Chaos and Order

💡 왼쪽 원문을 읽으면서 오른쪽에 따라 써보세요. Tab 키로 힌트를 받을 수 있습니다.

引言：害怕是正常的

最近在开发者社区里经常能听到这样的话。

"GitHub Copilot 已经在替我写代码了,我感觉自己就是在按 Tab 键。"

"用了一下 Cursor……说实话,比我快。初级开发者是不是已经不需要了?"

"我跟 Claude 说了一下需求,它 30 分钟就把整个后端写出来了。像我这种做了 3 年的人该怎么办?"

这种恐惧,我完全理解。而且这种恐惧绝不是夸张。

事实上,OpenAI 的 Devin、Cognition 的 AI 智能体正在完成越来越复杂的编程任务。Y Combinator 的每一批创业公司里,"90% 以上代码由 AI 编写"的公司越来越多。创业者们说,原本要 5 个开发者的团队,现在 2 个人配合 AI 就能完成。

但先别急着停在这里。写这篇文章不是为了让你更焦虑,而是为了正视现实,一起找到具体、可执行的出路。

有一个好消息。AI 生成的代码越多,部署、运维、管理这些代码所需的基础设施需求就爆发式增长。而承担这个角色的,正是 DevOps 工程师、平台工程师、SRE(Site Reliability Engineer)。

本文将为后端/全栈开发者提供一份现实、具体的路线图,帮助你在 18 个月内转型为 DevOps/平台工程师。

1. AI 替代现状的现实分析

AI 实际正在替代的开发工作

老实说吧。有些事情 AI 已经做得很好了。

重复性的 CRUD 代码编写:说一句"给 User 表写个 REST API",Claude 或 GPT-4 5 秒钟就能给出完整代码——模型类、控制器、服务层、校验逻辑一应俱全。这是 3 年经验的开发者要花 30 分钟才能写完的代码。

样板代码:新项目搭建、环境配置、通用工具函数、中间件——这些 AI 生成得又快又准。

简单的 bug 修复:把堆栈跟踪贴上去,AI 就能给出原因分析和修复方案。当然不总是对,但第一次尝试就命中的情况相当多。

单元测试编写:给一个函数,它就能麻利地生成测试用例,边界情况也能抓得不错。

文档编写:JSDoc、README、API 文档——把现有代码给它看,就能自动生成文档。英文、韩文都可以。

代码审查初稿:把 PR 内容给它看,它能分析出潜在问题、改进方向、安全漏洞。

不可否认,这些工作占了初级到中级开发者相当一部分的工作量。

AI 难以替代的工作

但 AI 仍然有难以胜任的领域。而这些领域正是你应该转移过去的地方。

系统架构设计:"我们服务的 DAU 是 100 万,高峰时段 TPS 是 5 万,遗留系统又是这样纠缠在一起,应该怎么迁移?"这类问题里,上下文、组织政治、成本、技术债交织在一起。AI 可以给出一般性的模式,但针对这个特定公司、这个特定情况的最佳选择,还是要人来做。

生产环境问题排查:生产服务器在凌晨 3 点挂掉,日志混乱,监控告警不断涌来的情况下追踪根因——这需要多年积累的经验和直觉。

基础设施安全管理:综合考虑组织安全策略、合规要求、监管环境、内部团队能力的安全架构,是 AI 无法代替的。

理解业务需求并转译为技术方案:与非技术背景的利益相关方沟通,把模糊的需求转化为具体技术规格的能力。

复杂的系统集成:遗留系统 + 云服务 + 第三方 API + 内部微服务纠缠在一起的环境中的集成,依然需要人的介入。

2. 为什么 DevOps/平台工程是答案

AI 代码爆炸式增长 = 基础设施需求爆炸式增长

这里有一个悖论。AI 生成的代码越多、越快,运行这些代码所需的基础设施就越多。

想象一下。得益于 AI,一家创业公司 3 个月内做出了 10 个微服务。这 10 个服务要在哪里运行?需要 Kubernetes 集群。每个服务都需要 CI/CD 流水线。要收集日志和指标。要扫描安全漏洞。要优化成本。

如果 AI 把应用开发速度提高 10 倍,DevOps 工程师的管理负担也会增加 10 倍。

现实中正在发生这样的事情:

云成本爆炸式增长,推动 FinOps(云成本优化)专家需求激增
用于运维 AI 服务的 GPU 集群管理专家供不应求
能把 LLM 部署并运维到生产环境的 MLOps/LLMOps 工程师极度稀缺
构建能最大化开发团队生产力的 Internal Developer Platform 的需求增长

为什么 DevOps 难以被 AI 替代?

DevOps 工作的核心在于运维上下文。

必须了解生产环境的特性、团队的技术水平、成本约束、安全要求、组织的开发文化,才能设计出最优的基础设施。AI 无法拥有这种上下文。

而且 DevOps 中始终存在不可预测的故障情况。昨天还运行正常的系统今天突然挂掉,原因可能有上千种。网络问题、硬件故障、bug、流量激增、第三方 API 故障、安全攻击……AI 可以提供一般性的检查清单,但在实时变化的情况下做出判断,是经验丰富的工程师的职责。

3. 开发者 → DevOps 转型路线图(18 个月)

现在来看具体的路线图。如果你目前是后端或全栈开发者,已经具备了编程基础。在此基础上叠加以下内容即可。

0-3 个月:打基础

这个阶段最重要的是Linux 和网络。作为 DevOps 工程师,这是一切的基础。

深入 Linux

不只是背命令,你需要理解 Linux 是如何运作的。

进程管理:fork、exec、信号、ps、top、htop、lsof
文件系统:inode、文件权限、挂载、/proc、/sys
网络:TCP/IP 协议栈、socket、netstat、ss、tcpdump、iptables 基础
系统资源:CPU、内存、磁盘 I/O、瓶颈定位

推荐资料:《The Linux Command Line》(William Shotts)、Linux Foundation 的免费课程

Bash 脚本与自动化

自动化重复性工作的能力是 DevOps 的核心。Python 固然好,但 shell 脚本是能在任何服务器上直接运行的万能工具。

#!/bin/bash
# 简单的健康检查脚本示例
set -euo pipefail

SERVICES=("web" "api" "worker")
FAILED=0

for service in "${SERVICES[@]}"; do
  if ! systemctl is-active --quiet "$service"; then
    echo "WARN: $service is not running"
    FAILED=$((FAILED + 1))
  else
    echo "OK: $service is running"
  fi
done

if [ $FAILED -gt 0 ]; then
  echo "ALERT: $FAILED service(s) are down"
  exit 1
fi

echo "All services healthy"

Git 高级用法

作为开发者,Git 你应该已经熟悉了,但要从 DevOps 视角学习 GitOps 策略:

分支策略:GitFlow、GitHub Flow、trunk-based development
Git hooks:pre-commit、pre-push 自动化
Git submodule、monorepo 管理
GitOps 原则:用 Git 管理基础设施配置

精通 Docker

容器是现代 DevOps 的根基。

# 用多阶段构建优化镜像大小的示例
FROM node:20-alpine AS builder
WORKDIR /app
COPY package*.json ./
RUN npm ci --only=production
COPY . .
RUN npm run build

FROM node:20-alpine AS runner
WORKDIR /app
RUN addgroup --system --gid 1001 nodejs
RUN adduser --system --uid 1001 nextjs
COPY --from=builder --chown=nextjs:nodejs /app/.next ./.next
COPY --from=builder /app/node_modules ./node_modules
COPY --from=builder /app/package.json ./package.json
USER nextjs
EXPOSE 3000
CMD ["npm", "start"]

Dockerfile 优化:分层缓存、多阶段构建
用 Docker Compose 搭建本地开发环境
容器网络、卷管理
镜像安全扫描(Trivy、Snyk)

目标认证:无(基础阶段,打底)

实践项目:把已有的 Web 应用用 Docker Compose 容器化。数据库、应用服务器、反向代理全部用容器搭建。

3-6 个月:云基础

在选择云平台时,最好在 AWS 和 GCP 中选一个深入钻研。一开始就想学多个云平台,很容易学得很浅。

在韩国就业市场上,AWS 的使用率遥遥领先,因此推荐 AWS。

AWS 核心服务

计算:EC2、Auto Scaling Group、ECS、Lambda
网络:VPC、Subnet、Security Group、Route 53、CloudFront、ALB/NLB
存储:S3、EBS、EFS
数据库:RDS、DynamoDB、ElastiCache
安全:IAM(最重要!)、KMS、Secrets Manager、WAF
监控:CloudWatch、CloudTrail

IAM 尤其要深入学习。大多数安全事故都源于错误的 IAM 配置。要始终牢记最小权限原则(Principle of Least Privilege)。

认证路线图

AWS Certified Cloud Practitioner(CCP)→ AWS Certified Solutions Architect Associate(SAA)

CCP 学习 2-3 周即可拿下。SAA 大约需要集中学习 2-3 个月。有 SAA 证书,在简历上会相当显眼。

推荐学习资料:

Stephane Maarek 的 Udemy 课程(性价比最高)
AWS 官方文档与实操实验室
TutorialsDojo 模拟考试

实践项目:把第 3 个月做的容器化应用部署到 AWS。从 EC2 + RDS + S3 组合起步,再扩展到 ALB + Auto Scaling。

6-12 个月:Kubernetes 核心

这个阶段是 DevOps 转型的核心。真正理解 Kubernetes,你在就业市场上的分量会完全不同。

Kubernetes 基本概念

Kubernetes 一开始看起来很复杂,但理解核心概念之后,会发现它是有逻辑结构的。

# Deployment 示例
apiVersion: apps/v1
kind: Deployment
metadata:
  name: web-app
  namespace: production
spec:
  replicas: 3
  selector:
    matchLabels:
      app: web-app
  template:
    metadata:
      labels:
        app: web-app
    spec:
      containers:
        - name: web
          image: myapp:v1.2.3
          ports:
            - containerPort: 3000
          resources:
            requests:
              memory: '128Mi'
              cpu: '100m'
            limits:
              memory: '256Mi'
              cpu: '500m'
          livenessProbe:
            httpGet:
              path: /health
              port: 3000
            initialDelaySeconds: 30
            periodSeconds: 10

需要学习的核心资源:

工作负载:Pod、Deployment、StatefulSet、DaemonSet、Job、CronJob
服务:Service、Ingress、NetworkPolicy
配置:ConfigMap、Secret
存储:PersistentVolume、PersistentVolumeClaim、StorageClass
命名空间与 RBAC:多租户与访问控制

Helm Charts

Kubernetes 应用打包的标准方式。练习自己写 chart,以及定制已有的社区 chart。

# 用 Helm 安装 nginx-ingress
helm repo add ingress-nginx https://kubernetes.github.io/ingress-nginx
helm repo update
helm install ingress-nginx ingress-nginx/ingress-nginx \
  --namespace ingress-nginx \
  --create-namespace \
  --set controller.service.type=LoadBalancer

CKA 认证(Certified Kubernetes Administrator)

CKA 是 DevOps 领域最受认可的认证之一。它是实操考试,考察的不是死记硬背,而是真正的问题解决能力。

准备方法:

Mumshad Mannambeth 的 Udemy CKA 课程(强烈推荐)
killer.sh 模拟考试(比实际考试更难,通过这个之后正式考试会觉得轻松)
在本地搭建 kind(Kubernetes in Docker)或 k3s 集群,每天练习

实践项目:把已有应用迁移到 Kubernetes。把 Deployment、Service、Ingress、ConfigMap、Secret 全部用上。用 HPA(Horizontal Pod Autoscaler)配置自动扩缩容。

12-18 个月:深化 + 专精

基础打好之后,接下来该积累专业深度了。

CI/CD 流水线

# GitHub Actions 示例:构建、测试、部署自动化
name: Deploy to Production

on:
  push:
    branches: [main]

jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: Run tests
        run: npm test

  build-and-push:
    needs: test
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - name: Build Docker image
        run: docker build -t myapp:$GITHUB_SHA .
      - name: Push to ECR
        run: |
          aws ecr get-login-password | docker login --username AWS --password-stdin $ECR_REGISTRY
          docker push $ECR_REGISTRY/myapp:$GITHUB_SHA

  deploy:
    needs: build-and-push
    runs-on: ubuntu-latest
    steps:
      - name: Deploy with ArgoCD
        run: argocd app sync myapp --revision $GITHUB_SHA

一定要学习 GitOps 工具 ArgoCD。它用 Git 管理基础设施配置,并把 Git 的状态与集群的实际状态同步起来,是目前采用最广泛的 CD 方式。

Observability(可观测性)

要快速发现运维问题,需要良好的监控。

指标:Prometheus + Grafana(Kubernetes 监控的标准配置)
日志:ELK Stack(Elasticsearch + Logstash + Kibana)或 Grafana Loki
链路追踪:OpenTelemetry + Jaeger 或 Tempo

认真做一个仪表盘,自然就能掌握 Prometheus 的查询语言 PromQL。

IaC(Infrastructure as Code)

用代码管理基础设施,能让版本管理、可复现性、协作都变得更容易。

# 用 Terraform 创建 EKS 集群的示例
module "eks" {
  source  = "terraform-aws-modules/eks/aws"
  version = "~> 20.0"

  cluster_name    = "my-eks-cluster"
  cluster_version = "1.29"

  vpc_id     = module.vpc.vpc_id
  subnet_ids = module.vpc.private_subnets

  eks_managed_node_groups = {
    general = {
      instance_types = ["t3.medium"]
      min_size       = 1
      max_size       = 10
      desired_size   = 2
    }
  }
}

Terraform 是 DevOps 的必备技能。AWS CDK 或 Pulumi 也不错,但 Terraform 是业界标准。

AI/ML 基础设施专精(最火热的领域)

从这里开始才是真正的差异化。运营 LLM 服务的公司需要特殊的基础设施:

GPU 集群管理(NVIDIA A100、H100)
用 vLLM、TGI(Text Generation Inference)做模型服务
模型注册中心(MLflow、Weights & Biases)
特征存储
数据流水线(Airflow、Prefect)

这个领域的专家目前极度短缺。在 DevOps 的基础上加上这项专精,你就会成为市场上非常稀缺的人才。

4. 真实转型案例:一位 3 年经验后端开发者的故事

背景:李民俊(化名),2020 年从韩国国内一所大学计算机专业毕业后,在一家中型 IT 企业做了 3 年 Java 后端开发。主要工作是用 Spring Boot 开发 CRUD API、编写 JUnit 测试。年薪 4,200 万韩元。

决定转型的契机:2023 年底,他在使用 ChatGPT 的过程中意识到,自己写的代码类型中有 80% 可以由 AI 代替。周围也听到"初级开发者将不再被需要"的说法。他决定用具体的行动取代模糊的焦虑。

0-3 个月(打基础)

下班后每天花 2-3 小时学 Linux。一开始只是背 ls、grep、sed 这类命令,但随着理解进程和文件系统的运作原理,感觉打开了一个全新的世界。

Docker 他之前已经了解一些,但 Dockerfile 优化和网络是新学的内容。最重要的是,这正是公司已经在用的技术,可以立刻应用到实际工作中。

3-6 个月(AWS 基础)

用 Udemy 上 Stephane Maarek 的课程学习 AWS。开了个人 AWS 账号,在免费套餐范围内尽量多做实操。每月 AWS 费用大概 2-3 万韩元,他把这笔钱当作投资。

拿到 SAA 认证时,简历上第一次出现了"AWS Certified"的徽章。虽然是小事,但确实带来了自信。

6-12 个月(Kubernetes)

这一段最痛苦。Kubernetes 的概念一开始太抽象了。Pod 是什么、Service 和 Deployment 有什么区别,一直搞不清楚。

突破口是动手实操。他在个人笔记本上装了 minikube,开始把结构与公司应用类似的应用搬到 K8s 上运行。看错误信息、修复、又出错、再修复,这样反复几轮之后,概念才真正建立起来。

报名 CKA 考试成了动力。定下考试日期之后就不能懈怠了。他第一次考试就以 72 分(合格线 66 分)通过。

12-18 个月(专精 + 求职)

一边学 ArgoCD、Terraform、Prometheus/Grafana,一边整理作品集。他在 GitHub 上传了以下内容:

一个 3 层架构应用的完整 K8s manifest
基于 GitHub Actions + ArgoCD 的 CI/CD 流水线
用 Terraform 配置 AWS EKS 集群的代码
Grafana 仪表盘截图

他把简历中此前的工作经历改用 DevOps 视角重新描述。比如把"API 开发"改写成"参与 Docker 容器化及部署流水线建设"。

求职活动开始 2 个月后,他成功转型为一家创业公司的 DevOps 工程师。

结果:年薪 6,000 万韩元(涨幅约 43%)。当然,进入更大的公司、积累更多经验,还能进一步提高。

心得:"一开始我担心自己成了一个既不是开发者也不是 DevOps 的尴尬存在,感觉很不安。但有开发经验的 DevOps 工程师反而更有价值——因为能从应用的视角来看待基础设施。"

5. 在 DevOps 中善用 AI

在转型 DevOps 的过程中积极使用 AI,能大幅提升学习速度。

基础设施代码编写自动化

提示词示例:
"帮我写一个在 AWS EKS 集群上以高可用方式部署 Redis 的 Helm values.yaml。
要求:
- Redis 7.x
- 1 个主节点、2 个副本
- 持久化存储 10Gi
- 内存限制 512Mi
- 包含 liveness、readiness probe"

故障原因分析

把错误日志给 AI 看,请它分析原因。AI 会立刻给出多种可能性,并提示需要检查的事项。当然最终判断要靠你自己,但能大幅缩短排查时间。

理解与优化 Kubernetes YAML

把复杂的 YAML 文件给 AI 看,问它"这个配置在做什么"、"从安全角度有哪些可以改进的地方",作为学习工具也很出色。

AIOps:基于 AI 的监控

未来,由 AI 分析监控告警并自动执行初步响应的 AIOps 将成为标准配置。AWS DevOps Guru、Datadog AI、New Relic AI 等工具已经在朝这个方向发展。

LLM 基础设施运维专家 = 最稀缺的岗位

目前需求最大、供给最不足的岗位是"LLM 基础设施运维专家"。能把 Llama、Mistral 这类开源模型部署到 GPU 集群、用 vLLM 提供服务、并优化成本的专家,在业界非常稀缺。在 DevOps 基础上加上这项专精,年薪有望冲击 1 亿韩元以上。

6. 现实的薪资与就业市场

韩国 DevOps 工程师薪资现状(2026 年估算)

因经验水平而异,大致范围如下:

初级 DevOps(1-2 年):4,500-6,000 万韩元
中级 DevOps(3-5 年):6,000-9,000 万韩元
高级 DevOps(5 年以上):9,000 万-1 亿 2,000 万韩元
DevOps 负责人/平台工程师:1 亿 2,000 万韩元以上
LLM/AI 基础设施专家:1 亿-1 亿 5,000 万韩元

相比开发者,DevOps 的供给更为紧缺。在相同工作年限下,DevOps 的薪资往往比后端开发者平均高出 15-25%。

认证的价值

AWS SAA(Solutions Architect Associate):提高简历筛选通过率。韩国市场上最受认可的云认证。
CKA(Certified Kubernetes Administrator):在技术面试中非常有优势。"我会 K8s"和"我有 CKA"是完全不同的分量。
Terraform Associate:重要性正在不断上升。引入 IaC 的公司正在快速增加。
GCP Professional Cloud DevOps Engineer:在使用 GCP 的公司中受优待。

认证不是目的,而是工具。实力才是让认证发光的基础。

作品集策略

在 GitHub 上整理好以下内容:

基础设施仓库:用 Terraform 配置 EKS 或 GKE 集群
应用部署仓库:K8s manifest + Helm + ArgoCD 配置
CI/CD 流水线:GitHub Actions workflow
监控仪表盘:Grafana 仪表盘 JSON + Prometheus 告警配置
README:清楚说明每个项目的目的、架构图、使用方法

写博客也很有帮助。把学到的东西写成文章,能加深理解,也能给招聘方留下好印象。

7. 第一步:现在就能做的 3 件事

看着这么长的路线图可能会感到迷茫。但有些事情,你今天就能开始做。

1)搭建 Linux 环境(今天就能做,免费)

如果是 Mac,你已经有终端了。安装 WSL2(Windows Subsystem for Linux)之后,Windows 上也能用 Linux。
亲自运行下面这些命令试试:

# 查看当前运行的进程
ps aux | grep nginx

# 网络连接状态
ss -tulnp

# 系统资源使用量
htop

# 文件系统使用量
df -h

# 查看占用某个端口的进程
lsof -i :8080

2)用 Docker 运行第一个容器(今天就能做,免费)

安装 Docker Desktop,然后运行以下命令:

# 运行 Nginx Web 服务器容器
docker run -d -p 8080:80 --name my-nginx nginx

# 查看正在运行的容器
docker ps

# 查看容器日志
docker logs my-nginx

# 进入容器内部
docker exec -it my-nginx bash

在浏览器里打开 http://localhost:8080,就能看到 Nginx 的默认页面。这就是容器。

3)制定学习计划(今天就能做)

设定具体的日期和目标:

这个月:Linux 基础 + 精通 Docker
下个月:开始学 AWS + 开始准备 CCP 认证
3 个月后:拿到 AWS SAA
6 个月后:K8s 基础 + 启动个人项目
1 年后:拿到 CKA
18 个月后:转型 DevOps

在日历上把学习时间划出来。每天 2 小时,周末 4-5 小时就足够了。

结语:变化就是机会

AI 正在改变软件开发的面貌,这是事实。但这并不意味着开发者的终结。

蒸汽机出现时,手工织布的人失去了工作。但与此同时,操作和维护机器的新职业也随之诞生。AI 时代也是同样的道理。

AI 生成代码的速度越快,需要安全、高效、稳定地运维这些代码的专家就越多。DevOps 与平台工程正处在这个需求的中心。

恐惧是行动的信号。你此刻正在读这篇文章,本身就是你已经在努力应对变化的证明。把这份能量转化为具体的学习和实践。

第一次成功运行 Docker 容器时那份小小的成就感,正是 18 个月后手握 CKA、迈向更好职位这段旅程的第一步。

开始吧,现在就开始。

필사 모드: AI 时代生存指南第 1 篇：从开发者转型 DevOps/平台工程师 — 路线图与现实策略