王洋-中信建投证券数智研运一体化平台建设探索与实践

王洋DevOps平台技术负责人 王洋 公司职位中信建投证券DevOps平台技术负责人 中信建投证券DevOps平台技术负责人。拥有10余年的研发工作经验,具有丰富的金融行业DevOps实践经验。推动公司基础设施自动化、应用交付自动化、安全合规自动化等多个方向的建设。敏捷过程，工具标准化。拥有PMP、DEC等认证。 建 设 背 景 目录 项 目 简 介 项 目 成 果 总 结 展 望 项目背景 多云不统一、部署问题频现 持续交付团队和项目负担加重 在信创和混合云环境中，企业通常使用多个云服务提供商，导致各个云环境之间存在差异。这可能导致开发、测试和部署过程在不同云上出现问题。在编码、开发、测试、集成构建、发布部署中如何有效利用资源，合理使用和提升工具平台带来的便利性十分重要。 自动化带来了许多便利，但同时也给团队带来了额外的工作。 团队需要时刻关注系统的状态并及时修复问题，这增加了他们的工作压力和负担。此外，不同的工具和数据之间可能存在断层，这可能会影响用户的使用体验。 金融证券企业在实际建设过程中还面临文化转变、技术整合、团队压力以及安全稳定性等多方面的问题。 解决这些问题需要领导层的支持；全体团队的合作与努力；工具建设和流程规范、制度等相互配合；对信创环境以及组件、服务、系统的适配和支持。 建设多云一站式DevOps服务平台成为促进企业DevOps能力提升，助力公司数字化转型的最强抓手。 建设背景 创新和未来发展 DevOps建设历程中，从基础的工具建设到平台工程，通过持续的努力和创新，不断提升了技术能力和组织效能。通过DevOps加强开发和运维之间的协作，提高交付速度和质量，增强系统的可靠性和安全性。 混合云服务架构 •整合云原生技术与自动化流程，促进研发与运维协同进行。•实现高效持续交付与稳定运行，助力企业在复杂环境下灵活应对挑战。•以主数据管理为基础，以系统应用为中心，提升创新能力与业务竞争力。 项目实践1：基于信创混合云，云原生应用全周期持续交付 从工具导向转向应用系统为导向。以系统应用主数据对IT系统的研发实施和运营进行有效管理。系统应用平台化、自助化、自动化。从应用申请、平台使用，资源申请、到用户账号、权限等均实现自助化申请，自动化下发。减少用户和项目团队接入和使用的成本。提升平台的使用便捷性和开发效率。 集成构建阶段 编码阶段 测试阶段 发布阶段 基于平台流水线，通过插件扩展实现多云异构编译环境的适配，支持信创组件和应用。 云环境中，在同一资源池的管理中，根据使用情况，动态调配可用资源，按需弹性伸缩测试资源。 通过IDE插件，实现远程编辑构建，代码调试，制定一致性的开发环境，不同环境灵活定制，拥抱云原生。 通过自研流水线插件对平台进行扩展，集成公有云、私有云、行业云自动化编排和部署，提升自动化能力。 项目实践2：以系统应用为中心，从垂直工具到平台工程 主数据管理 流程服务管理 对ITSM进行系统改造，通过低代码平台实现流程和表单设计，实现审批和多场景自动化对接，提升服务个性化能力。 以主数据管理为基础，以应用为中心，实现系统、工具服务、人员、开发工具的一站式管理 工程配置方案 技术管理 打通主数据和各工具链服务之间所属关系，工具资产化，工具作为资源分配，做到一键配置，一键映射，解决账号、权限、配置和各工具链之间的繁复配置问题。 技术管理对开发过程中各个领域、过程、工具、进行了系统性梳理和规范制定，通过自动化工具检测，实现规范、标准落地，技术管理闭环。 项目实践3：度量平台 记录一切、分析一切、衡量一切、改进一切 数据采集自助可控，提供领域模型。各平台工具提供数据对接接口，减少对工具层，业务层依赖。 度量系统采集DevOps平台各个工具的数据，统一清洗存储。通过度量系统帮助部门优化管理和流程。 以度量发现问题，促进改进为原则，严格评审度量指标的业务意义，避免度量指标成为考核指标，从而导致数据的失真。 项目实践4：基于混合云的测试平台，质量保障“实时、全面” 基于混合云的测试平台作为“研运一体化平台工程”一个重要组件，为券商业务和中台等服务提供了全天候、不间断、多功能的自动化测试能力。 混合云的使用为测试平台的多功能测试提供了基础保障。通过多种镜像的制作及挂载，接口测试、UI测试、性能测试，根据需求分配不同的测试资源，任意切换测试工具。 k8s集群的动态调度，保障了测试服务的高可用性及稳定性。在同一资源池的管理中，根据使用情况，动态调配可用资源，并实时监控服务健康情况，自动拉起问题服务。 项目实践5：自研规则扫描引擎，落地代码规范 通过封装业界代码扫描工具sonarqube，实现代码规则自定义，将公司发布的代码规则落地，提高代码质量。 通过服务的方式对外提供代码扫描能力，使用灵活，便捷，低耦合。 与流水线集成，通过插件的方式可选扫描规则，可以灵活配置扫描策略，避免规则重复扫描，增加使用效率。 项目实践6：探索大语言模型的提示工程 ChatOps通过大语言模型技术对研发过程进行辅助工作，通过IDE插件和web页面辅助编写代码、测试用例、脚本、配置等，提升研发效能。 ChatOps工具通过封装智能体的方式进行交互，执行devops自动化任务，避免了繁琐的命令行操作。 ChatOps技术的应用范围不仅限于开发领域，还可以应用于测试运维、项目管理等各个领域中。 项目成果-混云实践 文本助手-辅助编程 辅助编程工具包含代码生成、代码优化、代码解释功能，能够进行Python、Java、JavaScript、Shell及SQL脚本等各种代码的辅助编程。 代码生成：输入想实现的功能描述，自动生成代码，帮助程序员快速生成所需的代码片段，提高开发效率 代码解释：输入想解释的代码片段，解释代码的意图和功能，帮助理解代码设计思路和实现方式，促进团队合作和代码维护。 代码优化：输入想优化的代码片段，通过优化代码结构或算法，修复代码缺陷，提高代码性能、可读性或其他质量，使程序更高效稳定。 展望 大模型Agent研发助手 •用户故事交付周期，在敏捷开发中,用户故事是衡量产品交付进度的重要单元。为了确保产品能够按时、高质量地交付给用户,需要建立完善的用户故事交付周期管理机制。 •需求拆分、设计、辅助变成一体化方案能力助手。 •系统可用性，衡量系统质量和运维水平的关键指标。为了确保企业关键系统的高可用性,持续提升关键系统的可用性,确保业务稳定、高效地运转。 •自动化执行持续集成、持续部署等DevOps流程,实现端到端的自动化运维。 规模化北极星指标 •智能监控和故障预测功能可以帮助运维团队更快发现和解决问题,提升服务质量。 感谢大家观看