在了解学习Docker的时候，同步接触了很多关于DevOps信息，特别是在Docker官网上也提到了DevOps，让我对它特别上心。
咱们的原则是：说干就干，不要废话，走起 ... ...
前方高能，注意保护自己
十分靠谱的说在翻阅了大量的资料，看过了各种各样的解释，也看过很多公司总结DevOps的PPT资料后，我得出了一个结论：资料这种东西只要你看多了就会发现很多共同点，有很多东西大家虽用不同的言词修饰但是讲的其实都是一个东西。我们想要的恰恰就是这个东西，就是 核心理念。
经过我多日“勤奋不眠”的梳理总结，差点吐血。要想感激我，可以给我发红包
对于DevOps，你只要掌握下面这几点足以：
- 自动化运维
- 可视化研发
- 智能化监控
- 数字化文化
核心理念，建议抄下来
自动化运维
就是指针对运维工作效率进行提升，主要是使用自动化的工具去代替人力的工作。如Jenkins的job、Gitlab的CI/CD都可以大幅提升部署效率，又如Chef和Apollo这样的配置管理工具，可以释放维护的成本降低运维人员的成本。
使用了这些工具并不代表你就叫自动化运维，这只是第一步。我们的目标是要想办法让工具与工具组合成自动化的流水线，最终要达到系统能自动的完成运维的工作，而运维人员根本不用参与到过程中去。在使用工具的同时，我们要去改造这些工具让他们串行的完成整个流水线工作。
可视化研发
指让整个研发的过程规范化、透明化、可追踪化。把研发过程量化并展现给整个团队，让每个成员既明白全局进度又明白自己所处的位置。
对于平台则可以展现并追踪所有项目产品的研发过程，再往上则可以提效降低成本。可视化的过程中，我们更多的要从项目经理的角度来思考和设计，想着如何去达到项目经理对所有研发过程的可控管理和结果预期。
智能化监控
监控是第一步其次再谈高级的智能化，监控到我们认为所有需要并可以监控的地方，设置各种伐值和通知机制，如：带宽、内存、cpu、研发过程、自动化发布等等，当触及某个临界点就通知对应的人去处理或者系统自动处理。完善后就可以通过很多BI中用到的图标等办法，多维度多角度的分析一个个细节，通过监控反馈数据再对整个平台进行提效。
前面提到的自动处理就是我们要说的智能化，如扩容机制就可以让系统根据需要进行自动添加或回收，不用再手工去配置。我们可以和云商进行深入合作或者使用自己的虚拟云，通过脚本开发来实现自动化工作。又如服务器节点的扩增回收等等操作，这个智能化是一个过程，需要团队慢慢的去完善，最终达到我们想要的智能化。
数字化文化
数字化在这里是很重要的概念，在流程中的开发、运维、测试三个环节都要做到最大甚至全部的数字化和指标化。比如当我们聊这个项目的研发效率时，不是随口就来的“大概70%”，聊研发同学的工作量时，也不是随口就来的“大概50%”。我们要做的是量化过程一切用数据说话，如：数据表明这次实际的研发用时占整个项目的73.34%。要打通各种工具和系统界限，将各系统的库进行整合形成一个数据仓库，再来进行BI分析。
比如：计算工程师对需求的响应效率，需求提交的时间、工程师看到需求的时间、开始处理的时间、处理完成的时间等，研发周期所有的需求数量、需求等级、需求的规模大小等，通过以上数据我们选择合理的公式就可以计算响应效率。
更重要的则是量化文化的培养，那是一种类似于圈子的认知统一，它会对新人有种带动力并最终让他们认可并传承这种文化，文化一定是具有自驱力和强大生命力的，当文化能够传承时便形成了文化。
最终的理想国，安排 ... ...
打开脑洞，开始发挥我们天才的想象力，最终会是一种什么样的场景。
1、最终系统智能的自动化运维，已经不需要运维工程师了，有也肯定很少。 2、开发工程师会像工具一般机械式的生产代码，代码提交后都是自动的组装、测试和发布。 3、精英维护工程师（架构师级别）负责优化整个DevOps平台，AI出现后他们也可以不需要。
结果只有一种：
没有测试、没有运维、只有在被奴役的开发和正在喝茶的产品。
哈哈哈，完美，安排 ......
关注作者博客或者公众号：冬天就要吃胖点
