AI 运维上手指南

第 5 课 · 建运维仓库

建一个私有仓库,写三张清单:机器、服务、域名。立一条规矩:每次改完写回。

这一课解决什么

把「哪台机器上跑着什么」从你脑子里搬到一个仓库里。后面所有的检查都建在这本账上。

开始前要有: 一台开发机、一台生产机,在开发机上敲 ssh prod 能登上生产机(第 2 到 4 课)。

不做会怎样

我们自己的例子。建账之前做过一次普查,才发现:

  • 三条定时任务从某天起不再触发,静悄悄停了 20 天。
  • 一个产品的自动构建一直是失败的,红了两周。
  • 域名解析、存储桶都是在云厂商的网页里点出来的,没人说得全有哪些。

最要命的是不知道自己不知道什么。没有账,「多了一个任务」「少了一个任务」「有人手改过」这些话都无从说起。

先看懂

左边是机器上真实在跑的,右边是账上记的。先点「跑一次比对」,再弄出一点偏差,再比一次。最后试试「假设没有账」。

动手试试有账和没账,差在哪

机器上真实在跑的

  • 小网站(容器)
  • 数据库(容器)
  • 每天 3 点备份(定时任务)
  • 证书自动续期(定时任务)

账上记的

  • 小网站(容器)
  • 数据库(容器)
  • 每天 3 点备份(定时任务)
  • 证书自动续期(定时任务)

账的作用只有一个:给出「应该是什么样」。 有了它,才能拿真实情况去比。

账记什么

三张清单,一条规矩。

清单回答什么问题文件
机器我有哪些机器,各自干什么,什么时候到期inventory/hosts.yaml
服务每台机器上应该跑着什么inventory/services.yaml
域名每个域名指向哪里,给谁用inventory/domains.yaml

规矩:在机器上加、改、停任何一样东西,同一次任务里把账改成新的样子。

用表格记行不行

不行。账要让程序能读,才能自动比对;要有修改历史,才知道谁在什么时候改了什么。放进仓库的文本文件两样都有。

跟着做

建一个私有仓库

在 CNB 网页上新建仓库,名字叫 ops,可见范围选私有。

把起步仓库的模板放进去

在开发机上:

把 https://cnb.cool/vibeapi/ai-ops-starter 下载到 ~/ops,去掉它原来的提交历史,
重新初始化成我自己的仓库,远端指向 https://cnb.cool/<我的组织>/ops.git
git clone https://cnb.cool/vibeapi/ai-ops-starter.git ~/ops
cd ~/ops
rm -rf .git
git init -b main
git remote add origin https://cnb.cool/<我的组织>/ops.git

现在 ~/ops 里有这些:

inventory/    三张清单的模板
tools/        普查脚本 census.sh,对账脚本 ledger-diff.py
guard/        命令护栏,第 14 课用
CLAUDE.md     给助手看的规则,里面已经写着「改完写回」

填机器清单

打开 inventory/hosts.yaml,把两台机器改成你自己的。密码和密钥不写在这里。

inventory/hosts.yaml
prod:
  role: 生产机
  provider: 腾讯云轻量
  region: 新加坡
  ip: 203.0.113.20
  login: ubuntu
  expires: 2027-01-15   # 到期日

让助手普查,生成服务清单

普查是只读的:只看机器上在跑什么,不改任何东西。它看四样:正在运行的容器、定时任务、对外开着的端口、你自己加的系统服务。

对 prod 跑一次 tools/census.sh,把结果按 inventory/services.yaml 的格式填进 prod 这一节。
每一项后面加一句注释,说明它是干什么的。不认识的标「待查」。不要改机器上的任何东西。
ssh prod 'bash -s' < tools/census.sh

普查的输出每行一样东西:

container	db
container	web
cron	0 3 * * * /opt/shop/backup.sh
port	22
port	80
port	443

填好的清单:

inventory/services.yaml
prod:
  containers:
    - web        # 小网站
    - db         # 数据库
  cron:
    - "0 3 * * * /opt/shop/backup.sh"   # 每天 3 点备份数据库
  ports: [22, 80, 443]
  units: []

对一次账

python3 tools/ledger-diff.py prod
prod:机器上 6 项,偏差 0 项

偏差是 0,说明账和机器对上了。

填域名清单,提交

把 inventory/domains.yaml 改成你自己的域名,然后提交推送:

git add inventory/
git commit -m "建账:两台机器、prod 上的服务、一个域名"
git push -u origin main

验一次

故意在生产机上手工加一个定时任务,不写回账本:

ssh prod '(crontab -l 2>/dev/null; echo "*/30 * * * * /usr/bin/true") | crontab -'
python3 tools/ledger-diff.py prod

应该看到:

机器上有,账上没有  定时任务  */30 * * * * /usr/bin/true
prod:机器上 7 项,偏差 1 项

查出来了。现在有两条路:这个任务是要留的,就写进 services.yaml;不要的,就从机器上删掉。这次是测试,删掉:

ssh prod 'crontab -l | grep -v /usr/bin/true | crontab -'
python3 tools/ledger-diff.py prod

偏差回到 0,这一课过关。

常见卡点

  • 普查出来一堆不认识的东西。 正常。标「待查」先记进账里,不要急着删。下一课专门处理它们。
  • 清单里的定时任务和机器上的对不上,其实是同一条。 对账按整行文字比,多一个空格都算不同。从普查的输出里原样复制,不要手打。
  • 缺少 PyYAML。 在开发机上跑 sudo apt install -y python3-yaml。
  • 助手改了机器却没改账。 规矩写在 CLAUDE.md 里它才会照做。第 17 课会把这条规矩变成推送前的自动检查,到那时不写回就推不上去。

生产环境里是什么样

同一件事,在 50 台机器的规模下:

  • 建账第一周,助手把每台机器的定时任务、系统服务和 165 个代码仓库的自动构建全部只读扫了一遍,列出 17 个问题,当晚处理完绝大部分。
  • 账不只三张清单,还有服务之间的依赖、每个应用的运行版本、有截止日期的事项。
  • 每天自动对一次账。还有一个反向的检查,专门找「在跑但账上没有」的东西,第一轮结果是 0。
  • 两个月里这个仓库有 5394 次提交。

下一课:普查。

最后更新于