1. 课程导论：CI/CD流水线Runbook与Prometheus告警联动的价值、课程目标与适用人群
1.1 为什么需要联动：从“告警轰炸”到“自愈闭环”
现代DevOps团队每天面对数十甚至上百条Prometheus告警。传统模式下，SRE收到告警后需要手动登录多个系统——查看CI/CD流水线状态、翻阅内部Wiki、执行修复脚本。这种“人肉运维”模式存在三个致命缺陷：
- MTTR（平均修复时间）过长：从告警触发到人工定位根因，平均耗时超过15分钟；
- 知识孤岛：修复经验沉淀在个人笔记或聊天记录中，团队无法复用；
- 误操作风险：高压环境下手动执行命令，极易引发二次故障。
核心价值：将Prometheus告警与CI/CD流水线Runbook（运维手册）深度绑定，实现“告警触发 → 自动诊断 → 流水线回滚/修复 → 验证闭环”的全自动化链路，将MTTR从分钟级压缩到秒级。
1.2 联动架构总览
下图展示了CI/CD流水线Runbook与Prometheus告警联动的核心架构。告警事件通过Webhook进入自动化引擎，触发预定义的Runbook模板，进而驱动CI/CD流水线执行修复动作，最终将结果反馈回监控系统。
1.3 课程目标与学习收益
完成本课程后，你将掌握以下核心能力：
| 能力维度 | 具体目标 | 实战产出 |
|---|---|---|
| 告警治理 | 设计Prometheus告警规则，区分P0/P1/P2优先级 | 生产级告警规则集（YAML） |
| Runbook开发 | 编写可编程Runbook模板，支持参数化执行 | 5个典型故障场景Runbook |
| 流水线集成 | 将Runbook嵌入Jenkins/GitLab CI/GitHub Actions | CI/CD流水线自动化修复Job |
| 闭环验证 | 通过Prometheus API实现告警自动恢复 | 告警自愈闭环脚本 |
| 可观测性 | 构建Runbook执行监控面板（Grafana） | Runbook执行成功率/MTTR仪表盘 |
1.4 适用人群与前置知识
推荐人群：本课程面向有一定基础的DevOps/SRE工程师，建议具备以下前置知识：
- 必备：熟悉Linux基础命令、了解CI/CD基本概念（如流水线、构建、部署）；
- 推荐：有Prometheus基础使用经验（如配置告警规则、查看指标）；
- 加分：接触过任意一种CI/CD工具（Jenkins/GitLab CI/GitHub Actions）。
1.5 课程知识体系
课程共30章，分为四大模块，覆盖从理论到生产落地的完整路径：
1.6 课程特色与交付物
⚠️ 注意：本课程不是纯理论讲解，每一章都包含可运行的代码和配置。请确保在实验环境中跟随操作。
- 可复用Runbook模板库：覆盖服务宕机、慢查询、磁盘满、证书过期、流量突增5大场景；
- 完整CI/CD流水线配置：Jenkinsfile / .gitlab-ci.yml / GitHub Actions YAML 三套实现；
- Prometheus告警规则集：包含告警表达式、标签设计、分组策略的最佳实践；
- Grafana监控面板：Runbook执行成功率、MTTR趋势、告警收敛效果可视化。
1.7 学习路径建议
| 角色 | 建议学习路径 | 重点章节 |
|---|---|---|
| SRE工程师 | 模块一 → 模块二 → 模块四 | 告警规则设计、Runbook语法、生产落地 |
| DevOps工程师 | 模块一 → 模块二 → 模块三 | 流水线集成、多集群联动、混沌工程 |
| 平台架构师 | 模块一 → 模块三 → 模块四 | 高可用设计、成本优化、审计合规 |
现在，让我们正式进入第一章，从搭建实验环境开始，逐步构建你的自动化告警自愈体系。