阿里巴巴云原生大数据运维平台 SREWorks 正式开源

阿里巴巴云原生大数据运维平台 SREWorks 已正式开源，其沉淀了阿里云大数据 SRE 团队近 10 年内部业务锤炼的 SRE 工程实践，秉承“数据化、智能化”运维思想，旨在帮助运维行业从业者采用“数智”思想实现高效运维。

一、SREWorks 是什么？

• 起源：谷歌在 2003 年提出 SRE（Site Reliability Engineer，站点可靠性工程师）岗位，它是软件工程师和系统管理员的结合，重视运维人员开发能力，要求将日常琐事精力控制在 50%以内，另外 50%用于开发自动化工具。SREWorks 是阿里云大数据 SRE 团队对 SRE 理念的工程实践。
• 定位：专注于以应用为中心的一站式“云原生”、“数智化”运维 SaaS 管理套件，提供企业应用&资源管理及运维开发两大核心能力，助力企业实现云原生应用&资源的交付运维。
• 优势基础：阿里云大数据 SRE 团队靠近大数据和 AI，熟悉相关技术且拥有充足算力资源，一直践行“数据化”“智能化”运维理念，最早提出行业里的 DataOps（数据化运维），SREWorks 中有一套端到端的 DataOps 闭环工程化实践，涵盖标准的运维数仓、数据运维平台、运营中心等。

二、SREWorks 的优势

1. 体系化运维平台分层架构

   分层思路：借鉴经典 SPI（SaaS/PaaS/IaaS）三层划分思路，由“运维 SaaS 应用场景层、运维 PaaS 中台服务层、运维 IaaS 接入层”三部分构成。

   融入思想：融入运维规范、标准化思想，利用产品承载自动化流程、数据驱动、智能内核的方法论。

   场景划分：围绕应用生命周期，在 SaaS 场景层划分“交付、监测、管理、控制、运营、服务”六大区，每块有代表性核心功能，统一以应用抽象描述业务系统，对线上应用实例生命周期进行监测、管理、控制，并提供增值运营、服务。

1. 完整的数据化运维体系实践

   体系构成：采集所有系统运维数据并打通，深度挖掘数据价值，为运维提供数据决策；构建数据化运维业务模型，建立标准化运维数仓，建设数据运维平台，规范运维数据采集、存储、计算及分析，提供数据化服务供上层运维场景使用。

   实践意义：使运维工作描述和衡量更立体化，建立长期可持续优化的运维工作模式，实现真正运维价值。

1. 服务化的 AIOps 智能运维平台

   理念坚持：AIOps 未改变运维表现形式，在大量运维数据化工作基础上，利用 AI 能力探索、挖掘智能化运维场景，构筑时坚持打造“感知、决策、执行”的闭环，类似自动驾驶理念。

   实践方式：将量身定制算法与运维场景化结合，提前预测、关联分析，增强风险预防、故障定界定位能力，把每个智能化运维服务包装成感知的“监测器”、决策的“分析器”、执行的“策略器”，供健康管理、变更管理等系列服务调用。

1. 运维中台化、低代码化及云原生化运维开发体验

   自身特性：套件自身是云原生化应用，采用运维中台思想构建，在中台构建大量 PaaS 化运维服务能力，在前台围绕六大场景提供 SaaS 化运维场景应用。

   创新模式：针对运维开发领域前端开发特点，创新设计一套 Serverless 体验的前端开发模式。

三、开源原因

• 理论落地需求：阿里云大数据 SRE 团队之前分享“DataOps、AIOps”能力多为理论层面，为把数据化、智能化数智内核故事讲明白，将具有低门槛、高效率特点的 SREWorks 开源。
• 顺应云原生趋势：坚定认为运维团队需拥抱云原生，才能在云原生浪潮下立足。
• 推动行业发展：希望更多从业者使用“大数据和 AI”能力做好运维，实现“数据 + 智能”的运维平台内核。开源版选取了背靠的阿里云计算平台系列“大数据&AI”产品对应的开源版本，如开源版 Flink、Elasticsearch 等。

四、后续规划

• 迭代开发：平台目前每月进行一次迭代开发任务，由版本管理员统一维护合入相关功能及问题修复等内容，保证最新云原生化运维能力持续进入后期版本。
• 引擎迭代：当前有一套 OAM（Open Application Model）规范的工程化实践作为核心引擎，围绕该引擎建设系列运维中台服务，后续将跟随社区 OAM 规范发展持续迭代。

五、写在最后

SREWorks 开源是迈出的一小步，期待开发者反馈。平台设计了插件化扩展能力，欢迎打造属于自己的运维平台。对 SRE、DataOps、AIOps 或云原生等领域有兴趣者，可参与建设，共同打造最具特色的 SRE 云原生运维平台。

项目地址：https://github.com/alibaba/sreworks

很赞哦!（1728）