cloudplz

No-code 基础设施平台

Mon, 01 Jan 0001 00:00:00 +0000

当时的瓶颈不在数据库本身，而在它前面排着的那条队。这个平台把队去掉了：产品团队填个网页表单，就能开通生产可用的 Aurora 集群，不用碰 Terraform。

问题

基础设施即代码让开通变得可重复，可瓶颈只是换了个地方：

Aurora 迁移工具集

Mon, 01 Jan 0001 00:00:00 +0000

迁一套数据库到 Aurora，那是个项目。迁五十套 —— 里面还有数 TB、7×24 写入的 tier-0 系统 — — 那就是一套平台。这套工具链和方法论，让迁移变成可重复的事。

Terraform 模块库

Mon, 01 Jan 0001 00:00:00 +0000

自助式基础设施要成立，前提是自助这条路最好走。这个模块库做的事，是让 AWS 上「合规、经过生产加固」的开通方式，同时也是最好走的那条路。

问题

七十个应用仓库，每个都能自己开通基础设施。没有共享库，每个团队就得重造 VPC 接线、数据库参数调优和 IAM 边界。每重造一次，都是未来一次事故，外加一条审计发现。

Vitess 生产部署

Mon, 01 Jan 0001 00:00:00 +0000

Vitess 连跑三年生产环境，横向扩展真正咬人的地方就露出来了：是运维纪律，不是 demo。这里记的是：跑那套系统要付出什么。它撑着 YouTube 那批 MySQL 集群。我们规模比 YouTube 小得多，而这让整笔账不一样。

数据库 canary 应用

Mon, 01 Jan 0001 00:00:00 +0000

平台团队改一个 Terraform 模块、升一次引擎版本、换一个连接库，会炸到平台之上每一个应用。 Canary 应用的作用，是在这些应用受影响之前先发现问题。

问题

平台层变更会以单元测试抓不到的方式失败。某个参数组默认值把连接池弄挂，一次 provider 升级让 state 漂移，换个引擎版本，驱动行为就变了。最早的信号，以前来自产品团队的 pager。

50 套生产库迁到 Aurora，停机不到 3 分钟

Thu, 10 Sep 2026 00:00:00 +0000

大约两年时间，我们把约 50 套生产库从自建 MySQL 迁到 AWS Aurora。最大的几套是数 TB 的 tier-0 系统， 7×24 写入。多数切换停机压在 3 分钟以内。

这个数字不靠维护窗口里小心点几下。它来自把停机预算当作 设计输入：一旦「3 分钟」变成硬性要求，而不是一句期望，后面每个决定 —— 复制拓扑、演练门禁、连接排空、DNS 权重 — — 都被逼出一种具体形态。这篇写的就是这条约束逼出来的方法论，外加路上真正咬过我们的那几口。

把 AI Agent 当基础设施管：用 Ansible 预置 Hermes Agent

Thu, 10 Sep 2026 00:00:00 +0000

我花了 18 年让云基础设施变得可复现。数据库用 Terraform module。VM 配置用 Ansible role。 golden image 用 Packer 模板。等到要在 Linux VM 上跑一个 AI agent，我没多想 —— 顺手就上了 Ansible。

一次 terraform apply，开出 20+ 个 AWS 服务 —— 全部按新的 Free Plan 调好

Mon, 06 Apr 2026 00:00:00 +0000

AWS 新的 free plan 送 $200 credits（$100 基础 + $100 奖励）。前提是五项活动都得单独激活。这一步很容易漏掉，我自己就差点漏了。

第一次给个人项目起 ElastiCache 集群，我选了 cache.t4g.micro。Graviton 机型，看上去就是那个显而易见的现代选择。问题在后面：旧的 free tier 只覆盖 cache.t3.micro，新的 Free Plan 干脆两种机型都不给额度，全烧 credits。等我发现，已经白烧了几天 — — 那个 cache 我根本没在用。这个模块就是为防住这类错误写的。

Vitess vs Aurora：MySQL 扩展该怎么选

Fri, 20 Dec 2024 00:00:00 +0000

单实例 MySQL 一旦到顶，你手上就只剩三条路，哪条都不轻松：给应用写自研分片逻辑、换一套数据库系统，或者上一套 Vitess 这样的集群方案。

先说结论，你据此决定要不要往下读：在生产环境跑了 3 年 Vitess 之后，我们把它换掉了 — — 换成 Aurora。 不是 Vitess 不行，而是撑起它运维成本的那项能力 —— 横向写分片 — — 我们从来就没真正需要过。你的写流量确实超过一台大规格主库的上限 —— 指的是持续每秒几万次写，不是突发峰值 —— 那 Vitess 很可能就是你的答案，这篇文章会说清运维它要付什么代价。低于这条线，Aurora 几乎肯定是更优解，这篇文章会说清为什么。