思科网络自动化入门课程介绍

知识精讲

本课程是网络自动化入门导论，系统介绍传统网络管理的痛点、网络自动化核心概念、可编程接口类型、模型驱动编程、设备级与控制器级可编程的区别，以及DevOps文化与工具分类，为后续深入学习打下基础。

课程介绍与大纲

课程目标：完成课程后可以掌握现代网络自动化开发方法，理解不同工具与方法论的适用场景，明确自身在自动化工作中的角色，能够将自动化应用到企业网络中。课程包含视频、示意图和课后复习题，涵盖概念、工具和实际用例。
课程大纲：
1. 对比传统与新型网络管理方法，分析传统方式的优势与可扩展性、错误处理方面的挑战
2. 介绍网络可编程性与相关工具系统，讲解Python结合API的开发方式
3. 引入Git、Ansible、Puppet、Chef等主流自动化工具
4. 讲解Cisco设备上不同自动化技术的实现原理
5. 介绍DevOps实践、相关工具与企业收益

传统网络管理的演进与痛点

传统手动管理模式：早期网络管理完全依赖人工，网络工程师通过控制台、Telnet、SSH连接设备，使用CLI逐台配置，通常采用复制修改配置文件的方式工作。
🚩重点：传统CLI手动管理的核心缺陷：
1. CLI设计适配人工交互，批量操作速度极慢
2. 手动复制粘贴配置极易产生人为错误，设备数量越多出错概率越高
3. 任务难以重复，工作流整体效率低下
SNMP的标准化尝试：为解决手动管理的效率问题，诞生了简单网络管理协议SNMP，通过网管服务器主动拉取设备信息，依靠SNMP Trap上报事件和错误，也可实现部分配置功能。
- 🚩重点：SNMP配置功能可靠性不足，无法用于生产环境，至今仍仅用于拉取设备运行状态、完成网络监控。
传统模型的规模扩展问题：企业网络规模较小时可通过CLI管理，随着设备数量、复杂度（安全设备、无线、SDNOverlay、IPv6等）增长，企业需要增加网络工程师人手，团队技能也逐渐多样化，会出现零散的自动化脚本。
- 🚩重点：零散的自动化补丁方案无法优化网络管理，生产环境等关键场景需要统一 cohesive 的网络管理策略。

网络自动化可编程接口（API）体系

API演进背景：随着软件定义网络SDN的发展，网络编程逐渐从CLI转向API，CLI仍然在故障排查等场景必不可少，但API是网络自动化的核心支撑。
主流网络API类型：
1. RESTful（REST）API：在网络设备和应用中被广泛使用，基于Web服务发起请求、获取状态，具备快速、简单、安全的特点。
2. NetConf：IETF推出的专门用于网络设备配置的标准协议，操作基于XML编码的远程过程调用。
3. RESTCONF：NetConf协议的子集，采用REST架构实现，兼具REST API的简单快速与网络设备专用API的功能。
4. YANG数据模型：YANG全称Yet Another Generation Model，不是API本身，是专门为配置管理设计的数据建模语言，用于为API创建数据模型。
5. gRPC：谷歌发起的开源远程过程调用框架，目前被众多企业用于网络自动化开发。
Cisco API生态：思科全线产品已开放API能力，包括Cisco DNA Center、数据中心ACI、Webex协作产品、IoT安全产品等均提供大量API。
开源与开发支撑：开源是网络可编程领域的重要趋势，大量自动化工具开源降低了开发门槛，开源软件通常会打包为SDK（软件开发工具包），将工具与API封装后提供给开发者。测试环境方面，Cisco Modeling Labs 可以无需搭建实体硬件/基础设施，即可完成代码测试。
- 🚩重点：API不是独立使用的，而是端到端架构的一部分，需要结合开发、测试、运维全流程考虑。

网络自动化常见应用场景

自动备份：网络中数千台节点需要每日备份，手动备份是重复枯燥的工作，经常遗漏，自动化可定时执行备份，无需人工干预，还能提供版本跟踪，满足合规与审计要求。
变更前后验证：网络变更需要在变更前后执行验证确保符合预期，手动验证容易漏执行命令、出错，自动化脚本可以自动完成前后验证并对比结果，节省工程师时间，流程可重复、结果一致。脚本可自动检查多台设备，结果输出到文件或数据库。
报表与数据分析拉取：自动化脚本可从多个端点拉取数据，生成指定格式（电子表格、图表、PDF）的报表，完成后自动发送通知。
合规检查：金融、医疗等行业有严格合规要求，需要检查网络配置是否符合规范，手动检查耗时繁琐，自动化可以持续检查配置变更合规性，发现违规及时处理，保障网络持续合规安全。
事件触发自动化：检测到特定事件后自动执行预设动作，无需等待人工介入即可完成处理。
配置管理：是网络自动化最常见的应用场景，自动化配置可以让变更更一致、可扩展。
零接触配置：新设备接入网络时，自动化自动完成系统升级、配置管理IP、下发基础配置等初始化工作，脚本可以自动识别新上线设备、识别厂商型号，完成对应配置。

自动化交互集成方式

可将自动化与仪表板集成，实现持续合规、报表等功能的实时可视化
可与编排平台集成（例如云环境中由编排器透明触发执行自动化）
可与IT服务管理（ITSM）平台集成，实现变更审批、调度，同时监控变更、问题与事件，ITSM本身也具备编排能力
ChatOps：通过即时聊天工具（如Webex Teams）与自动化交互，既可以向团队发送通知，也可以通过向机器人发送命令触发工作流
可以结合多种方式，自定义组合满足业务需求

模型驱动可编程（Model Driven Programmability）

数据模型核心概念：数据模型类似房屋的设计蓝图，定义数据对象的结构、包含的组件和位置，在网络中可以用来表示VLAN这类对象，定义对象结构、属性、合法取值范围、数据类型等，为程序间通信提供一致可靠的数据格式。
- 🚩重点：网络自动化中是程序和程序通信，不是人和计算机通信，因此必须明确定义数据对象的结构、读写权限，这就是数据模型的核心作用。数据模型只关注传输什么数据，API关注如何传输数据。
模型驱动API架构：数据模型是模型驱动API的基础，定义交互数据对象的语法、语义（结构）和约束（读写权限等）。YANG就是被NetConf、RESTCONF、gRPC使用的数据模型。应用通过SDK调用模型驱动API，协议、编码格式、传输方式等细节由API封装，对应用保持一致的交互体验。
工作流程示例：应用从网络设备获取接口IP地址时，会根据代表接口IP的YANG模型构造请求，编码为XML，通过NetConf协议经SSH发送给网络设备的API服务；设备识别请求后，按照同一YANG模型构造响应，再次编码为XML经NetConf返回，两端依靠统一数据结构实现互相理解。
常见数据编码格式：JSON和XML是最常用的两种编码格式，都可以按照数据模型结构化格式化数据，以文本格式存储，可被程序轻松解析提取。两者的区别仅在于语法不同，承载数据完全一致。两种格式的共性优势：
1. 人类可读，自描述，通过键值对即可清晰理解数据含义
2. 支持层次结构，可以存储嵌套数据结构
3. 被绝大多数编程语言支持，有大量开发库可以简化处理
- 🚩重点：JSON/XML只是文本编码格式，不是代码，API需要通过反序列化将文本转换为可操作的数据对象。
YANG建模语言 ：YANG是专门用于网络自动化的数据建模语言，由硬件厂商编写YANG模块对外发布，供开发者交互，2010年10月作为NetConf的建模语言发布在RFC 6020中。YANG将数据对象定义为YANG模块，可导出为Schema格式，定义模块属性、组件、读写权限、数据类型等。 YANG模型驱动协议栈结构：YANG Schema → 数据编码 → 通信协议 → 底层传输。

设备级可编程 vs 控制器级可编程

设备级可编程：类似传统工程师逐台管理设备的模式，即使使用自动化脚本，也是一次和一台设备交互，所有配置、查询操作都直接在设备上执行。
控制器级可编程：将设备管理抽象到集中的控制器系统（例如Cisco DNA Center），工程师或脚本只和控制器交互，控制器再和所有底层设备交互，返回结果到上层。
- 🚩核心优势：控制器支持批量管理设备，可以按照业务功能、数据中心、地理位置分组管理，控制器负责设备交互的调度。
实例说明：升级一批高可用Cisco Firepower设备的OS，为了不影响业务，需要逐台升级：主设备下线升级→上线→再升级备设备。如果有上百组高可用对，手动操作工作量极大，控制器可以内置高级逻辑，逐台升级，每台升级完成验证成功后再执行下一台，升级失败立即停止流程发送通知，人工介入处理。
控制器级方案的优势：
1. 提供全网状态的统一视图，工程师单点即可获取全网信息
2. 作为网络自动化和服务的统一聚合点
3. 实现设备抽象，屏蔽不同厂商、不同型号设备的API差异，开发者只需要和控制器交互
4. 支持集中化安全管理，可限制直接访问底层设备，仅开放控制器访问，单点即可实现访问控制、日志、报表、审计
5. 内置多设备管理、复杂变更处理的高级逻辑
控制器级方案的不足：需要培训员工、验证所有设备配置才能和控制器同步，需要调整业务流程适配控制器，落地周期长，不一定适合所有企业。
设备级方案的优势：是网络工程师熟悉的传统模式，对单设备可以提供更细粒度的控制，适配定制化需求，多厂商环境、特殊设备更容易适配，不需要找到支持所有异构设备的控制器。
- 🚩重点：控制器级可编程的前提是网络设备本身具备可编程接口，没有设备API就不可能存在集中控制器。

DevOps文化与理念

DevOps定义：DevOps是文化和流程的变革，核心是促进原本分隔的开发和运维团队之间的协作与沟通。两个团队目标不同，但需求互通，互相依赖。
开发与运维的目标差异：
- 开发团队：目标是快速发布小版本变更，交付新功能，更偏向创新变更。
- 运维团队：目标是保障系统稳定、可靠、可预测，聚焦服务可用性，需要严格控制变更。
传统开发模式的问题：传统瀑布开发模式会拉大两个团队的分歧，破坏协作，损害企业整体收益。
DevOps开发生命周期：
1. 文化（Culture）：DevOps需要企业级推动，高管支持，从文化层面转变，不能只在团队层面推行。
2. 自动化（Automation）：通过自动化将重复任务交给机器完成，让人类聚焦于更适合人的工作，释放人力。
3. 精益（Lean）：梳理所有系统和流程，裁剪消除低效环节，范围从老旧设备更新到人工流程优化都包含在内。
4. 度量（Measurement）：优化必须可量化，不能只凭感受判断优化效果，成本论证也需要量化数据支撑。
5. 分享（Share）：Agile方法要求团队分享信息，分享成功经验与失败教训，所有人共同学习，进步速度远高于个人摸索。

DevOps工具分类 DevOps工具类比OSI七层模型，每个工具只负责DevOps栈中特定层级的工作，共同构建敏捷工作流，支撑协作与开发管理，共分为六大类：

持续集成（CI）：编排整体开发流水线，管理所有服务的测试。常见工具：Jenkins、Travis CI、Circle CI、TeamCity、Visual Studio Team Services。选择工具需要考虑速度、组织易用性、合规要求、已有技术栈适配等因素。
配置管理（CM）：确保只使用预先审批的配置模板和模型，核心是流程管理。常见工具：Puppet、Chef、SaltStack、Ansible、Heat。工具选择通常取决于团队已有经验，或者合作团队的技术栈。
协作工具：为团队沟通提供支撑，支持跨位置、跨企业协作，支持机器人实现自动通知、消息转发、翻译、提醒等功能，还可以提供沟通归档方便回溯。常见工具：Slack、Cisco Webex Teams、HipChat。工具选择通常取决于企业已有许可和文化习惯。
环境工具：提供开箱即用、可重复的开发沙箱，让开发者聚焦代码开发，无需担心环境配置差异。常见工具：Vagrant、Packer、Docker。模块化的环境配置让问题不会阻塞整体开发进度。
源码与镜像控制：提供代码托管，支持版本管理，支持多人协作，避免修改冲突。常见工具：GitHub、GitLab、Bitbucket、JFrog。
平台层：提供运行DevOps工作流的底层平台，选择范围广，从免费公共平台到企业级付费平台都有，需要根据使用场景（个人学习/企业生产/金融合规）选择，需要关注数据主权、数据控制权等合规问题。

课程总结 完成本入门课后，已经掌握网络自动化基础，能够解释自动化的必要性、现有API类型、应用生命周期常用工具、模型驱动可编程概念、DevOps理念与工具分类；能够区分不同自动化方法、层级和工具，将其应用到思科网络产品中。

🚩核心结论：如果需要扩展网络管理规模，必须使用网络自动化。
不同类型的API有不同优势和适用场景，需要按需选择。
掌握这些概念可以为后续深入学习各个自动化工具打下坚实基础。

💡 核心概念

RESTful API：基于Web服务的通用API架构，具备快速、简单、安全的特点，广泛用于网络设备交互
NetConf：IETF制定的网络设备配置标准协议，使用XML编码的远程过程调用
RESTCONF：基于REST架构的NetConf子集，兼具REST的易用性和NetConf的配置功能
YANG：Yet Another Generation Model，专门用于网络配置管理的数据建模语言，为API定义数据结构，RFC 6020定义
gRPC：谷歌发起的开源远程过程调用框架，广泛用于网络自动化
模型驱动可编程：基于标准化数据模型构建API的网络可编程架构，数据模型定义结构，API负责传输
零接触开通：新设备接入网络时，自动化自动完成初始化配置的流程
ChatOps：通过即时聊天工具和自动化交互的DevOps工作模式
DevOps：促进开发与运维团队协作的文化与流程方法，消除部门墙，提升交付效率
持续集成（CI）：DevOps中编排开发流水线、管理自动化测试的实践

✨ 课堂金句

"API不是独立使用的，而是端到端架构的一部分。"
"企业同时需要开发和运维，两者互相依赖，协作比各自为战更好。"
"通过学习从其他人的成败中学习，我们所有人进步的速度，比我们自己摸索要快得多。"
"如果你需要扩展网络管理，你必须使用网络自动化。"

📝 待办事项

复习重点：梳理不同API类型的差异、设备级与控制器级可编程的优缺点、DevOps生命周期五大阶段
后续学习：深入学习Git、Ansible、Puppet、Chef等具体自动化工具