 | 前端 REST/JSON，服务间 gRPC；API 版本管理采用 URL 路径版本 `/api/v1/...` |
|
||
| **主系统数据库** | MySQL 8.0 | 存储任务记录、审计日志、资源台账、用户会话等 |
|
||
| **缓存** | Redis | 分布式缓存和会话存储 |
|
||
| **前端部署** | Nginx | 托管前端静态文件 + 反向代理后端 API |
|
||
| **主系统部署** | K8s 内部署 | 以 Deployment 方式运行在 RKE2 集群内 |
|
||
| **SSO 协议** | SAML | 企业统一认证，主系统做 SSO 跳转入口 |
|
||
| **告警数据源** | 仅 Nightingale API | 主系统不直接对接 Zabbix/VictoriaMetrics，统一通过夜莺获取告警数据 |
|
||
| **Ansible 调度** | AWX | 通过 AWX API 提交 Playbook 任务，由 AWX 管理执行和日志 |
|
||
| **实时推送** | 原生 WebSocket | 任务日志实时推送，基于 gorilla/websocket 库 |
|
||
| **接口文档** | Swagger/OpenAPI | 后端生成 Swagger 文档供前端开发 |
|
||
| **界面语言** | 纯中文 | 不需要国际化 |
|
||
| **测试策略** | 后端测试为主 | 单元测试 + 集成测试 |
|
||
|
||
---
|
||
|
||
## 基础服务交付流程
|
||
|
||
```mermaid
|
||
sequenceDiagram
|
||
actor User as 业务人员
|
||
participant Portal as XINFRA 服务目录
|
||
participant Ansible as Ansible Playbook
|
||
participant Infra as RKE2 / 主机
|
||
participant Sub as 子系统注册
|
||
|
||
User->>Portal: 选择服务卡片（MySQL/Redis/...）<br/>填写业务线、规格、架构模式
|
||
Portal->>Portal: 实时预览 playbook 参数（YAML）
|
||
User->>Portal: 确认部署
|
||
Portal->>Ansible: 提交 playbook 任务
|
||
Ansible->>Infra: 内核初始化 · containerd · 加入集群
|
||
Ansible-->>Portal: 任务状态 → WebSocket 实时日志
|
||
Portal->>Sub: 自动注册（open-cdm / CacheCloud）
|
||
Portal-->>User: 部署完成，跳转任务中心
|
||
```
|
||
|
||
> [!tip] 用户通过服务卡片填参 → 后台 Ansible 自动化部署 → 部署完成后自动注册到对应子系统，全程任务日志可在任务中心实时查看。
|
||
|
||
---
|
||
|
||
## 多租户隔离模型
|
||
|
||
```mermaid
|
||
graph TB
|
||
LDAP["企业 LDAP"] -->|部门 DN| BL["业务线租户<br/>（Kodo / LAS / 灵矽 / ...）"]
|
||
|
||
BL --> NS["Kubernetes Namespace<br/>+ ResourceQuota + LimitRange"]
|
||
BL --> NP["物理节点池<br/>node-label + taint"]
|
||
|
||
NS -.->|Pod 只能调度到<br/>本业务线节点| NP
|
||
|
||
style LDAP fill:#f3e8fd,stroke:#9333ea
|
||
style BL fill:#e0f2fe,stroke:#0284c7
|
||
style NS fill:#ecfdf5,stroke:#059669
|
||
style NP fill:#fef3c7,stroke:#d97706
|
||
```
|
||
|
||
> [!tip] 双重隔离：**节点层**通过 `business-line=xxx` 标签 + Taint 确保 Pod 只调度到本业务线节点；**命名空间层**通过 ResourceQuota / LimitRange 限制资源用量上限。
|
||
|
||
---
|
||
|
||
## 角色模型
|
||
|
||
主系统采用**二维角色模型**：权限维度 × 业务线维度。
|
||
|
||
### 权限维度
|
||
|
||
| 权限角色 | 权限范围 |
|
||
|---------|---------|
|
||
| 超级管理员 | 全平台所有模块的读写权限，包括集群管理、运维终端、账号权限管理、审计全局查看 |
|
||
| 业务操作员 | 本业务线内资源的申请、部署、配置变更；可操作 Wayne/CloudDM/CacheCloud/Apollo 中本业务线的资源 |
|
||
| 日志操作员 | 本业务线的日志查看、告警查看、审计记录查看；无写入/变更权限 |
|
||
| 访客 | 只读查看资源大盘、服务目录、告警概览；不可执行任何操作 |
|
||
|
||
### 业务线维度
|
||
|
||
| 业务线 | 说明 |
|
||
|--------|------|
|
||
| Kodo | 七牛云存储 |
|
||
| LAS | 七牛云直播 |
|
||
| 灵矽 | 七牛云 IoT |
|
||
| LTOKEN | 七牛云 Token 服务 |
|
||
| MAAS | 七牛云模型即服务 |
|
||
|
||
### 权限矩阵
|
||
|
||
| 模块 | 超级管理员 | 业务操作员 | 日志操作员 | 访客 |
|
||
|------|-----------|-----------|-----------|------|
|
||
| 资源大盘 | ✓ 全局 | ✓ 本业务线 | ✓ 本业务线 | ✓ 全局只读 |
|
||
| 告警看板 | ✓ 全局 | ✓ 本业务线 | ✓ 本业务线 | ✓ 只读 |
|
||
| 集群与节点管理 | ✓ 读写 | ○ 只读 | ○ 只读 | ✗ |
|
||
| 多租户管理 | ✓ 读写 | ✗ | ✗ | ✗ |
|
||
| Wayne 部署 | ✓ 读写 | ✓ 本业务线 | ○ 只读 | ✗ |
|
||
| CloudDM SQL 审核 | ✓ 读写 | ✓ 本业务线 | ○ 只读 | ✗ |
|
||
| CacheCloud 缓存 | ✓ 读写 | ✓ 本业务线 | ○ 只读 | ✗ |
|
||
| Apollo 配置 | ✓ 读写 | ✓ 本业务线 | ○ 只读 | ✗ |
|
||
| 任务中心 | ✓ 全局 | ✓ 本业务线 | ✓ 本业务线 | ✗ |
|
||
| 资源台账 | ✓ 读写 | ○ 只读 | ○ 只读 | ✗ |
|
||
| 审计面板 | ✓ 全局 | ✗ | ✓ 本业务线 | ✗ |
|
||
| 运维终端 | ✓ 仅管理员 | ✗ | ✗ | ✗ |
|
||
|
||
> ✓ = 读写权限，○ = 只读权限，✗ = 无权限
|
||
|
||
---
|
||
|
||
## 功能需求
|
||
|
||
### Phase 1 — MVP（当前阶段）
|
||
|
||
> 最小可用集：多租户认证 + 子系统对接
|
||
|
||
#### 1.1 平台基础能力
|
||
|
||
##### 多租户与认证
|
||
|
||
> 基于 LDAP 组织信息自动生成业务线租户，为每个业务线分配独立的命名空间和资源配额，结合节点亲和性与 ResourceQuota 实现双重隔离。
|
||
|
||
- [ ] P0 — 业务线列表：业务线标识/名称、对应的 LDAP 部门 DN、归属的物理节点数、CPU 总配额及已用比例（进度条）、绑定的 Kubernetes 命名空间、负责人信息
|
||
- [ ] P0 — 隔离策略：通过节点标签（`business-line=xxx`）配合 NodeAffinity 和 Taint，确保 Pod 只能调度到本业务线的物理节点上
|
||
- [ ] P0 — 配额管理：在命名空间内施加 ResourceQuota / LimitRange，避免单一业务线无限占用资源
|
||
|
||
---
|
||
|
||
##### 统一子系统导航
|
||
|
||
> 作为所有相关子系统的单一入口门户，利用 LDAP 统一账号实现 SSO，用户无需记忆多个地址和重复认证。
|
||
|
||
- [ ] P0 — 已集成系统卡片展示：系统图标、名称、简要说明及 LDAP/SSO 接入状态（已接入/改造中），预留打开链接
|
||
- [ ] P0 — 已集成系统包括：Wayne、open-cdm、CacheCloud、qpass、Grafana、Apollo
|
||
- [ ] P0 — SSO 跳转：点击卡片通过 LDAP SSO 跳转至对应子系统，无需重复登录
|
||
|
||
---
|
||
|
||
##### 审计面板（主系统）
|
||
|
||
> 记录主系统自身的登录事件和运维操作日志，不聚合子系统操作审计。
|
||
|
||
- [ ] P0 — 登录审计：记录每次 LDAP SSO 登录事件（操作人、时间、来源 IP、目标子系统），支持按时间/操作人/子系统筛选查询
|
||
- [ ] P0 — 运维操作审计：记录主系统运维终端的操作（Ansible Playbook 执行、节点加入、配置变更等），支持按时间/操作人/操作类型筛选
|
||
- [ ] P1 — 安全事件面板：异常登录检测、敏感操作告警
|
||
- [ ] P0 — 权限控制：管理员角色可查看全局；普通用户仅查看自身登录记录
|
||
- [ ] P0 — 审计面板集成到主系统统一门户，无需独立部署
|
||
|
||
---
|
||
|
||
#### 1.2 子系统对接
|
||
|
||
##### Wayne — 容器编排与多集群管理
|
||
|
||
> 底层基于 RKE2 构建七机房 K8s 集群，上层通过 Wayne 平台提供统一的容器管理入口。开发人员通过 Wayne UI 或 API 完成服务部署，无需直接操作 kubectl。
|
||
|
||
**RKE2 集群约束**（基础设施依赖）：
|
||
|
||
| 约束项 | 说明 |
|
||
|--------|------|
|
||
| CNI 插件 | Calico BGP（每集群独立 AS 号） |
|
||
| 容器运行时 | containerd（不依赖 Docker） |
|
||
| 离线部署 | 支持 Air-gap 环境 |
|
||
| 集群规模 | 七机房各一套独立集群 |
|
||
| 安全加固 | 已通过 CIS Benchmark，默认启用加密和审计 |
|
||
|
||
**Wayne 多集群管理**：
|
||
|
||
- [ ] P0 — 支持多集群统一管理，通过 Client-Go 连接各机房 RKE2 集群
|
||
- [ ] P0 — RBAC 权限管理，部门角色与项目角色分离（Project → Environment → Namespace 三级结构）
|
||
- [ ] P0 — 提供表单式（基础模式）和 YAML/JSON 编辑（高级模式）两种 K8s 对象创建方式
|
||
- [ ] P0 — 发布历史记录与一键回滚能力
|
||
- [ ] P0 — 完整审计模块，每次操作留痕，支持自定义 Webhook 回调
|
||
- [ ] P1 — Web Shell 远程终端（基于权限校验的 Pod Exec）
|
||
- [ ] P1 — 资源报表（资源使用占比、上线频次图表）
|
||
- [ ] P0 — APIKey 开放接口，支持 CI/CD 流水线调用
|
||
- [ ] P0 — 认证支持 DB 内置 + LDAP 混合模式
|
||
- [ ] P1 — YAML 模板版本锁定，纳入代码仓库管理
|
||
|
||
---
|
||
|
||
##### CloudDM / open-cdm — 数据库管理与 SQL 审核
|
||
|
||
> 覆盖数据查询、权限管控、SQL 审核、数据脱敏的全链路能力。所有生产库 SQL 操作必须经过工单流程，无直连通道。
|
||
|
||
- [ ] P0 — 支持 Console + Sidecar 集群部署模式，保证高可用
|
||
- [ ] P0 — 支持 20+ 数据源类型（MySQL、Oracle、PG、ClickHouse、Redis、MongoDB 等）
|
||
- [ ] P0 — 内置 54 条 SQL 审核规则，支持规则脚本自定义扩展
|
||
- [ ] P0 — SQL 上线工单流程：编写 → 预检 → DBA 审核 → 执行，支持手动/立即/定时三种执行方式
|
||
- [ ] P0 — 权限控制：资源权限（实例/库/Schema/表粒度）+ 功能权限（RBAC），支持申请/赋予/临时权限
|
||
- [ ] P1 — 数据脱敏能力，对查询结果中的敏感字段进行隐藏或转换
|
||
- [ ] P1 — 数据库 CI/CD：支持 Git Push / WebHook / HttpCall 三种触发方式
|
||
- [ ] P0 — 统一认证：对接企业 LDAP
|
||
- [ ] P0 — 全程审计留痕，工单流转记录可追溯
|
||
|
||
---
|
||
|
||
##### CacheCloud — 缓存管理
|
||
|
||
> 支持 Standalone、Sentinel、Cluster 三种 Redis 架构的一站式管理。所有 Redis 场景通过 CacheCloud 统一实例申请和管理。
|
||
|
||
- [ ] P0 — 支持三种 Redis 架构：Standalone（测试）、Sentinel（生产常规，内存 ≤ 6GB）、Cluster（大数据量，内存 > 6GB）
|
||
- [ ] P0 — Agent 代理部署在每个宿主机上，管理 Redis 实例生命周期
|
||
- [ ] P0 — 接入层 Nginx 双机房部署 + Virtual IP 双向漂移，保证高可用
|
||
- [ ] P0 — 客户端接入支持 REST API（通用）、Java Jedis/Lettuce SDK、Python 接入
|
||
- [ ] P1 — 跨机房部署（Cross-Room）：支持双活，客户端 SDK 自动双写双读和机房切换
|
||
- [ ] P0 — 运维能力：全局统计、工单审批、应用运维、实例运维、数据迁移
|
||
- [ ] P1 — 诊断工具：慢查询分析、连接数诊断、Bigkey 检测
|
||
- [ ] P0 — 报警组件：支持邮件、微信、HTTP 接口集成
|
||
- [ ] P1 — 临时实例自动回收策略，防止资源浪费
|
||
|
||
---
|
||
|
||
##### Apollo — 配置中心管理
|
||
|
||
> 对 Apollo 配置中心进行统一接入和管理，实现在单一 Portal 管理所有机房的配置，确保配置的灰度发布、回滚与变更审计。
|
||
|
||
- [ ] P0 — 核心指标展示：已接入机房数、Apollo Cluster 数量、配置项总数、Namespace 数、接入业务线及同步状态
|
||
- [ ] P0 — 统一入口：提供 Apollo Portal 快捷入口（内部域名 `apollo.xinfra.internal`），LDAP SSO 单点登录
|
||
- [ ] P0 — 机房列表：展示每个机房的 Apollo Cluster、Config Service 地址、承载方式（容器化 K8s Service）、接入业务线和配置项数、运行状态（运行中/灰度接入/建设中/待启动）
|
||
|
||
**部署架构约束**：
|
||
- Portal + Admin Service：YZH 主中心统一部署
|
||
- Config Service：按机房独立部署（yzh/xs/jf/dallas 等），容器化运行在 K8s 内
|
||
- 数据同步：ConfigDB/PortalDB 部署在 YZH，各机房 Config Service 本地缓存全量配置，网络抖动时降级提供本地缓存
|
||
|
||
---
|
||
|
||
##### CD 自动化部署
|
||
|
||
> 通过 API 接口触发 Wayne 平台执行自动化部署，CI 部分由团队已有 CI 系统负责。
|
||
|
||
- [ ] P0 — 提供 REST API 接口，供外部 CI 系统调用触发 Wayne 部署，传入镜像 tag 和目标环境
|
||
- [ ] P0 — 部署支持多环境（dev / staging / prod），生产环境需审批卡点
|
||
- [ ] P1 — 部署失败时支持自动回滚到上一个稳定版本
|
||
- [ ] P1 — 部署状态回调：支持 Webhook 回调通知外部 CI 系统部署结果
|
||
|
||
> [!info] CI 编译构建由团队已有 CI 系统负责，本平台仅提供 CD 部署接口。
|
||
|
||
---
|
||
|
||
#### 1.3 MVP 验收标准
|
||
|
||
- [ ] 多租户：新业务线可在平台自助创建，自动完成 Namespace + 标签 + Taint + ResourceQuota 配置
|
||
- [ ] 隔离：跨业务线 Pod 调度隔离验证通过
|
||
- [ ] 配额：配额超限告警正常触发
|
||
- [ ] SSO：所有已集成系统卡片正确展示，SSO 跳转正常；未接入系统标注"改造中"状态
|
||
- [ ] 审计：登录事件和运维操作实时记录，查询延迟 < 5s
|
||
- [ ] Wayne：开发人员可在 Wayne 中选择目标集群完成服务部署；CI/CD 流水线可通过 APIKey 调用 Wayne API 触发部署
|
||
- [ ] CloudDM：所有生产库 SQL 操作必须经工单流程，无直连通道
|
||
- [ ] CacheCloud：三种 Redis 架构均可正常创建和访问
|
||
- [ ] Apollo：YZH、XS 机房正式运行，JF 灰度接入；配置变更支持灰度发布和一键回滚
|
||
- [ ] CD：外部 CI 系统可通过 API 触发 Wayne 部署；prod 环境部署必须经过审批
|
||
|
||
---
|
||
|
||
### Phase 2 — 完整版
|
||
|
||
> 监控、配置、任务、基础服务交付的完整能力
|
||
|
||
#### 2.1 监控与可观测性
|
||
|
||
##### 资源大盘
|
||
|
||
> 为平台管理员及业务负责人提供跨机房、多云容器资源的全局快照与健康视图。
|
||
|
||
- [ ] P0 — 展示核心指标：RKE2 集群数量、在线机房数、节点总数及近期增量、CPU 总核数/已分配/分配率、组件实例总数及分类（MySQL、Redis、其他）、进行中的自动化任务数量
|
||
- [ ] P0 — 集群拓扑：以机房为维度，显示各机房节点池方格图（node grid），每个方格代表一台物理机/节点，颜色区分业务线（Kodo、LAS 等），空闲节点用虚线框表示
|
||
- [ ] P0 — 最近任务：列表展示最近 5 条 ansible-playbook 任务的执行状态（成功/执行中/失败）和耗时，快速跳转至任务中心
|
||
- [ ] P1 — 刷新机制：页面自动显示"最近更新于 xx 秒前"，支持手动刷新
|
||
|
||
---
|
||
|
||
##### 资源状态看板与告警
|
||
|
||
> 整合物理机、虚机、基础服务三层的健康状态，通过夜莺（Nightingale）统一告警引擎将多源告警标准化展示，提供自上而下的故障定位入口。
|
||
|
||
数据源：
|
||
- 物理机硬件 & 网络设备健康：Zabbix（IPMI/温度/电源/风扇/存储）
|
||
- 虚机 & 容器 & 业务层指标：VictoriaMetrics（K8s/主机指标/服务可用性探活）
|
||
- Nightingale 作为统一告警聚合层，负责去重、收敛、分级（P0/P1/…），按 disaster/high/average 等原始级别映射，推送至 qpass 告警通道
|
||
|
||
- [ ] P0 — 核心统计：物理机总数、虚机总数、基础组件实例总数；P0(Disaster)、P1(High) 及 average 级别告警数量，标注来自 Zabbix 或 VictoriaMetrics
|
||
- [ ] P0 — 物理机状态：按机房汇总在线数、健康率（带进度条），标识正常/告警/严重状态
|
||
- [ ] P0 — 虚机状态：按业务线展示 LAS 资源池中的虚机数、CPU 均值及告警状态
|
||
- [ ] P0 — 基础服务状态：覆盖 MySQL、Redis（CacheCloud）、PostgreSQL、openresty 网关等，显示实例数、异常数、可用率
|
||
- [ ] P0 — 当前告警详情：表格列出所有 P0/P1 及 average 级别的实时告警，含级别标签、来源、原始级别、目标对象、告警内容、发生时间
|
||
|
||
---
|
||
|
||
##### 监控、日志与告警集成
|
||
|
||
> 集成公司现有监控与日志基础设施的状态和主要入口，方便从平台直接掌握各子系统健康度。
|
||
|
||
- [ ] P0 — VictoriaMetrics 指标概览：展示七机房采集节点数、活跃时序数量、Prometheus 接口状态、已建 Grafana 仪表盘数
|
||
- [ ] P0 — Zabbix 硬件监控：物理机监控覆盖率、当前告警数、网络设备健康度、存储健康度
|
||
- [ ] P1 — 统一日志与告警流水：以实时日志流形式展示关键系统事件（CMDB 同步、Zabbix 告警、VictoriaMetrics 抓取、ELK 日志接入、qpass 合并推送），类似运维公告板
|
||
|
||
---
|
||
|
||
#### 2.2 配置与任务管理
|
||
|
||
##### 任务中心与自动化执行
|
||
|
||
> 集中展现所有通过 xinfra 发起的 Ansible Playbook 任务或 Wayne 发布任务的执行历史，提供实时日志输出。
|
||
|
||
- [ ] P0 — 任务列表：任务状态（执行中/成功/失败）、任务名称、所用 playbook 名称或任务描述；执行中的任务高亮显示
|
||
- [ ] P0 — 实时日志：通过 WebSocket 流式输出 ansible-playbook 的执行日志，格式包含时间戳、TASK 名称和结果状态（ok/changed/failed），模拟终端输出效果，支持自动滚动
|
||
- [ ] P0 — 历史查询：任务列表支持分页，可查看过往所有任务的执行结果，便于审计和排障
|
||
|
||
---
|
||
|
||
#### 2.3 基础服务与资源管理
|
||
|
||
##### 集群与节点管理
|
||
|
||
> 管理全平台 RKE2 集群的生命周期及节点信息，支持新节点的自动加入。
|
||
|
||
- [ ] P0 — 集群列表：展示集群名称、所在机房/区域、健康状态、节点数、CPU 使用率（进度条）、RKE2 版本、Calico 配置（AS 号等）；对存在告警的集群高亮提醒
|
||
- [ ] P0 — 节点列表（集群内）：节点主机名、内网 IP、业务线标签（如 `business-line=kodo`）及对应 Taint、节点规格（CPU/内存）、CPU/Mem 使用率（进度条）、节点状态（Ready/资源告警/空闲）
|
||
- [ ] P0 — 节点加入向导：通过弹窗交互完成新节点加入——选择目标集群 → 输入节点 IP → 指定归属业务线（自动注入 node-label 和 taint）→ 提交后后台调用 `roles/rke2-node-join` playbook，完成内核参数初始化、containerd 安装、标签/污点写入、加入集群并等待 Ready
|
||
|
||
---
|
||
|
||
##### 资源台账管理（CMDB 多云同步）
|
||
|
||
> 以 SINA CMDB 为基础数据底座，统一纳管物理机与虚机资源，并通过阿里云、AWS、七牛 LAS 的 OpenAPI 同步云上虚机，形成全量、唯一、可追溯的资源台账。
|
||
|
||
- [ ] P0 — 资源来源统计：资源总数（物理机 + 虚机），各来源（SINA CMDB、阿里云同步、AWS 同步、七牛 LAS 同步）的数量及最近一次同步状态
|
||
- [ ] P0 — 资源台账列表：主机名、资产编号、资源类型（物理机/虚机）、机房/区域、内网 IP、规格、归属业务线、数据来源标签、生命周期状态（production/idle/retired）
|
||
- [ ] P0 — 组合筛选：支持按资源类型、数据来源、业务线、状态等条件组合筛选，以及关键字搜索
|
||
- [ ] P0 — 同步与去重策略：各云平台定时增量同步，已存在记录跳过更新（保护 CMDB 人工维护字段），不存在则新增并标记来源
|
||
- [ ] P1 — 创建虚机入口：提供"+ 创建虚机"按钮，跳转或触发七牛 LAS 平台的虚机申请/创建流程（对接 LAS API）
|
||
|
||
---
|
||
|
||
##### 服务目录管理（Consul 同步）
|
||
|
||
> 聚合各机房已有的 Consul 注册中心服务信息，提供跨机房的服务名、IP、业务标签、健康状态的统一检索视图，不改变各机房 Consul 自身的注册发现链路。
|
||
|
||
- [ ] P0 — 同步机制：定时调用各机房 Consul Catalog API（`/v1/catalog/services`、`/v1/health/service`），按 Datacenter 维度拉取全量服务并汇总入库。同步间隔采用差异化策略：国内机房（YZH/XS/JF）30 秒，海外机房（达拉斯/新加坡/香港/东南亚）根据网络延迟适当延长（建议 60-120 秒），具体间隔待实测后确定
|
||
- [ ] P0 — 服务台账：服务名、所在机房/Datacenter、业务标签、总实例数、健康实例数、示例 IP、整体健康状态
|
||
- [ ] P0 — 筛选与搜索：支持按机房、业务标签、健康状态筛选，以及服务名/IP 搜索
|
||
- [ ] P0 — 统计面板：接入 Consul Datacenter 数量、服务总数（去重）、服务实例总数、健康实例占比、最近同步状态
|
||
|
||
---
|
||
|
||
##### 基础服务目录与一键部署
|
||
|
||
> 将标准化基础组件封装为服务卡片，用户通过界面选择参数，后台调用 Ansible Playbook 自动完成部署和子系统注册。
|
||
|
||
服务卡片规格：
|
||
|
||
| 服务 | 可配参数 | 部署后自动注册 |
|
||
|------|---------|--------------|
|
||
| MySQL | 业务线、架构模式（一主两从/一主一从/单实例）、规格（CPU/内存/磁盘）、版本（8.0/5.7）、实例名称 | open-cdm 数据源 |
|
||
| Redis | 业务线、架构模式（Cluster/Sentinel/Standalone）、规格（8G/16G 等）、版本（7.2）、实例名称 | CacheCloud 应用创建 API |
|
||
| openresty | 业务线、规格、路由规则 | — |
|
||
| dpvs | 业务线、规格、负载策略 | — |
|
||
| PgSQL | 业务线、架构模式（流复制主从）、规格、版本 | open-cdm（二期） |
|
||
|
||
- [ ] P0 — 服务卡片展示：每个基础组件以卡片形式展示，点击弹出多步骤向导（基础信息 → 规格网络 → 确认部署）
|
||
- [ ] P0 — 参数预览：底部实时预览生成的 playbook 调用参数（YAML 格式）
|
||
- [ ] P0 — 自动注册：部署完成后自动调用子系统 API 完成注册（MySQL → open-cdm，Redis → CacheCloud）
|
||
- [ ] P1 — 扩展性：预留"接入新服务"卡片，允许通过封装新的 Ansible Playbook 并注册到平台扩展服务目录
|
||
|
||
---
|
||
|
||
##### 组件实例台账
|
||
|
||
> 提供所有已部署基础组件的统一台账，展示实例与子系统的关联关系，支持快速检索和运维管理。
|
||
|
||
- [ ] P0 — 列表信息：实例名、组件类型及版本、归属业务线、所在集群、运行状态、子系统注册状态（如 `open-cdm ✓`、`CacheCloud ✓` 或同步中）
|
||
- [ ] P0 — 管理操作：提供"管理"快捷操作，可跳转至对应子系统或发起运维任务
|
||
- [ ] P0 — 分页与搜索：支持按实例名称、类型等过滤，分页能力
|
||
|
||
---
|
||
|
||
#### 2.4 Phase 2 验收标准
|
||
|
||
- [ ] 资源大盘：页面加载后 3s 内展示全局指标数据；节点方格图能正确反映各业务线的资源分布
|
||
- [ ] 告警看板：告警数据与 Nightingale 实时同步，延迟 < 30s；支持按级别、来源、机房筛选告警
|
||
- [ ] 集群管理：集群列表数据实时刷新，告警集群高亮标识
|
||
- [ ] 节点加入：节点加入向导从提交到 Ready < 10 分钟
|
||
- [ ] CMDB 同步：同步后资源台账与各云平台实际资源一致，去重逻辑验证通过
|
||
- [ ] Consul 同步：7 个 Datacenter 全部接入；国内机房数据 30 秒内同步
|
||
- [ ] 基础服务部署：MySQL 一键部署单实例 < 5 分钟；Redis 一键部署 Standalone < 3 分钟
|
||
- [ ] 任务中心：执行中任务日志实时推送，延迟 < 1s
|
||
- [ ] 部署回滚：回滚操作可在 1 分钟内完成
|
||
|
||
---
|
||
|
||
### Phase 3 — 运维增强
|
||
|
||
> etcd 集群运维、高级监控、运维工具
|
||
|
||
#### 3.1 etcd 集群运维
|
||
|
||
##### etcd 集群部署（kubeadm + etcd operator）
|
||
|
||
- [ ] P0 — 集群模板：支持按规格（3/5/7 节点）、磁盘类型（NVMe/SSD）、存储配额生成部署配置
|
||
- [ ] P0 — 部署流程：调用 kubeadm init / etcd-operator API，支持滚动部署和健康检查
|
||
- [ ] P1 — 故障恢复：检测到节点故障时自动替换，数据从健康节点同步
|
||
- [ ] P1 — 滚动升级：支持 etcd 版本升级，逐节点替换并验证
|
||
- [ ] P2 — 自动扩缩：根据集群负载自动调整节点数
|
||
|
||
---
|
||
|
||
#### 3.2 高级监控
|
||
|
||
- [ ] P1 — 告警规则自定义：支持用户自定义监控告警规则
|
||
- [ ] P2 — 异常检测：基于历史数据的智能异常检测
|
||
- [ ] P2 — 容量预测：基于趋势预测资源使用峰值
|
||
|
||
---
|
||
|
||
#### 3.3 运维工具
|
||
|
||
- [ ] P2 — 可视化拓扑：服务依赖关系可视化
|
||
- [ ] P1 — 批量操作：支持批量节点管理、批量配置下发
|
||
- [ ] P2 — 运维工作流：复杂运维操作的流程编排
|
||
|
||
---
|
||
|
||
#### 3.4 Phase 3 验收标准
|
||
|
||
- [ ] etcd 部署：3 节点集群部署 < 15 分钟
|
||
- [ ] 故障恢复：节点故障后自动替换，数据不丢失
|
||
- [ ] 滚动升级：升级过程零停机
|
||
- [ ] 告警规则：用户可自定义告警规则并生效
|
||
|
||
---
|
||
|
||
## 非功能需求
|
||
|
||
### 性能
|
||
|
||
| 指标 | 要求 |
|
||
|------|------|
|
||
| 资源大盘加载 | P95 < 3s |
|
||
| Wayne 页面操作响应 | P95 < 2s |
|
||
| CloudDM SQL 审核预检 | 单条 SQL < 3s |
|
||
| CacheCloud 实例创建 | Sentinel < 5min，Cluster < 10min |
|
||
| 基础服务一键部署 | MySQL/Redis < 15min |
|
||
| 任务中心日志推送延迟 | < 1s |
|
||
| CI/CD 流水线端到端（代码提交到部署完成） | < 10min（dev 环境） |
|
||
|
||
### 可用性
|
||
|
||
| 指标 | 要求 |
|
||
|------|------|
|
||
| 平台核心服务（Wayne、CloudDM、CacheCloud） | SLA ≥ 99.9% |
|
||
| 单集群控制面 | SLA ≥ 99.95% |
|
||
| 跨机房网络互联 | SLA ≥ 99.99% |
|
||
| Apollo Config Service（单机房故障不影响其他机房） | 本地缓存降级可用 |
|
||
|
||
### 多租户隔离
|
||
|
||
- 通过节点标签 + Taint + ResourceQuota 实现业务线间的资源强隔离和配额限制
|
||
- 同一业务线内通过 LimitRange 限制单 Pod 资源上限
|
||
|
||
### 安全
|
||
|
||
- 平台强制 LDAP 认证，所有子系统通过 SSO 统一入口
|
||
- 主系统登录事件与运维操作全程记录审计日志
|
||
- 敏感数据（Secret、密码）加密存储
|
||
- 生产环境禁止使用默认凭证
|
||
- RKE2 默认启用安全审计和加密
|
||
- 网络平面通过 BGP 和防火墙控制
|
||
|
||
### 高可用与容灾
|
||
|
||
- 每个机房独立 RKE2 集群和 Apollo Config Service，单机房故障不影响其他机房
|
||
- 配置下发依赖本地缓存降级
|
||
- 监控告警具备跨机房聚合能力
|
||
|
||
### 可观测性
|
||
|
||
- 各子系统暴露 Metrics 接口，接入 VictoriaMetrics + Grafana
|
||
- 关键操作日志统一收集到 ELK 日志平台
|
||
- 告警通道统一（Nightingale → qpass → 企业 IM）
|
||
|
||
### 可扩展性
|
||
|
||
- 基础服务目录支持通过封装新 Playbook 快速接入新组件
|
||
- 资源管理支持新增云平台同步源
|
||
- 服务管理可横向扩展至更多 Consul 数据中心
|
||
- 新机房接入时，RKE2 集群部署和 Wayne 注册可在 1 天内完成
|
||
|
||
### 实时性
|
||
|
||
- 任务日志通过 WebSocket 实时推送
|
||
- 监控指标和告警近实时更新
|
||
- 服务同步间隔 30 秒
|
||
|
||
---
|
||
|
||
## 系统集成关系
|
||
|
||
**关键集成点**：
|
||
|
||
| 源 | 目标 | 接口方式 | 说明 |
|
||
|----|------|---------|------|
|
||
| 企业 LDAP | 各子系统 + 主系统 | LDAP Bind / SSO | 统一身份认证，主系统做 SSO 跳转入口 |
|
||
| SINA CMDB | 资源台账 | REST API | 物理机/虚机基础数据来源 |
|
||
| 阿里云 / AWS / 七牛 LAS | 资源台账 | OpenAPI | 云上虚机增量同步 |
|
||
| Consul × 7 DC | 服务目录 | Catalog API | 只读聚合，不改变原有链路 |
|
||
| Nightingale | 资源状态看板 | API | 统一告警数据源 |
|
||
| Zabbix | Nightingale | 告警接入 | 硬件监控告警 |
|
||
| VictoriaMetrics | Nightingale | 告警接入 | 容器/业务指标告警 |
|
||
| GitLab CI | Wayne | REST API（APIKey 认证） | 自动触发部署 |
|
||
| GitLab CI | Harbor | Docker Push | 镜像推送 |
|
||
| Wayne | RKE2 | Client-Go（K8s API） | 容器编排操作 |
|
||
| CloudDM / open-cdm | MySQL / PG 等 | Sidecar SQL 代理 | SQL 审核执行 |
|
||
| CacheCloud | Redis | Agent | 实例生命周期管理 |
|
||
| Apollo | 各业务线 | Config Service API | 配置下发与灰度发布 |
|
||
| Ansible | 各主机 | SSH | 基础设施初始化部署 |
|
||
| 企业 LDAP | 主系统 | LDAP Bind | 登录事件记录至审计面板 |
|
||
| 各子系统 + 基础设施 | VictoriaMetrics | HTTP / Exporter | Metrics 采集 |
|
||
| VictoriaMetrics | Grafana | PromQL | 监控指标可视化（直接复用） |
|
||
| Nightingale | qpass | 告警推送 | 统一告警通知 |
|
||
|
||
---
|
||
|
||
## 风险与约束
|
||
|
||
| 风险 | 影响 | 缓解措施 |
|
||
|------|------|---------|
|
||
| RKE2 版本升级可能引入不兼容变更 | 集群稳定性 | 先在测试环境验证，灰度发布 |
|
||
| Wayne 开源版本维护活跃度不确定 | 功能迭代受限 | 内部 Fork 并保持核心模块可维护 |
|
||
| 七机房网络链路故障 | 跨机房服务中断 | 网络冗余 + BGP 自动切换 + 告警监控 |
|
||
| SQL 审核规则误判 | 合法 SQL 被拦截 | 白名单机制 + 规则持续调优 |
|
||
| Redis 大 Key / 热 Key | 性能劣化 | CacheCloud 诊断工具 + 应用侧治理 |
|
||
| Apollo 多机房配置一致性 | 配置下发错误 | 本地缓存降级 + 灰度发布验证 |
|
||
| Consul 跨机房同步延迟 | 服务发现不一致 | 30 秒轮询 + 健康状态标注 |
|
||
| 云平台 API 限流/不可用 | 资源同步中断 | 增量同步 + 重试机制 + 状态告警 |
|
||
|
||
---
|
||
|
||
## 运维分层模型
|
||
|
||
> 故障按层级自愈，跨层操作需主系统管理员权限。
|
||
|
||
| 故障层级 | 处理方 | 工具链 | 权限要求 |
|
||
|---------|--------|--------|---------|
|
||
| 应用发布异常 | 子系统自愈 | Wayne 一键回滚 | 项目成员 |
|
||
| 中间件故障 | 子系统自恢复 | CacheCloud / CloudDM 内置运维能力 | 子系统运维角色 |
|
||
| 配置变更异常 | Apollo 回滚 | Apollo 版本回滚 + 灰度发布 | 配置管理员 |
|
||
| 基础设施故障 | 主系统管理员 | Ansible Playbook / SSH 终端 | 仅主系统管理员 |
|
||
| 机房级故障 | 主系统管理员 | Ansible + 大内网链路切换 | 仅主系统管理员 |
|
||
|
||
> [!warning] 安全约束
|
||
> Ansible / SSH 终端等基础设施级操作仅对主系统管理员角色可见，普通用户菜单中不包含此项。所有跨层操作全程审计留痕。
|
||
|
||
---
|
||
|
||
## MVP 实现与后续规划
|
||
|
||
### MVP（当前阶段）
|
||
|
||
当前尚未实现任何功能，MVP 阶段目标为最小可用集：
|
||
|
||
- 多租户认证（LDAP + SSO）
|
||
- 子系统对接（Wayne、CloudDM、CacheCloud、Apollo）
|
||
|
||
详见 Phase 1 — MVP 章节。
|
||
|
||
### 后续规划
|
||
|
||
| 阶段 | 内容 |
|
||
|------|------|
|
||
| Phase 2 — 完整版 | 资源大盘、告警看板、集群管理、CMDB 同步、Consul 同步、基础服务部署、任务中心 |
|
||
| Phase 3 — 运维增强 | etcd 集群运维、高级监控、运维工具 |
|
||
|
||
长期演进方向：
|
||
- PgSQL 服务正式接入基础服务目录，并集成 open-cdm SQL 审核
|
||
- 海外机房（达拉斯、新加坡、香港、东南亚）Apollo Config Service 建设
|
||
- CacheCloud LDAP 接入改造完成
|
||
- 更多业务线（灵矽、LTOKEN、MAAS）全面接入 Apollo 配置中心
|
||
- 服务拓扑与依赖可视化（增强可观测性）
|
||
- 告警自愈能力探索：部分 P1 告警联动 Ansible Playbook 自动处理
|
||
- 成本分析：各业务线资源使用费用归集与报表
|
||
|
||
---
|
||
|
||
## 关联笔记
|
||
|
||
- [[technical/xinfra-preview]]
|
||
- [[technical/xinfra-preview/k8s-rke2-fundamentals]]
|
||
- [[technical/xinfra-preview/wayne-overview]]
|
||
- [[technical/xinfra-preview/cloud-dm-overview]]
|
||
- [[technical/xinfra-preview/cachecloud-overview]]
|
||
- [[technical/xinfra-preview/ansible-playbook-basics]]
|