咨询QQ:
      杂志订阅

      编辑

      网管

      培训班

      市场部

      发行部

电话服务:
 010-82024981
设为首页 | 收藏本页
数字孪生:实现更安全基础设施改造的关键
  • 数字孪生通过在部署前模拟各项变更,提升了基础设施的安全性;这使团队能够评估相关影响,并确保互联系统内部的稳定性。
  • 基础设施变更可能会干扰企业服务,即便相关更新已通过常规检查也不例外。难点在于,在部署变更之前,如何预判其对其他系统可能产生的影响。
      
      “基础设施即代码”(IaC)和自动化流水线提升了变更流程的效率。人工智能(AI)代理则能进一步加速这一过程——它们不仅能提出变更建议,还能在较少人工干预的情况下执行这些变更。然而,语法检查和IaC计划方案未必总能准确预测相互关联的生产系统会作何反应。
      
      “数字孪生”技术提供了一层额外的验证保障。团队可以利用这些持续更新的基础设施模型,在实施变更前评估其潜在影响。
      
      构建生产基础设施的数字模型
      
      基础设施数字孪生是生产环境的一种虚拟模型,它展示了物理资源与云资源之间的连接方式及配置情况,并揭示了这些关联如何影响系统的运行表现。
      
      构建该模型需要从现有基础设施中获取信息。发现工具(Discoverytools)负责收集网络和资源详情;配置存储库和“基础设施即代码”(IaC)文件提供了系统设置;监控平台则提供运行数据。
      
      随着配置和运行条件的变化,该模型必须始终与生产环境保持同步。否则,团队可能会基于过时的信息来评估拟议的变更,从而忽略其在实际生产环境中所带来的后果。
      
      与仅展示连接关系但不分析运行行为的静态拓扑图不同,IaC计划虽然描述了部署变更,却未必能体现这些变更对依赖服务的影响。分阶段环境(Stagedenvironments)是在隔离状态下运行工作负载,而数字孪生则旨在模拟生产环境的某些方面。
      
      根据具体实现方式的不同,模型的详细程度各异。有些工具侧重于检查网络连通性和安全策略,而另一些工具则侧重于对特定的系统运行行为进行建模。即便模型非常详尽,也无法可靠地预测出每一个应用程序性能问题。
      
      在部署前测试基础设施变更
      
      该测试以当前的基础设施配置作为基准。团队在独立的模型中实施拟议的变更,并将结果与当前状态进行对比。这有助于他们在不影响生产系统的情况下发现潜在问题。
      
      例如,为了让应用程序能够与数据库通信而进行的防火墙变更,在实现所需连接的同时,可能会无意中开辟出一条来自其他网络的访问路径。此外,由于应用程序往往共用网络连接,此类变更还可能波及其他服务。
      
      像Batfish这类工具能够对比当前网络配置快照与拟议的网络配置快照。其“差异化可达性分析”(differentialreachabilityanalysis)功能可以揭示某项变更将允许还是阻断哪些流量。团队还可以借此确认流量是否遵循了预期的网络路径,并确保现有的安全策略依然有效。
      
      基础设施团队可以将这些检查集成到自动化部署流水线中。如果拟议的变更违反了安全策略或破坏了必要的连接,流水线便会发出警报,以便团队在生产服务受到影响之前解决相关问题。
      
      基础设施“数字孪生”的局限性
      
      数字孪生模型的准确性,取决于它与生产环境的相似程度。当配置变更绕过了既定的审批流程时,模型可能会变得过时。此外,如果遗漏了某些设备,或者依赖关系信息不完整,验证过程也可能无法发现潜在的问题。
      
      需要注意的是,即使模型已更新,也无法完全复现所有的运行状况。网络流量全天都在波动,计算资源的临时拥塞也可能影响服务性能。此外,对外部系统的依赖也增加了不确定性,因为这些系统的行为未必总能被纳入模型中。
      
      这导致在“检查配置变更”与“预测应用性能”之间存在一定的差距。例如,网络模型或许能表明在防火墙配置变更后通信依然畅通,但却无法预测在业务高峰期,应用响应时间是否仍能保持在可接受的范围内。
      
      此外,维持模型的准确性也需要付出运营成本。在基础设施配置频繁变更的情况下,面对混合环境和多家云服务提供商,必须持续进行资源发现与同步工作。
      
      数字孪生技术能够降低在评估特定环境时所面临的不确定性。然而,生产环境监控、分阶段部署以及故障恢复流程依然至关重要,它们能够帮助识别并控制那些模拟手段无法预见的问题。
      
      将数字孪生集成到部署工作流程中
      
      数字孪生应作为一项额外的验证环节,集成到现有的“基础设施即代码”(IaC)及持续集成/持续部署(CI/CD)流水线中。当提出配置变更时,流水线可以更新基础设施模型,应用计划中的修改,并利用实际运行数据对这些变更进行测试。
      
      测试结果可附加在变更请求中,以便审核人员查看是否存在对连接性或安全性产生的意外影响。如果测试失败,流水线会标记出问题,并阻止部署流程,直到问题得到解决。
      
      企业应优先从关键网络组件或共享基础设施入手,因为在这些环节中,一个配置错误就可能波及多项服务。这种策略能够减少构建和维护模型所需的工作量。
      
      部署完成后,团队可以将实际运行数据与预测结果进行比对。若两者存在差异,则可能反映出模型中包含过时信息或存在缺失,从而有助于改进后续的验证工作。
      
      对于IT领导者而言,是否采用该技术取决于平台所支持的基础设施类型、可测试的变更范围,以及与生产环境的同步频率。此外,企业还需考量集成成本及后续的维护开销。
      
      结语
      
      当配置和依赖关系能够被可靠地建模时,数字孪生便能协助基础设施团队在变更投入生产环境之前识别潜在风险。其效能取决于基础设施数据的准确性,以及模型能否真实反映系统的运行行为。
      
      通过将数字孪生与自动化测试、分阶段部署、生产环境监控以及回滚流程相结合,可以有效降低基础设施故障的风险。
      
      编辑:Harris
      
      

  •