3. 基础设施即代码(IaC)概述
基础设施即代码（Infrastructure as Code, IaC）是云原生时代运维与交付的核心实践。它将传统手工配置服务器、网络、存储等基础设施的操作，转变为通过代码定义、版本管理和自动化执行的过程。在《服务画像建模驱动基础设施即代码SLI口径映射方法》课程中，IaC 是连接服务画像与 SLI 口径的桥梁——只有通过 IaC 精确描述基础设施状态，才能确保 SLI 采集口径与实际运行环境一致。
3.1 IaC 的核心原则
IaC 的实践建立在三个核心原则之上，这些原则直接决定了 SLI 口径映射的可靠性与可重复性。
| 原则 | 定义 | 对 SLI 口径映射的意义 |
|---|---|---|
| 声明式（Declarative） | 用户描述期望的最终状态，工具自动计算并执行达到该状态所需的操作。 | SLI 口径对应的基础设施状态（如实例规格、网络拓扑）由代码明确声明，避免因执行顺序差异导致口径漂移。 |
| 幂等性（Idempotent） | 无论执行一次还是多次，最终状态始终与代码定义一致。 | SLI 采集依赖的基础设施配置不会因重复部署或故障恢复而改变，确保口径长期稳定。 |
| 版本控制（Version Control） | 所有基础设施代码纳入 Git 等版本控制系统，记录每一次变更。 | SLI 口径的变更历史可追溯，支持回滚到已知正确的口径版本，便于审计与复盘。 |
关键提示： 声明式是 IaC 区别于脚本式运维的核心。在 SLI 口径映射场景中，声明式 IaC 保证“基础设施状态 = 代码定义 = SLI 采集基准”，三者严格一致。
3.2 主流 IaC 工具对比
当前业界主流的 IaC 工具包括 Terraform、Pulumi 和 Ansible。它们在设计哲学、语言支持和适用场景上存在显著差异，选择合适的工具直接影响 SLI 口径映射的工程效率。
| 维度 | Terraform | Pulumi | Ansible |
|---|---|---|---|
| 设计范式 | 声明式 + 状态文件（.tfstate） | 声明式 + 通用编程语言 | 声明式（Playbook）+ 过程式（Task） |
| 配置语言 | HCL（HashiCorp Configuration Language） | TypeScript、Python、Go、C#、Java 等 | YAML（Playbook）+ Jinja2 模板 |
| 状态管理 | 远程状态后端（S3、Consul、Terraform Cloud） | 自动化状态管理（Pulumi Cloud / 自托管） | 无中心状态（每次从目标节点收集事实） |
| 执行模型 | 客户端执行（CLI / 自动化流水线） | 客户端执行（CLI / SDK / 自动化流水线） | 推模式（Push）或拉模式（Pull） |
| 资源覆盖 | 多云 + 云原生（Provider 生态） | 多云 + 云原生（Provider 生态） | 配置管理为主 + 部分云资源编排 |
| 适用场景 | 基础设施全生命周期管理（网络、计算、存储） | 需要编程语言表达复杂逻辑的基础设施 | 配置管理、应用部署、合规检查 |
选型建议： 如果 SLI 口径映射需要频繁处理条件逻辑、循环或外部 API 调用，Pulumi 的通用编程语言优势明显；如果团队以运维为主且基础设施状态一致性要求极高，Terraform 的成熟状态管理机制更可靠；如果 SLI 口径涉及大量操作系统级配置（如内核参数、日志采集 Agent），Ansible 的配置管理能力不可或缺。
3.3 IaC 在云原生时代的演进
云原生架构的普及推动了 IaC 从“资源编排”向“应用与基础设施统一管理”演进。下图展示了 IaC 在云原生时代的关键能力层次。
上图展示了 IaC 在云原生时代的四个关键演进层次。其中 L4（可观测性与策略即代码）与本课程直接相关——SLI 口径映射正是将服务画像中的可观测性需求，通过 IaC 代码化地定义到基础设施中。
3.4 IaC 与 SLI 口径映射的关联
在《服务画像建模驱动基础设施即代码SLI口径映射方法》课程中，IaC 承担以下关键角色：
- 口径载体： SLI 采集所需的基础设施资源（如 Prometheus 实例、日志采集器、网络探针）全部通过 IaC 代码定义，确保口径可重复、可审计。
- 状态锚点： IaC 的幂等性保证每次部署后基础设施状态一致，SLI 口径不会因环境差异而失效。
- 变更追溯： 版本控制下的 IaC 代码记录了每一次口径调整，支持快速回滚到已知正确的口径版本。
常见误区： 不要将 IaC 仅视为“自动化部署工具”。在 SLI 口径映射场景中，IaC 的核心价值是建立“服务画像 → 基础设施状态 → SLI 采集口径”之间的确定性映射关系。缺少 IaC 的口径管理，本质上仍是手工运维，无法满足云原生环境下的可观测性一致性要求。