上线零事故!洋葱学园 × Zadig 打造云原生交付新标杆
洋葱学园成立于 2013 年,是中国领先的智能学习科创公司,专注于通过 AI 人机协同模式 推动教育普惠。公司以 8000+ 情景化数字课程 为核心,构建了覆盖学生自主学习、教师精准教学的智能生态,累计服务全国的 1.1 亿+学生 和 336 万+教师用户,市场渗透率居行业领先。
在技术路径上,洋葱学园坚持 “为教育定制 AI” ,自主研发智能学伴、知识图谱引擎等工具,单课程研发投入超 10 万元,确保内容与技术的深度融合。同时,公司通过 “洋葱助教行动” 向 29 个省份里面的超过 3.3 万所乡村学校捐赠资源,实现教育公平与企业发展的双轮驱动。
随着业务的快速发展,洋葱学园的微服务数量增至 300+,日均服务调用超 10 亿次。原有的交付体系难以支撑高并发迭代需求,复杂的多环境验证、上线流程自动化等问题,成为 规模化扩张的关键瓶颈,亟需构建更高效的云原生交付体系。
面临的痛点
针对业务不断拓展带来的更高的质量要求,我们分析出了在上线流程中的一些待优化点,主要包括以下几个方面:
- 提高上线过程的标准化程度:我们上线的过程质量需要进一步提高,需要更标准的上线规划和上线执行流程,来解决掉上线过程中的不稳定或低质量因素,进而减少上线过程引发的生产环境事故。比如 SQL 上线流程不严谨等
- 提高上线过程的自动化程度:目前我们上线过程中的部分流程需要人工手动干预,提高自动化程度来减少人工操作失误带来的不稳定因素是我们的刚需需求
- 提高预发布环境的利用率:上线前预发布环境验证是保证上线质量的重要一环,强制将预发布环境验证纳入我们的标准化、自动化流程同样是是我们应对更高质量要求的刚需需求
鉴于上述需求,洋葱学园迫切需要一个能够有效优化解决上述待优化点的方案。
选择 Zadig 原因
洋葱学园原有的上线系统需要开发同学手动维护,但开发同学本身有繁重的业务开发需求,难以抽出足够精力进行系统维护。此外,原有系统的功能较为有限,无法满足我们日益增长的上线需求,比如自动化构建、部署和测试流程。因此,我们迫切需要一个功能完善且能提供专业支持的第三方系统,以提升上线效率和稳定性。
Zadig 作为一个领先的开源云原生 DevOps 平台,具备成熟的功能和灵活的工作流设计,能够确保上线流程的稳定性和可靠性。此外,Zadig 拥有专业的专家团队和技术支持团队,能够为我们提供及时的技术指导和问题解决,确保系统高效运行,满足我们多样化的业务需求。
综合考虑成本、功能和专业支持等因素,Zadig 成为了我们的不二之选。
Zadig 解决方案
通过引入 Zadig,可以帮助我们解决上述待优化点中包含的核心问题,主要体现以下几个方面:
- 上线流程规范化:利用 Zadig 灵活编排的工作流,我们自定义上线流程,强制要求所有上线必须经过预发布环境的测试与验证,确保了上线前的代码质量。
- 代码一致性:通过 Zadig 的自定义任务,我们自己编码实现了基于发版分支的构建和上线流程,确保了预发布环境的代码与生产环境的代码完全一致,避免了代码差异带来的问题。
- 自动化流程:Zadig 提供了自动化的构建、部署和测试流程,减少了人工操作的失误,提升了上线流程的稳定性和可靠性。
- 资源优化:通过 Zadig 的统一管理,预发布环境的资源得到了有效利用,避免了资源浪费。
- 上线规划:发版负责人使用 Zadig 的发布计划,保证了上线过程的有序性,减少了多业务同时上线带来的冲突和沟通成本。
实践成效
自 2024 年 9 月中旬引入 Zadig 以来,我们的上线质量得到了显著提升,具体成效如下:
- 上线问题显著减少:通过 Zadig 的自动化流程,发版导致的上线问题显著减低,由于发版导致的上线问题保持为 0。
- 预发环境治理升级:通过 Zadig 自定义预发布流程,预发环境与生产环境 100% 对齐,验证质量和效率大幅提升。
- 上线流程自动化:Zadig 的自动化流程,提升了上线效率和稳定性。
- 资源利用率提高:通过 Zadig 的统一管理,预发布环境的资源得到了有效利用,避免了资源浪费。
总结与展望
Zadig 的引入不仅解决了洋葱学园在云原生转型中的交付瓶颈,更通过自动化与标准化重构了研发流程, 显著提升了上线质量和效率, 为公司业务的稳定运行提供了有力保障。Zadig 的「以开发者为中心」的设计理念,与洋葱学园「数据驱动教育」的愿景相辅相成,为教育普惠化提供了坚实的技术基座。未来,双方将深化合作,进一步释放数字化教育的业务价值。
即日起,Zadig 新版发布
扫码咨询抢先体验

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
数据无界、湖仓无界,Apache Doris 湖仓一体典型场景实战指南(下篇)
导读: 湖仓一体是将数据湖和数据仓库的优势相结合的数据管理系统。Apache Doris 结合自身特性,提出了【数据无界】和【湖仓无界】核心理念。上篇文章已介绍了 Apache Doris 湖仓一体完整方案,本文将聚焦典型应用场景,进一步深入,帮助读者更好地理解和应用 Apache Doris 湖仓一体。 在数据驱动决策的时代,湖仓一体架构以统一存储、统一计算、统一管理的创新形式,补齐了传统数据仓库和数据湖的短板,逐步成为企业大数据解决方案新的标准。 在上一篇文章中,全面介绍了湖仓一体演进历程以及 Apache Doris 湖仓一体解决方案,具体查阅:(上篇)从 0 到 1 构建湖仓体系, Apache Doris 湖仓一体解决方案全面解读。本文将进一步深入,聚焦于 湖仓分析加速、多源联邦分析、湖仓数据处理 这三个典型场景,分享 Apache Doris 湖仓一体方案的最佳实践。 通过这三个场景的实践,展示 Apache Doris 如何帮助企业快速响应业务需求,提升数据处理和分析的效率。同时,我们也将结合实际场景,提供详细的使用指南,帮助读者更好地理解和应用 Apache Doris...
- 下一篇
如何正确看待 AI 的推理能力?走出人类中心主义
编者按: 人工智能真的能"推理"吗?我们是否正在用过于狭隘的人类思维,限制了对 AI 推理能力的认知?我们今天为大家带来的文章,作者的观点是:AI 的推理能力不应被简单地用"人类中心主义"的标准来否定。文章重点揭示了三个关键内容: 推理能力的定义应更加开放,不应局限于传统人类思维模式 通过多个标准化测试(如 HellaSwag、WinoGrande),AI 在推理任务中已展现出显著能力 我们需要以更开放的心态,将 AI 视为一种独特的"外星智能" 这不仅是一篇技术解读,更是对人类智能的深刻反思。在 AI 快速迭代的今天,我们是否能突破"人类中心主义"的思维桎梏,以更开放、更谦逊的态度拥抱这种新兴的"外星智能"? 作者 | Rafe Brena, Ph.D. 编译 | 岳扬 Image by the author using ChatGPT 近期,关于人工智能是否具备推理能力的讨论愈发白热化。近期发布的 DeepSeek R1 模型和 OpenAI o3-mini 模型[1]引发了各方反应[2],有观点认为"这不过是炒作和幻象",也有观点视其为"人工智能的新典范"。 人工智能的推理能力(...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- MySQL8.0.19开启GTID主从同步CentOS8
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- Red5直播服务器,属于Java语言的直播服务器
- CentOS7,8上快速安装Gitea,搭建Git服务器
- CentOS6,7,8上安装Nginx,支持https2.0的开启
- CentOS8,CentOS7,CentOS6编译安装Redis5.0.7
- Jdk安装(Linux,MacOS,Windows),包含三大操作系统的最全安装
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- SpringBoot2全家桶,快速入门学习开发网站教程
- CentOS8安装MyCat,轻松搞定数据库的读写分离、垂直分库、水平分库