1. 课程导论：Serverless生命周期管理概述、配置漂移的定义与危害、Prometheus在审计中的角色
1.1 Serverless 生命周期管理概述
Serverless 架构将基础设施的运维责任转移给云平台，但函数、事件源、触发器、权限等资源的生命周期管理仍然是开发者和平台团队的核心职责。一个典型的 Serverless 函数从创建到退役，会经历以下关键阶段：
| 阶段 | 关键活动 | 配置风险点 |
|---|---|---|
| 创建/部署 | 定义函数代码、运行时、内存、超时、环境变量、IAM 角色 | 初始配置不符合安全基线（如内存过大、超时过长） |
| 配置更新 | 修改环境变量、触发器绑定、VPC 配置、并发限制 | 非预期变更导致依赖中断或性能退化 |
| 版本与别名 | 发布版本、创建别名、流量路由（金丝雀发布） | 别名指向错误版本、流量权重配置漂移 |
| 弹性伸缩 | 预留并发、预置并发、按需伸缩策略 | 预留并发未随业务调整，造成冷启动或资源浪费 |
| 监控与告警 | 配置日志组、指标采集、告警规则 | 监控配置缺失或阈值漂移导致故障漏报 |
| 退役/删除 | 清理函数、触发器、日志组、关联资源 | 残留配置引发安全漏洞或持续计费 |
核心观点： Serverless 生命周期不是“部署即结束”，而是持续配置治理的过程。每一次配置变更都可能引入漂移，而漂移的累积最终会导致生产事故。
1.2 配置漂移的定义与危害
配置漂移（Configuration Drift） 是指 Serverless 资源的实际运行配置与预期基线配置（如 IaC 模板、Git 仓库中的声明式定义）之间产生偏差的现象。漂移通常由以下原因引起：
- 手动热修复： 通过控制台或 CLI 直接修改配置，未同步回 IaC 代码。
- 自动化脚本副作用： CI/CD 管道或运维脚本意外覆盖了关键参数。
- 平台默认值变更： 云服务商更新了默认配置（如超时、内存），导致现有函数偏离基线。
- 多环境不一致： 开发、预发、生产环境的配置参数未严格对齐。
配置漂移的危害可以归纳为以下四个维度：
| 危害维度 | 具体表现 | 典型后果 |
|---|---|---|
| 可靠性 | 超时配置缩短导致请求中断；内存不足引发 OOM | 服务可用性下降，SLO 违约 |
| 安全性 | IAM 角色权限扩大；环境变量泄露密钥；VPC 配置移除 | 数据泄露、横向移动攻击 |
| 成本 | 预留并发未随流量下降而缩减；函数内存配置过高 | 云资源浪费，账单异常增长 |
| 可观测性 | 日志组保留周期被修改；自定义指标维度丢失 | 故障排查困难，监控盲区扩大 |
警示： 配置漂移是渐进式的，往往在故障发生后才被发现。传统“人工巡检 + 定期审计”的方式在 Serverless 高频变更场景下完全失效，必须依赖持续、自动化的审计手段。
1.3 Prometheus 在审计中的角色
Prometheus 作为云原生生态的标准监控与告警系统，在 Serverless 配置漂移审计中承担 持续采集、指标化建模、异常检测 三大核心角色。其审计能力并非直接读取 IaC 模板，而是通过以下方式实现：
- 指标暴露： 云服务商（如 AWS Lambda、Azure Functions）通过 exporter 或集成端点暴露函数配置指标（内存、超时、并发限制、环境变量哈希等）。
- 基线指标化： 将 Git 仓库中的期望配置转换为 Prometheus 静态指标或 Recording Rules，作为“黄金参考”。
- 漂移检测： 通过 PromQL 计算实际配置指标与基线指标的差值，当偏差超过阈值时触发告警。
1.4 本课程的核心思路
本课程将围绕以下三条主线展开，帮助学员构建完整的 Serverless 配置漂移审计体系：
- 指标建模： 如何将 Serverless 配置项（内存、超时、并发、环境变量、IAM 策略等）映射为 Prometheus 指标。
- PromQL 审计查询： 编写 PromQL 表达式计算实际配置与基线的偏差，并设置合理的告警阈值。
- 自动化治理闭环： 结合 Alertmanager、Grafana、Webhook 实现漂移发现、通知、修复的自动化流程。
学习目标： 学完本课程后，你将能够独立设计一套基于 Prometheus 的 Serverless 配置漂移持续审计方案，将配置治理从“人工抽查”升级为“实时监控 + 自动修复”。