常见的运维问题
- 人工运维 —— 机械性重复运维，效率地下，错误频发
- 工具辅助 —— 无法批量操作，批量运行状态缺乏管理，难以定位错误
- 业务发展过快，缺少运维积累，缺乏运维规范
- 多人运维缺少权限控制，中心化日志，无法审计
- 运维权限过大，增加失误风险，运维变成“背锅侠”
运维演进的三个方向
- 第一阶段：纯手工运维。完全依赖手工的方式运维，有时在命令行里面的敲几行命令，有时用鼠标在几个不同的网页上操作，基本上都是靠“前辈”手把手指导，然后就自己上路了，刚开始操作时心中忐忑，生怕“碰坏了”系统。等到操作熟练以后，又容易掉以轻心，最好操作失误，触发故障。
- 第二阶段：逐步累积了一些运维脚本和一些小工具，帮助完成单一的运维任务。比起第一阶段，完成单一运维任务的效率提高了很多。但是在处理批量任务时，依然力不从心，无法很好地协同状态，协调各个任务之间的状态。脚本的编写往往不够严格，时常遇到错误，导致无法继续使用脚本和工具，需要退回到手工运维。
- 第三阶段：完整的自动化系统。比起第二阶段，工具和脚本被系统级的自动化软件所取代，自动化的系统提供完备的批量运行，状态监控，日志和身份认证等功能。此类系统可以完成预先设计的自动化功能，随着任务的需求越来越多，系统需要不断升级和维护。 —— 为了方便阿里云的用户，阿里特意打造了云上的自动化运维平台 —— 运维编排服务OOS。
阿里云运维编排服务
阿里云运维编排服务（Operation Orchestration Service，简称OOS）是一个全面的，免费的云上自动化运维平台，提供了运维任务的管理和执行。典型的使用场景包括：事件驱动运维，批量操作运维，定时运维任务，跨地域运维等，OOS特别为一些重要的运维场景提供了审批，通知等功能。通过使用OOS还可以达到标准化运维任务的目的，从而实践运维即代码（Operations as Code）的先进理念。OOS支持跨产品使用，您可以使用OOS管理ECS、RDS、SLB、VPC等云产品。
产品优势
可视化的执行过程和执行结果
通过提供可视化的执行过程，您可以看到完整的执行过程和执行结果，具体包括：
- 直观地看到各个任务的执行详情、参数和输出。
- 清晰地看到执行的流程、顺序和错误跳转。
- 透明地看到从开始到结束的完整执行过程。
免费的全托管自动化
提供全托管的自动化执行，即无服务器（Serverless）的自动化执行。执行过程无须消耗和使用您的计算资源（如ECS实例），即可满足创业型公司、中小型企业以及大型企业客户的自动化运维需求。完全的自动化模式下无需人工守护，让您更加专注于业务的高速增长。
高效的批量管理
传统场景下，执行批量任务相比执行单一任务的管理复杂度大幅增加，OOS可以帮助您提供实时的进度管理、运行状况统计和快速的错误定位，从而提高整体的运维效率。
完备的鉴权和审计
您可以继续使用熟悉的资源访问管理和用户权限管理系统（RAM）来管理OOS，无论是运维编排自身的操作，还是通过运维编排执行的对其他云产品的操作，均支持鉴权和审计。您无需担心操作的安全。
快速模板构建能力
OOS提供高易用性的模板构建能力，您无需从零开始构建。OOS提供了热门云产品的快速集成能力云产品动作，帮助您快速地构建模板，降低模板编写的难度，提高整体运维的效率。同时，OOS为常见的运维场景提供了公共模板，您可以选择一个类似的模板快速地复制和修改，以便满足您独特的运维需求。
跨地域、多地域的运维能力
因为业务的需要您可能使用了多个地域的资源，普通的运维操作只能在一个地域内单独操作，而OOS同时提供了跨地域和多地域的运维能力。多地域运维时，可以利用OOS的任务循环，能够快速地覆盖多地域。跨地域运维时，只需要指定对应Action的RegionId即可。
标准化运维任务（Operations as Code）
将日常所需要的运维任务以模板的方式提供，并遵循代码（Code）的管理方式来管理模板。从创建到审核，再同步到生产账号中，后续的运维任务只从标准模板中选择运行，确保运维动作的安全，像源代码一样的规范，并以此完成运维即代码（Operations as Code）的最佳实践。
运维权限收敛（委托授权）
运维人员的权限管理非常地复杂，太大的权限意味着太高的风险，太小的权限又无法完成运维操作，如何可以让运维人员完成运维任务，同时又避免他进行非预期的操作。OOS提供了委托授权模式，具有高权限的管理人员编写OOS模板，并配置固定的role，此时即完成了委托授权。然后将执行此模板的权限开放给其他低权限的运维人员，即可完成运维任务，又避免了高权限的风险。
应用场景
OOS的常见应用场景有：事件驱动、批量操作、更新镜像、需要审批的运维场景、定时任务、跨地域、多地域的运维等应用场景，且您也可根据自身实际场景自定义诸多灵活多样的模版。
事件驱动
当一个事件发生时，触发一个运维动作。例如，当某ECS实例的CPU使用量达到了85%时，为了防止业务中断，自动重启。事件驱动场景可以提供主动运维支持，免去中间的人为因素，提高运维效率。
批量操作
批量地执行运维命令，即需要针对多个目标（如ECS实例）进行常规操作，以确保业务的正常和平滑运行，并保持业务的健康状态。
例如，批量检查ECS实例中的硬盘剩余空间。首先选择需要检查的实例列表。（多种选择方式，如名字匹配、标签分组、资源组分组等），然后通过云助手命令执行硬盘检查，最终统一查看结果。
公共模板
| 名称 | 用途 |
|---|---|
| ACS-ECS-StartInstancesByInstanceIds | 根据实例ID列表开机 |
| ACS-ECS-StartInstancesByTag | 根据实例Tag开机 |
| ACS-ECS-StopInstancesByInstanceIds | 根据实例ID列表停机 |
| ACS-ECS-StopInstancesByTag | 根据实例Tag停机 |
| ACS-ECS-RebootInstancesByInstanceIds | 根据实例ID列表重启 |
| ACS-ECS-RebootInstancesByTag | 根据实例Tag重启 |
更新镜像
为了保证ECS实例的运行环境始终是安全的，包括安装最新补丁，或者更新所依赖的组件等，您可以使用OOS更新镜像，从一个源镜像开始逐步更新，最终生成一个新镜像，然后用于测试和生产。
公共模板
| 名称 | 用途 |
|---|---|
| ACS-ECS-UpdateImage | 更新镜像 |
需要审批的运维场景
在很多场景下都需要使用审批来确保操作是安全并符合预期的。通过在模板中增加审批动作（ACS::Approve）可以在运维动作实际执行前进行人工审批，以确保运维动作执行的必要性，避免浪费和误操作。
公共模板
| 名称 | 用途 |
|---|---|
| ACS-ECS-BuyCostlyInstancesWithApproval | 购买实例时需要先审批 |
| ACS-ECS-DeleteInstancesWithApprovalByInstanceIds | 删除实例时需要先审批 |
定时任务
定时执行所定义的运维动作。例如，在某测试场景中，需要清除某账号下因为测试所产生的对象存储OSS文件，则可以创建一个模板，每天凌晨运行，以确保测试环境是一个全新的环境，避免干扰下一次的测试结果。
公共模板
| 名称 | 用途 |
|---|---|
| ACS-ECS-ScheduleToStartInstancesByTag | 根据实例ID列表定时开机 |
| ACS-ECS-ScheduleToStopInstancesByTag | 根据实例ID列表定时停机 |
跨地域的运维场景
多地域部署已经成为了高可用（HA）架构的通用架构。随之而来的跨地域运维却变得越来越复杂，使用OOS可以帮助您解决跨地域的运维难题。您可以将不同地域的运维操作定义在一个模板内，即可实现跨地域的运维场景。
多地域的运维场景
当您在使用多个地域资源时，经常需要对它们进行同步操作，以便保持它们的一致性。例如，将对象存储（OSS）的多个地域的存储空间（Bucket）进行相同的操作——开启日志功能。
运维编排（OOS）和资源编排（ROS）
相同之处
- OOS和ROS都是通过配置YAML或JSON文件的方式来定义模板的——即编排。编排的内容是资源，即ROS，编排的内容是运维动作，即OOS。
- OOS和ROS的配置语法是相似的。
- OOS和ROS都免费的，全托管的云产品，即本身不花钱，但通过OOS和ROS创建的资源是会按照各自的要求收费的。
- OOS和ROS都是阿里云官方的云产品，提供了统一身份认证，安全审计等功能。对比第三方类似产品而言，阿里云提供的云产品将给您提供更加集成，更加一致的产品。
不同之处
ROS专注计划&部署场景，面向云资源的终态，在部署前需要定义好基础设施的形态，然后通过ROS声明出来，ROS负责帮你创建或更新基础设施资源（即云资源），并达到预期的终态。例如，部署一个网站通常需要部署10台ECS实例，1个SLB和1个RDS。那么需要在ROS声明，10台ECS实例，1个SLB和1个RDS。然后再通过创建ROS Stack的方式来实际创建这些资源，并最终创建完成，最终会有10台ECS实例，1个SLB和1个RDS。
OOS专注动作&运维场景，面向运维过程，完成一次任务，只强调本次任务完成的结果。假设有这样的运维场景，有一个已经运行的网站，因为流量增加而需要增加2台ECS实例，于是我们可以创建一个“新增实例的操作手册”（OOS模板的形态），这个操作手册只关注于此次任务，创建实例，并且挂在SLB下面。OOS不关心最终这个SLB下面有多少台ECS实例，只关心此次增加2台实例的运维任务完成。
OOS和ROS在DevOps中的位置
到了该介绍文章开头的图片了，在DevOps的体系中，包括从计划，编码，构建，持续测试，发布，部署，运维和监控的全过程。其中的部署部分又可以分为：环境部署（即基础设施）和应用部署两部分。ROS专注其中的环境部署，常见的环境部署包括这些ECS，VPC，SLB，RDS等。而OOS专注其中的运维，运维不同于部署，部署有相对清晰的概念和范围，而运维的概念相对模糊，范围也更大。运维也包括了非DevOps中的运维，甚至包括了日常的IT运维。OOS支持的运维以云上云产品和其资源为主，同时包括了ECS实例及其内部GuestOS。通过云助手的OpenAPI进行GuestOS的内部运维，如查看磁盘，安装卸载agent，修改配置文件等。
欢迎使用OOS
OOS管理控制台的链接
如果您遇到链接打不开的问题，请复制此链接到您的浏览器导航栏然后打开：
https://home.console.aliyun.com/redirect.htm?productId=ecs&path=automation/region/
OOS帮助文档的链接
OOS客户支持钉钉群：23330931
系列文章
最佳实践
玩转运维编排服务的权限：Assume Role+Pass Role
场景系列
运维编排场景系列----更新ECS镜像
运维编排场景系列-----给ECS实例自动打TAG
运维编排场景系列----从实例中拷贝文件到OSS
运维编排场景系列----给实例加到SLS机器组
运维编排场景系列----检测MFA功能状态
阿里云运维编排新功能：一键批量克隆ECS