从精益、敏捷到 DevOps 的发展脉络
软件交付模式的演进，本质上是企业为了更快、更稳地响应市场变化而不断探索的过程。早期瀑布模型强调阶段清晰，但反馈周期长、变更成本高。随后精益（Lean）思想被引入软件开发，核心是消除浪费、持续流动；敏捷（Agile）则进一步强调小步快跑、拥抱变化，通过迭代和增量交付缩短反馈环。
DevOps 在敏捷基础上，将开发（Dev）与运维（Ops）之间的壁垒打通，倡导" you build it, you run it “的文化。它不只是工具链的整合，更是组织流程、度量和协作方式的变革。典型的 DevOps 流水线包含：需求管理、代码提交、持续集成（CI）、持续交付（CD）、部署发布、运行监控、反馈改进。
SRE 与 AIOps 核心概念
SRE（Site Reliability Engineering） 由 Google 提出，主张用软件工程方法解决运维问题。其关键实践包括：
- SLO/SLI/SLA：用可量化的服务等级目标（SLO）、指标（SLI）和协议（SLA）来管理可靠性。
- 错误预算：允许在一定范围内发生故障，从而平衡创新速度与稳定性。
- Toil 管理：将重复性手工操作自动化，降低运维负担。
- 混沌工程：通过受控故障注入验证系统韧性。
AIOps（Artificial Intelligence for IT Operations） 则是将人工智能，尤其是机器学习和大模型技术，应用于运维数据的分析、决策与自动化执行。Gartner 将 AIOps 定义为结合大数据与机器学习，支持 IT 运维全过程的平台能力。
大模型与 AIOps 的结合关系
大语言模型（LLM）为 AIOps 带来了新的交互与推理能力：
- 自然语言接口：运维人员可以用自然语言查询指标、生成查询语句（如 PromQL、SQL）。
- 日志/事件摘要：LLM 可对海量日志进行聚类、摘要和根因解释。
- 知识沉淀与推理：将 SOP、故障报告、架构文档作为知识库，LLM 可基于 RAG（检索增强生成）进行推理。
- 决策 Agent：通过 Function Calling 调用运维 API，实现自动扩容、重启、回滚等动作。
DevOps、SRE、AIOps 三者的区别与联系
| 维度 | DevOps | SRE | AIOps |
|---|---|---|---|
| 核心目标 | 加速交付、打通协作 | 保障可靠性、量化运营 | 智能分析、自动决策 |
| 关注阶段 | 开发到交付全流程 | 生产运行与可靠性 | 数据驱动的运维全链路 |
| 主要手段 | CI/CD、自动化、文化变革 | SLO、错误预算、自动化 | ML、LLM、可观测数据 |
| 关系 | 基础文化与流程框架 | 可靠性工程实践 | 智能化能力增强 |
三者并非替代关系。DevOps 提供协作框架，SRE 提供可靠性工程方法，AIOps 提供数据与智能决策能力，三者叠加才能构建现代化的运维体系。
基础设施即代码（IaC）概述
IaC 是云原生交付的重要支柱，通过声明式配置管理基础设施，实现版本化、可回滚、可复现。主流工具包括：
- Terraform：HashiCorp 出品的声明式 IaC 工具，通过 Provider 对接多云资源，Module 实现模板复用。
- Crossplane：基于 Kubernetes CRD 的 IaC 方案，将云资源抽象为 K8s 资源，实现 GitOps 式的平台工程。
Terraform 的核心工作流为 write -> plan -> apply -> destroy，状态文件（state）是管理依赖与变更的关键。通过 workspace 或 workspace + backend 分离，可以实现多环境（dev/staging/prod）隔离。
Crossplane 则更进一步，将基础设施资源纳入 Kubernetes 控制平面，结合 Composition 和 Claim 机制，允许平台团队封装内部 PaaS，实现自服务能力。
总结
云原生基础不仅是容器和 Kubernetes，更是一套围绕 DevOps、SRE、AIOps 的现代化工程体系。理解这些概念之间的演进关系与互补关系，是后续学习 AIOps 实战、Client-go 开发、Operator 开发以及可观测性技术的必要前提。