DevOps 搞了很多年，但很多团队的开发者仍然要自己管 K8s、写 YAML、配监控、查日志，认知负担很重。平台工程（Platform Engineering）是解决这个问题的新思路——构建内部开发者平台（IDP），让开发者专注业务代码，基础设施由平台统一提供。2026年我们在 30 人研发团队落地了平台工程，今天把完整实践分享出来。

一、为什么需要平台工程

DevOps 的困境

DevOps 的理想是"你构建，你运行"（You build it, you run it），但现实是：

  1. 认知负担过重：每个开发者都要懂 K8s、Docker、CI/CD、监控、日志、网络，这对业务开发者是巨大的负担
  2. 重复造轮子：每个团队自己搭 CI/CD、自己配监控、自己写部署脚本，重复劳动
  3. 标准不统一：每个团队的部署方式、监控配置、日志格式都不一样，运维和排障困难
  4. 安全风险：开发者自己配基础设施，容易有安全漏洞（如镜像未扫描、权限过大）
  5. 新人上手慢：新人要学一堆基础设施工具，才能开始写业务代码

平台工程的理念

平台工程不是 DevOps 的替代，而是 DevOps 的演进：

  • DevOps：强调文化和协作，开发和运维一起工作
  • 平台工程：强调工具和产品，构建一个内部平台，把基础设施能力封装成自助服务

平台工程的核心是内部开发者平台（Internal Developer Platform, IDP）——一个面向开发者的自助服务平台，让开发者不用关心底层基础设施，就能完成从代码到上线的全流程。

IDP 的价值

角色价值
业务开发者不用管 K8s/YAML/监控，专注业务代码，交付速度提升
运维/SRE从"救火队"变成"平台产品经理"，标准化基础设施，减少重复劳动
架构师统一技术标准和规范，通过平台强制执行，减少技术债
安全团队安全能力内置到平台（镜像扫描、权限管理、合规检查），安全左移
管理者研发效能提升，交付周期缩短，基础设施成本降低

二、IDP 架构设计

整体架构

┌│││││││└┌│││││││└┌│││└─────────────┌│└┌│└──┌│└┌│└──KV──────────────ua───服──文────服──日───bu───务──档────务──志───el───目──中────编──聚───rt───录──心────排──合───n──────────────e│──────────────t───│──│────│──│───eH──────────────sa───│──│────│──│───r──┐┘┐┘──┐┘┐┘──│b──环权──环密──o──┌境└┌限└──┌境└┌钥└──Dr───管──管────编──管───o───理──理────排──理───c│──────────────k──────────────eG──开─│──│────│──│───基ri──发────────────础t──者─│──│───平─│──│───设│L──门──────台──────施a──户─C──成───能─流──镜───层Ab──（─I──本───力─水──像───r──B┐/┘┐管┘┬│▼─层┐线┘┐仓┘┬│▼─g│──aC理──引库──o──c┌D└┌└─A─┌擎└┌└──CM──k─────P──│─────Dy──s───│──I────│───S──t───────│─────│Q──a───│──调────│───L──g─│────用──监─────P──e───安────控──成───r│──）─│──全────告──本───o─────中────警──核───mR───可──心──────算───ee───观───────────td──┐测┘┐┘──┐┘┐┘──hi──性──│──es──┌└┌│└──┌└┌│└──u─────────│─────s│─────│──────│──────│───────────│R──────────────a───│───────────Eb──────────────Lb──────────────Ki──────────────t──────────────M──────────────Q────────────────│──────────────┐┘┐┘──┐┘┐┘──────│──│──││││──││││───┐┘┐┘┐││┘

核心模块

1. 服务目录（Service Catalog）

  • 所有服务的统一目录，展示服务信息（负责人、代码仓库、接口文档、运行状态）
  • 服务依赖关系图，一目了然
  • 服务健康度评分（可用性、延迟、错误率、测试覆盖率）
  • 基于 Backstage 的 Service Catalog 实现

2. 环境管理（Environment Management）

  • 自助创建/销毁环境（开发、测试、预发、生产）
  • 环境配置管理（数据库、缓存、消息队列等中间件自动创建）
  • 环境隔离和权限控制
  • 一键复制环境（如把生产数据脱敏后复制到测试环境）

3. CI/CD 流水线

  • 标准流水线模板（构建→测试→扫描→部署），开发者不用自己写
  • 自助配置流水线（选模板、填参数）
  • 多环境部署策略（蓝绿、金丝雀、滚动）
  • 部署审批和回滚

4. 可观测性（Observability）

  • 统一监控面板（每个服务自动生成监控面板）
  • 日志聚合和检索（不用自己配 ELK）
  • 链路追踪（自动接入 OpenTelemetry）
  • 告警配置（自助配置告警规则和通知渠道）

5. 文档中心（Documentation）

  • 服务文档自动生成（从代码注释和 OpenAPI 生成）
  • 架构文档和技术方案管理
  • 运行手册（Runbook）和故障处理指南
  • 新人上手指南和最佳实践

6. 权限和安全

  • 统一身份认证（SSO）
  • 基于角色的权限控制（RBAC）
  • 镜像安全扫描（自动扫描漏洞）
  • 密钥管理（集成 Vault，不用在代码里写密钥）
  • 合规检查（自动检查配置是否符合安全规范）

7. 成本管理

  • 资源使用统计和成本分摊
  • 资源优化建议（如闲置资源、过度配置）
  • 成本预算和告警
  • 云资源自助申请和回收

三、工具选型

核心平台：Backstage

Backstage 是 Spotify 开源的开发者门户框架，是 IDP 的事实标准：

  • 服务目录（Service Catalog）：核心功能，管理所有服务和资源
  • 插件生态丰富：监控、日志、CI/CD、文档、成本等都有插件
  • 可定制：前端框架，能自定义页面和组件
  • 活跃社区：CNCF 孵化项目，大公司在用

我们用 Backstage 作为 IDP 的门户层，其他工具通过插件集成。

工具链选型

模块工具说明
开发者门户Backstage统一门户，服务目录
代码托管GitLab代码仓库，CI/CD
CI/CDGitLab CI + ArgoCDGitOps 部署
容器编排Kubernetes容器编排
镜像仓库Harbor镜像存储和扫描
监控Prometheus + Grafana指标监控和面板
日志ELK（Elasticsearch + Logstash + Kibana）日志聚合
链路追踪Jaeger + OpenTelemetry分布式追踪
密钥管理HashiCorp Vault密钥和证书管理
配置管理Helm + KustomizeK8s 配置管理
环境管理Crossplane云资源自助编排
成本管理KubecostK8s 成本分析

四、落地路径

平台工程不是一蹴而就的，分阶段落地：

阶段1：基础建设（3个月）

目标：搭建 IDP 基础框架，接入核心工具

工作内容：

  1. 部署 Backstage，配置 SSO 登录
  2. 接入服务目录，导入现有服务信息
  3. 集成 GitLab（代码仓库、CI/CD 状态）
  4. 集成监控（Prometheus + Grafana 面板嵌入）
  5. 集成日志（ELK 日志检索嵌入）
  6. 基础文档中心搭建

交付物：开发者能在 Backstage 看到所有服务的基本信息、监控、日志、代码链接

阶段2：CI/CD 标准化（3个月）

目标：标准化 CI/CD 流水线，开发者自助部署

工作内容：

  1. 制定标准 CI/CD 模板（构建→测试→扫描→部署）
  2. 开发 Backstage CI/CD 插件，自助配置流水线
  3. 集成 ArgoCD，实现 GitOps 部署
  4. 开发环境管理功能，自助创建/销毁环境
  5. 集成 Harbor 镜像扫描，安全左移
  6. 部署审批和回滚功能

交付物：开发者能在 Backstage 自助配置流水线、创建环境、部署服务，不用写 YAML

阶段3：可观测性和文档（2个月）

目标：统一可观测性，自动化文档

工作内容：

  1. 统一监控标准，每个服务自动生成监控面板
  2. 接入 OpenTelemetry，自动链路追踪
  3. 统一日志格式和检索
  4. 告警自助配置
  5. 文档自动生成（从代码注释和 OpenAPI）
  6. 运行手册和故障处理指南管理

交付物：每个服务都有统一的监控、日志、追踪、文档，排障效率提升

阶段4：高级功能（2个月）

目标：成本管理、安全合规、AI 辅助

工作内容：

  1. 成本管理（Kubecost 集成，成本分摊和优化建议）
  2. 安全合规（配置检查、漏洞扫描、权限审计）
  3. 密钥管理（Vault 集成，自助申请密钥）
  4. AI 辅助（接入大模型，智能排障、文档问答、代码生成）
  5. 服务健康度评分和技术债管理

交付物：完整的 IDP，覆盖研发全流程

五、实践效果

落地 10 个月后的数据：

指标落地前落地后变化
新人上手时间2周3天-70%
新服务创建时间2天30分钟-95%
环境创建时间1天10分钟-98%
部署频率每周1次每天3次+2000%
变更失败率15%5%-67%
平均恢复时间（MTTR）2小时30分钟-75%
开发者满意度6.5/108.5/10+31%
基础设施成本---15%（资源优化）

核心效果：交付速度提升 3 倍，稳定性提升 2 倍，开发者满意度大幅提升。

六、踩坑经验

  1. 一开始就想做全功能：平台工程范围大，一开始想把所有功能都做了，结果做了半年还没上线。要分阶段，先做最痛的点（如 CI/CD 标准化），快速交付价值
  2. 平台团队脱离开发者：平台团队闭门造车，做出来的功能开发者不用。要把平台当产品做，定期和开发者沟通，收集反馈，持续迭代
  3. 强制推广引起抵触：一开始强制所有团队用 IDP，结果开发者抵触，觉得"又多了一个系统要学"。要先在试点团队验证价值，用效果说服其他团队
  4. 文档和培训不足：平台上线了但开发者不会用，还是自己搞老一套。要写好文档、做培训、配导师，让开发者愿意用、会用
  5. 集成太多工具太复杂：IDP 集成了十几个工具，界面复杂，开发者找不到功能。要简化界面，常用功能放首页，高级功能藏起来
  6. 忽略遗留系统：新服务用 IDP，老服务还是老方式，形成"两张皮"。要制定迁移计划，逐步把老服务迁移到 IDP
  7. 平台团队变成新的运维瓶颈：开发者用 IDP 遇到问题都找平台团队，平台团队成了新的瓶颈。要加强自助服务和文档，大部分问题开发者自己解决
  8. 不度量效果：平台做了很多功能，但不知道有没有用、效果怎么样。要建立度量体系（交付周期、部署频率、失败率、满意度），用数据指导迭代

七、平台工程的关键原则

  1. 平台是产品，不是项目：把 IDP 当产品做，有产品经理、有路线图、有用户反馈、持续迭代，不是"做完就完事"
  2. 开发者体验优先：平台的用户是开发者，要像对待外部客户一样对待开发者，追求极致的用户体验
  3. 自助服务是核心：平台的价值是让开发者自助完成任务，不用找运维。如果开发者用平台还要找平台团队帮忙，那就失败了
  4. 黄金路径（Golden Path）：提供标准的、推荐的技术路径（如标准 CI/CD 模板、标准服务框架），开发者沿着黄金路径走，不用自己选型
  5. 渐进式采用：不要强制全团队一次切换，先在试点团队验证价值，再逐步推广，用效果说话
  6. 平台团队是产品团队：平台团队不是运维团队，是产品团队——有产品经理、设计师、工程师，专注于打造开发者产品
  7. 度量驱动：建立度量体系，量化平台效果（交付周期、部署频率、满意度），用数据指导迭代和决策
  8. 安全内置不是外挂：安全能力要内置到平台流程中（如镜像扫描、密钥管理、权限控制），不是事后检查

八、总结

平台工程实践核心：

  1. 平台工程是 DevOps 的演进：DevOps 强调文化和协作，平台工程强调工具和产品，构建 IDP 把基础设施能力封装成自助服务
  2. IDP 是核心产品：内部开发者平台覆盖服务目录、环境管理、CI/CD、可观测性、文档、安全、成本，让开发者专注业务代码
  3. Backstage 是门户首选：Backstage 是 IDP 的事实标准，服务目录 + 插件生态，能快速搭建开发者门户
  4. 分阶段落地是关键：基础建设 → CI/CD 标准化 → 可观测性和文档 → 高级功能，每阶段交付价值，不要一开始就想做全
  5. 平台是产品不是项目：有产品经理、路线图、用户反馈、持续迭代，追求开发者体验
  6. 自助服务是核心价值：让开发者自助完成任务，不用找运维，平台团队不成为新瓶颈
  7. 效果显著：我们的实践证明，交付速度提升 3 倍，稳定性提升 2 倍，新人上手时间减少 70%
  8. 踩坑要避免：不要闭门造车、不要强制推广、不要忽略文档培训、不要脱离开发者、要度量效果

平台工程代表了研发效能的下一个阶段——从"每个人都要懂基础设施"到"基础设施作为产品，开发者自助使用"。投入时间构建 IDP，长期来看能大幅提升研发效能和稳定性。但记住，平台工程不是技术问题，是产品问题——技术只是手段，开发者体验和价值才是目的。