IaC:把基础设施变成可版本化的意图
一、引言
容器解决了应用的可重复交付,Kubernetes 解决了容器的声明式编排。但运行这一切的基础设施本身呢?那些 VPC、子网、安全组、数据库实例、负载均衡器——谁来管,怎么管?
大多数团队的起点是:登录云控制台,点点点。这在小规模下没问题,但有两个随时间累积的隐性代价,最终会变成灾难。
二、为什么:基础设施的配置漂移
控制台操作的两个隐性代价
第一个代价:不可追溯。
三个月前,有人在控制台悄悄改了一条安全组规则,放开了一个本不该开放的端口。控制台通常可以配置审计日志,但如果日志没有进入变更流程,团队仍然不知道这次改动的理由与预期。直到排查安全问题才看见规则,追得回 API 调用,也未必还原得了当时的判断。
第二个代价:不可重现。
生产环境出了问题,需要在另一个区域快速搭起一个相同的环境做隔离验证。能保证搭出来的和生产一模一样吗?不能——你能记住三年里在控制台做过的每一个操作吗?控制台操作没有”复制粘贴整个环境”的语义。
这两个代价的根源是同一件事:基础设施的状态存在人脑和云平台的数据库里,没有任何一个地方有完整的、可读的、有版本历史的表达。
IaC 的核心翻转
IaC(Infrastructure as Code)的逻辑和容器镜像完全一致:把状态变成可版本化的声明。
# 不是"去控制台创建一个 S3 bucket"
# 而是:这个 bucket 应该存在,它应该处于这个状态
resource "aws_s3_bucket" "assets" {
bucket = "my-company-assets"
tags = {
Environment = "production"
Team = "platform"
}
}把 .tf 文件、PR 讨论和执行记录连起来,才能追溯:谁提出了什么变更,为什么改,最后实际执行了什么。Git 保存的是声明历史;绕过流程的云操作仍要靠云审计和 drift 检查补齐。
声明式 vs 命令式:两个工具解决的不是同一个问题
IaC 领域经常被拿来对比的两个工具是 Terraform 和 Ansible。它们有重叠能力,但默认组织方式不同,可以形成分工。
Terraform 是声明式的:你描述”基础设施应该处于什么状态”,Terraform 计算当前状态和期望状态的差异,执行必要的变更。它根据依赖图和 Provider 的资源实现安排步骤;使用者主要描述对象关系,而非手工编排每个 API 调用。擅长管理云资源的生命周期:创建 VPC、开数据库、配置 DNS。
Ansible 按任务编排:Playbook 描述任务顺序,许多模块又以 state: present 等方式声明目标状态。常通过 SSH 管理主机,也能调用 API;幂等性来自具体模块和任务设计,任意 shell 脚本并不会自动变得幂等。它常用于已有机器的软件配置与服务管理。
两者的合理分工:Terraform 把 VM 开出来,Ansible 在 VM 上装软件、改配置。这不是硬性禁区:Ansible 有云资源模块,Terraform 也有 Kubernetes 等 Provider。选择时看对象生命周期、状态所有权、对账方式和团队维护成本,而不是用工具名代替边界。用 creates 跳过一次安装,只说明文件存在时不重跑,不能证明软件版本和配置持续正确。
三、怎么设计:Terraform 的工作原理
三个核心概念
Resource(资源):你想要存在的基础设施对象。一个 EC2 实例、一条 DNS 记录、一个数据库——每个 resource 块声明一个对象的期望状态。下面是片段,var.ami_id 还需通过变量声明与输入提供。
resource "aws_instance" "web" {
ami = var.ami_id # 自备同区域、同架构且有权使用的 AMI ID
instance_type = "t3.micro"
tags = {
Name = "web-server"
}
}Provider(提供商):把 Terraform 的声明翻译成具体云平台 API 调用的插件。AWS、GCP、Azure、Kubernetes、GitHub——都有对应的 Provider。terraform init 会按约束和锁文件选择、下载 Provider。下面的 ~> 5.0 是版本约束写法示例,不代表当前推荐版本;现有环境升级要审查 Provider 的迁移说明与 plan。
terraform {
required_providers {
aws = {
source = "hashicorp/aws"
version = "~> 5.0"
}
}
}
provider "aws" {
region = "us-east-1"
}State(状态):Terraform 保存资源地址与远程对象身份映射、依赖元数据及属性记录的状态。它可以保存在本地文件或远程后端,不是现实的完整镜像。这是理解 Terraform 工作原理最关键的概念,下面单独展开。
plan / apply 的执行模型
Terraform 的核心工作流是两步:先计算,再执行。
terraform planPlan 做三件事:读取你的 .tf 文件(期望状态);读取 state 文件(上次记录的现实);调用 Provider API 刷新真实的云资源状态。然后计算三者之间的差异,输出一个变更计划:
Plan: 2 to add, 1 to change, 0 to destroy.
+ aws_s3_bucket.logs # 新建
+ aws_security_group.web # 新建
~ aws_instance.web # 修改(instance_type 从 t3.micro 改为 t3.small)terraform plan -out=reviewed.tfplan
terraform show reviewed.tfplan
# 确认的对象是这个计划;apply 计划文件不会再次询问 yes
terraform apply reviewed.tfplanApply 尝试执行计划,并在过程中记录已知结果;中途失败可能已经改变部分资源,不会自动事务回滚。单独运行 terraform apply 会重新生成计划并请求确认,它不是“执行刚才那次 plan”。团队审批应绑定配置提交、变量、工作区、Provider 锁文件与最终计划;计划过期或目标变化时重新检查,不复用旧的批准。Terraform plan
state 文件:IaC 的整个世界观
state 存在的原因
云资源是有状态的,Terraform 无法通过”纯粹重新读取 .tf 文件”来知道某个 EC2 实例的实际 ID 是什么。State 文件保存了 .tf 文件里的逻辑名称(aws_instance.web)和云平台实际资源 ID(i-0123456789abcdef0)之间的映射,以及 Provider 纳入 state 的属性记录与必要元数据。不是所有云端属性或应用数据都会进入 state。
缺失受管资源映射时,Terraform 通常会提出重新创建,而云端对象可能还活着。它可能遇到名称冲突,也可能真的创建重复资源。配置、state 和现实各负一责:配置表达意图,state 记住身份,Provider 查询可见的当前事实。State 的用途
为什么不能把 state 提交进 Git
State 文件包含敏感信息(数据库密码、访问密钥);多人协作时 state 会产生冲突(两个人同时 apply,state 文件会被覆盖);state 文件可能很大,不适合 Git 版本管理。
多人协作应使用有访问控制、锁和恢复策略的远程后端,例如 S3 或 HCP Terraform。当前 Terraform 的 S3 后端可用原生锁文件,旧的 DynamoDB 锁已被弃用;迁移应按团队固定版本验证。远程存储也不是自动备份,仍须启用版本保护并演练恢复。计划文件也可能包含敏感值,不能当普通 PR 附件无限期留存。
state 和真实资源不一致时
这是配置漂移的 IaC 版本:有人绕过 Terraform 在控制台直接改了资源,导致 state 记录的和云上真实的不一样。下次 terraform plan 时,Terraform 会发现偏差,并把它列在变更计划里——再决定恢复配置、采纳现实,或把特定字段明确交给其他管理者。ignore_changes 是所有权约定,不能用来掩盖所有不理解的差异。
模块化
随着基础设施规模增大,把所有 .tf 文件堆在一个目录里会变得难以维护。Module(模块)是 Terraform 的复用单元:
# 使用一个封装了 ECS 服务的模块
module "web_service" {
source = "./modules/ecs-service"
service_name = "web"
image = "myapp:v1"
cpu = 256
memory = 512
port = 8080
}模块封装了一组相关资源的声明,对外只暴露必要的变量,调用者通过接口使用内部实现,但仍能检查模块源码与展开后的 plan。这和应用代码的函数抽象逻辑完全一致。
四、上手:用 Terraform 把第一个云资源跑起来
安装与初始化
# macOS 安装
brew tap hashicorp/tap
brew install hashicorp/tap/terraform
# 验证安装
terraform version
# 创建工作目录
mkdir my-infra && cd my-infra写第一个资源
以创建一个 AWS S3 bucket 为例。需要先配置实验账号/角色和凭证,确认区域、权限与预算;存储、请求和相关服务是否收费取决于账户及当时计费规则,本篇不承诺免费。使用自己选择的全局唯一名称:
# main.tf
terraform {
required_providers {
aws = {
source = "hashicorp/aws"
version = "~> 5.0"
}
}
}
provider "aws" {
region = "us-east-1"
}
resource "aws_s3_bucket" "example" {
bucket = "replace-with-your-unique-lab-bucket" # 执行前替换为自己的唯一名称
tags = {
Name = "learning-bucket"
Environment = "dev"
}
}
# 输出 bucket 的 ARN,方便其他模块引用
output "bucket_arn" {
value = aws_s3_bucket.example.arn
}核心工作流
# 第一步:初始化,下载 Provider 插件
terraform init
# 输出:Terraform has been successfully initialized!
# 第二步:格式化代码(养成习惯)
terraform fmt
# 第三步:验证语法
terraform validate
# 第四步:生成并检查要执行的计划
terraform plan -out=reviewed.tfplan
terraform show reviewed.tfplan
# 第五步:确认账号、资源范围和计划后执行;传计划文件不会再询问 yes
terraform apply reviewed.tfplan
# 阅读实际结果,失败时检查已完成部分,不预设一定成功
# 清理实验:确认桶内只有可删除的实验数据,再单独审查销毁计划
terraform plan -destroy -out=destroy.tfplan
terraform show destroy.tfplan
# 确认后才执行:terraform apply destroy.tfplan版本约束表达可接受范围,.terraform.lock.hcl 固定实际选择的 Provider 版本及校验信息,应进入代码评审。.terraform/、state 与计划文件不进入普通源码提交;远程执行也要保留同等的输入与审批关系。
读懂 plan 的输出
Terraform will perform the following actions:
# aws_s3_bucket.example will be created
+ resource "aws_s3_bucket" "example" {
+ bucket = "my-learning-bucket-20260605"
+ id = (known after apply) # apply 之后才知道
+ tags = {
+ "Environment" = "dev"
+ "Name" = "learning-bucket"
}
}
# aws_instance.web will be updated in-place
~ resource "aws_instance" "web" {
id = "i-0123456789abcdef0"
~ instance_type = "t3.micro" -> "t3.small" # ~ 表示修改
}
# aws_security_group.old will be destroyed
- resource "aws_security_group" "old" { # - 表示删除
- id = "sg-0abc123"
}符号含义:+ 新建,~ 修改(in-place,不重建),- 删除,-/+ 需要销毁后重建(破坏性变更,要特别注意)。
查看和管理 state
# 列出 state 里管理的所有资源
terraform state list
# 查看某个资源的详细 state
terraform state show aws_s3_bucket.example
# 查看特定输出或资源时避免把敏感值带进终端录屏/共享日志
# 不手工修改 state JSON,也不把整份 state 粘进问题单五、走向生产:让基础设施代码跑得稳
目录结构:多环境的组织方式
常见的多环境目录结构:
infra/
├── modules/ # 可复用模块
│ ├── vpc/
│ ├── ecs-service/
│ └── rds/
├── environments/
│ ├── dev/
│ │ ├── main.tf # 调用模块,传入 dev 的参数
│ │ ├── variables.tf
│ │ └── backend.tf # dev 环境的远程 state 配置
│ ├── staging/
│ └── prod/
└── shared/ # 跨环境共用的资源(DNS zone、IAM 基础角色)这里每个环境目录是独立的 root module 与 backend key,具有独立 state;不要与 terraform workspace 创建的 CLI workspace 混为一谈。dev 和 prod 的代码几乎相同,只是变量值不同(实例规格、副本数、域名)。
变量与输出
# variables.tf
variable "environment" {
description = "部署环境"
type = string
}
variable "instance_type" {
description = "EC2 实例规格"
type = string
default = "t3.micro"
}
# 在 main.tf 里引用(片段;AMI、网络等参数仍须补齐)
resource "aws_instance" "web" {
instance_type = var.instance_type
tags = {
Environment = var.environment
}
}
# outputs.tf
output "web_public_ip" {
description = "Web 服务器公网 IP"
value = aws_instance.web.public_ip
}变量值通过 .tfvars 文件按环境传入:
# prod.tfvars
environment = "prod"
instance_type = "t3.large"terraform plan -var-file="prod.tfvars" -out=prod.tfplan
terraform show prod.tfplan
# 确认最终计划后执行:terraform apply prod.tfplan远程后端:state 存在哪里
# backend.tf:Terraform >= 1.10 的 S3 原生锁文件示例
terraform {
required_version = ">= 1.10.0, < 2.0.0"
backend "s3" {
bucket = "my-company-terraform-state"
key = "prod/terraform.tfstate"
region = "us-east-1"
use_lockfile = true
encrypt = true
}
}后端桶必须提前建立,配好访问控制、版本化和 state/锁文件的对应权限,不能期待当前 root module 在初始化后端前创建它。锁用于阻止同一 state 的并发写入,不会阻止控制台或其他 state 修改同一远程对象。
旧环境可能使用 dynamodb_table;当前文档已将这种锁方式标为弃用。固定 CLI 版本后审查迁移计划,再迁移后端或锁机制,不要只改一行字段便假定所有执行端兼容。S3 backend
CI/CD 集成
成熟的 IaC 工作流:
flowchart TD A[开发者提交 PR] --> B[CI 自动执行\nterraform plan] B --> C[plan 输出作为\nPR Comment 展示] C --> D{团队 Review\n变更计划} D -- "发现问题" --> E[修改 .tf 文件\n重新提交] E --> B D -- "确认无误" --> F[合并到主分支] F --> G[生成最终计划并复核\napply 已审计划文件] G --> H[apply 结果\n通知 PR / Slack]
plan 评审只有绑定到实际执行的计划,才形成完整的安全门。PR 中的推测计划帮助讨论;合并提交、变量或远程状态变化后,应生成最终计划并复核其变化。执行日志还要回到变更记录,说明哪些动作完成、哪些失败,而不是仅记录“流水线绿色”。
import:把已有资源纳入管理
如果云上已有资源是手动创建的(没有 Terraform 管理),可以用 import 把它纳入当前 state。先确认对象没有被其他 state 管理,并补齐与现状相符的配置;导入身份不等于声明已经正确:
# 先在 main.tf 里写好对应的 resource 块
# 然后 import 现有资源
terraform import aws_s3_bucket.existing my-existing-bucket-name
# import 后跑 plan,确认没有意外的变更
terraform plan六、故障剧场:亲手把它弄坏
云资源实验只使用有预算上限的独立实验账号与资源,先记录配置提交、CLI/Provider 版本、backend 和正常 plan;先保存状态恢复点,再注入单一变化。发现销毁非目标资源、身份不明或费用超界时停止,绝不为了完成实验批准陌生的计划。以下输出是需要验证的现象,不是本轮实测记录。
实验一:在控制台手改资源,看 drift 浮现
# 用 Terraform 创建一个 S3 bucket
terraform apply
# 去 AWS 控制台,给这个 bucket 手动加一个 tag(或修改任何属性)
# 回来跑 plan
terraform plan
# 输出:
# ~ aws_s3_bucket.example
# tags = {
# - "manual-tag" = "added-in-console" -> null
# 正常模式的动作计划可能提出删除未在配置中声明的 tag;另有外部变更提示
# }Terraform 发现了 drift——控制台的修改被识别出来,并显示为”现实和期望状态不一致”。你可以选择:apply 把这个 tag 删掉(让现实符合代码),或者把这个 tag 加到 .tf 文件里(让代码符合现实)。也可以把特定 tag 的所有权交给其他系统并显式配置 ignore_changes,但要记录谁来管理、如何审计。你必须对所有权明确表态。 实验结束后恢复原有标签策略,再检查正常 plan。
实验二:移走本地 state,看工具如何“失忆”
为了只观察映射丢失,这个实验使用独立目录中的内置 terraform_data 资源,不需要云凭证,也不能在上面的云资源目录里做。
# 独立空目录中的 main.tf;要求 Terraform >= 1.4
terraform {
required_version = ">= 1.4.0, < 2.0.0"
}
resource "terraform_data" "memory_lab" {
input = "state-mapping-demo"
}terraform init
terraform apply
terraform state list
# 确认是这个实验的本地 state,并且备份目标尚不存在
# 将备份移出活动路径,保留恢复能力
mv terraform.tfstate terraform.tfstate.saved-for-lab
terraform plan
# 观察:缺少映射后,是否提出创建 memory_lab?不要 apply
mv terraform.tfstate.saved-for-lab terraform.tfstate
terraform plan
# 恢复后应重新识别同一资源;记录差异State 中的身份映射不是可以随意丢弃的缓存。这个本地实验展示的是映射失忆;若换成云资源,旧对象不会随 state 消失,后续 apply 却可能冲突或重复创建。云环境优先从已核验的后端版本恢复;无法恢复时再逐项 import,并核对对象所有权。state 也不是数据库内容或磁盘数据的备份。
实验三:推演 state 锁未释放时的解除
# 场景推演:apply 进程异常终止且未释放锁;单次 Ctrl+C 通常请求优雅停止
# 远程 state 上的锁没有被正常释放
terraform apply
# Error: Error acquiring the state lock
# Lock Info:
# ID: 12345678-abcd-efgh-ijkl-000000000000
# Operation: OperationTypeApply
# Who: user@machine
# 确认这个 apply 进程确实已经死了(不是还在跑)
# 然后强制解锁
terraform force-unlock 12345678-abcd-efgh-ijkl-000000000000force-unlock 是危险操作:如果另一个 apply 真的还在运行,强制解锁会导致两个 apply 同时修改 state,造成 state 损坏。只在核对锁持有者、执行平台任务和当前后端,确认原操作终止后才执行。此处不通过强杀真实 apply 来制造故障;解锁后先 plan,对照云审计检查部分成功的操作。
实验四:把“必须重建”写进可审查的计划
只对已经创建的可丢弃实验实例使用,先确认数据是否可丢弃或已备份:
terraform plan -replace=aws_instance.web -out=replace.tfplan
terraform show replace.tfplan
# 检查替换原因、先删后建或先建后删的顺序、关联资源及停机影响
# 确认后执行:terraform apply replace.tfplan旧的 terraform taint 会直接改变 state 中的标记,已被弃用;当前用 -replace 将替换意图放进计划(Terraform >= 0.15.2)。它适用于受管实例需要重建的情况,但不保证获得特定的新物理宿主机,也不会恢复应用数据。若只想观察计划,可以停在这里;若执行,则以实际实例身份、服务与数据验收收尾。Terraform planning options
七、日常排障:IaC 坏了怎么查
apply 报错:常见错误类型
资源已存在(需要 import)
Error: creating S3 Bucket: BucketAlreadyOwnedByYou: my-bucket云上已经有这个资源,但 state 里没有记录。不要手动删了重建——用 terraform import 把它纳入管理。
依赖关系未就绪
Error: InvalidParameterException: Subnet subnet-xxxx does not exist先核对区域、账号、资源 ID 与 Provider 错误。Terraform 能从真实属性引用推断依赖;只有引用无法表达的行为依赖才用 depends_on。等待创建顺序也不保证远程服务已准备好接受下一步操作:
resource "aws_instance" "web" {
depends_on = [aws_internet_gateway.gw] # 片段:资源其他必需参数略;只表达行为依赖
}Provider 认证失败
Error: No valid credential sources foundAWS 凭证未配置或已过期。核对选中的 profile、角色、区域及会话过期时间;优先使用短期身份。检查凭证来源即可,不要把密钥值输出到共享日志。
state 锁死
# 查看当前锁信息
terraform plan
# Error: Error acquiring the state lock
# 锁 ID 在错误信息里
# 确认没有其他 apply 在运行后解锁
terraform force-unlock <lock-id>drift 修复:先决定所有权,再更新记录
发现意外差异时,先区分“外部发生了什么”和“本次计划准备做什么”:
# 路径一:维持原配置,审查恢复现实的正常模式计划
terraform plan -out=restore.tfplan
terraform show restore.tfplan
# 确认后执行:terraform apply restore.tfplan
# 路径二:采纳有意的外部变更,先修改 .tf 文件,再正常 plan
terraform plan
# 记录更新:只把已观察到的变化写回 state,不修改云资源
terraform plan -refresh-only -out=refresh.tfplan
terraform show refresh.tfplan
# 确认后执行:terraform apply refresh.tfplanrefresh-only 更新记录,不会永久接受与配置相反的现实。若 .tf 未变,下次正常计划仍可能提出纠正。旧的 terraform refresh 相当于自动批准刷新,已被弃用;应使用可先审查的 refresh-only 计划。Terraform refresh
若字段由别的系统长期管理,可以精确使用 ignore_changes,并写清所有者;它是另一种职责划分,不是“忽略所有 drift”。最后追查绕过流程的原因:可能是应急,也可能是平台流程过慢。把必要的应急路径和回写责任补上,比只堵住控制台更有价值。
八、往哪走
Ansible 的定位:VM 配置管理
Terraform 把机器开出来,Ansible 在机器上做配置:装 Docker、配置 nginx、管理系统用户、执行初始化脚本。两者不是竞争关系,是基础设施管理的两个层次。容器化可以减少直接向 VM 安装业务依赖的工作,但操作系统、裸金属、边缘设备与遗留系统仍需要配置管理。是否采用 Ansible,取决于所需模块、幂等性和团队已有能力,不必为某种工具预写兴衰结论。
Pulumi / CDK:用真正的编程语言写 IaC
HCL 是领域特定语言,支持表达式、循环与条件,但刻意限制通用程序的自由度。Pulumi 和 AWS CDK 允许你用 Python、TypeScript、Go 写基础设施声明——完整的编程语言带来了完整的测试能力、类型系统和 IDE 支持。代价是引入了完整的编程语言复杂度。对于有强烈编程偏好的团队,这条路值得考虑。
GitOps 的延伸
IaC 文件在 Git 里,是 Git 成为”系统运行时真相之源”的前半段——代码和基础设施的声明都在 Git 里,期望变更通过 PR 审查,再由经过计划复核的交付流程执行。下一篇会探讨 GitOps 如何把这个模式推向极致:不只是 apply 由 Git 触发,而是系统持续 watch Git,一旦发现集群状态和 Git 里的声明不一致,自动拉取并收敛。
这条线的终点:IaC 把基础设施从”人脑里的操作历史”变成了”Git 里的版本化意图”。可审计(谁改了什么),可重建(在版本、输入、权限与外部依赖受控时重建受管资源),可协作(PR review 基础设施变更)。三个性质加在一起,让基础设施和应用代码拥有了同等的工程纪律——这是 DevOps 文化的物质基础。
关联
- → 04-GitOps-Git成为系统运行时的真相之源:IaC 文件在 Git 里,GitOps 接管同步与收敛逻辑
- → 05-平台工程-把开发者体验当产品来建:IDP 的后台通常调用 IaC 来自动配置资源(self-service 基础设施)
- → 02-Kubernetes-声明意图,控制器维持世界:K8s 集群本身也要用 IaC 管理,K8s 上的资源用 YAML 声明
参考资料与实践边界
本篇核验日期:2026-10-14。本轮只修订并检查文稿,没有调用云端 plan/apply、创建或销毁资源,也没有执行 state 故障实验。HCL 片段说明单个机制;账号、AMI、网络、凭证、预算和 Provider 版本必须在自己的实验中闭合。
- Terraform install:当前安装入口与平台支持。
- Terraform dependency lock file:Provider 选择和锁文件职责。
- Terraform import:将已存在对象纳入受管映射。
- Ansible playbooks:任务顺序、模块与幂等性边界。