📚 课程目录第1章课程导论

1. 课程导论：服务画像概念、CI/CD流水线SLI的重要性、故障排查的挑战与目标

在微服务架构与云原生交付日益普及的今天，CI/CD流水线已成为软件交付的核心通道。然而，随着服务数量激增、依赖关系复杂化，流水线频繁出现“慢、堵、错”等问题，传统“一刀切”的监控与排查方式已难以为继。本课程引入服务画像这一核心概念，重新定义CI/CD流水线的SLI口径，并构建一套体系化的故障排查方法论。

1.1 服务画像概念

服务画像（Service Profiling）是指对每个微服务在CI/CD流水线中的行为特征、资源消耗、依赖拓扑、历史表现进行多维度建模，形成该服务的“数字孪生”描述。它帮助团队从“看流水线整体”转向“看单个服务在流水线中的表现”。

  核心维度：
  构建特征：编译耗时、依赖下载量、镜像大小、构建缓存命中率。
测试特征：单元测试覆盖率、集成测试执行时长、测试环境预热时间。
部署特征：部署策略（滚动/蓝绿/金丝雀）、回滚频率、启动就绪时间。
资源特征：构建节点CPU/内存峰值、测试环境并发数、制品存储占用。
依赖特征：上游服务版本、基础镜像层、第三方库变更频率。

服务画像的价值在于：为每个服务建立个性化的SLI基线，而非使用统一的全局阈值。例如，一个Java微服务的构建耗时基线可能是120秒，而一个Go微服务可能只需30秒；若统一使用60秒告警，则Java服务将永远处于“异常”状态。

1.2 CI/CD流水线SLI的重要性

SLI（Service Level Indicator）是衡量流水线服务质量的关键量化指标。在基于服务画像的视角下，SLI不再是流水线级别的单一指标，而是每个服务在流水线各阶段的个性化度量。

流水线阶段	传统SLI（全局）	基于服务画像的SLI（个性化）
代码构建	构建成功率 ≥ 95%	服务A构建耗时 ≤ 120s（P95）；服务B构建耗时 ≤ 30s（P95）
单元测试	测试通过率 ≥ 90%	服务C测试覆盖率 ≥ 80%；服务D测试执行时长 ≤ 60s
集成测试	集成测试通过率 ≥ 85%	服务E依赖环境预热时间 ≤ 15s；服务F回滚率 ≤ 2%
制品部署	部署成功率 ≥ 99%	服务G启动就绪时间 ≤ 45s；服务H金丝雀验证时长 ≤ 180s

为什么重要？ 基于服务画像的SLI能够实现：
(1) 精准告警：避免误报和漏报，只对偏离服务自身基线的异常进行通知。
(2) 容量规划：根据各服务的资源画像，合理分配构建节点和测试环境资源。
(3) 质量门禁：每个服务在合入主干前，必须通过其个性化的SLI阈值检查。

1.3 故障排查的挑战与目标

在复杂的CI/CD流水线环境中，故障排查面临以下核心挑战：

挑战一：指标爆炸 —— 数百个微服务、数十个流水线阶段，产生海量指标，难以快速定位根因。
挑战二：依赖黑盒 —— 流水线故障往往由上游依赖（如镜像仓库、包管理源、测试环境）引发，但依赖状态不可见。
挑战三：环境差异 —— 同一服务在不同环境（开发/测试/预发）的表现差异巨大，难以复现和诊断。
挑战四：缺乏基线 —— 没有服务画像基线，无法区分“正常波动”与“真实异常”。

本课程设定的故障排查目标：

  分钟级定位：从收到告警到定位到根因服务/阶段，目标 ≤ 5 分钟。
画像驱动：利用服务画像自动识别异常模式，减少人工经验依赖。
可复现：通过画像快照，在沙箱环境中复现故障场景。
持续改进：每次故障处理后，自动更新服务画像，提升后续排查效率。

1.4 课程知识体系总览

本课程将围绕“服务画像”这一核心，构建从SLI口径设计到故障排查实战的完整知识闭环：

模块	核心内容	产出物
服务画像建模	多维度画像数据采集、存储、更新策略	服务画像数据模型与采集SDK
SLI口径设计	基于画像的个性化SLI定义、阈值计算、异常检测算法	SLI配置模板与自动化计算脚本
流水线集成	将画像与SLI嵌入Jenkins/GitLab CI/Argo Workflows	流水线插件与Webhook集成方案
故障排查实战	基于画像的根因分析、故障复现、自动化恢复	故障排查Runbook与自动化工具链

前置要求： 建议学员具备CI/CD流水线（如Jenkins、GitLab CI）的基本使用经验，了解Prometheus/Grafana等监控工具的基础概念。本课程不涉及基础语法教学，聚焦于架构设计与实战方法论。