从故障到稳定：我的交互式 DevOps 作品集（在 Cloud Run 上）

Source: Dev.to

Introduction

我是 Noor Halabi，一名专注于 DevOps 的工程师，拥有全栈开发背景，对系统可靠性、自动化和云架构有浓厚兴趣。在全职转向 DevOps 之前，我曾在应用层面工作，这塑造了我如今对基础设施的思考方式：它们不是孤立的工具，而是为真实用户和真实软件提供支持的系统。

Portfolio Overview

我没有做传统的作品集，而是构建了一个 交互式 DevOps 系统模拟。体验从一次流量激增的事故开始：

• 出现警报。
• 系统自动扩容。
• 稳定性恢复。

只有在事故解决后，作品集才会打开（返回访客可使用跳过按钮）。

随后，作品集以运行中的生产系统呈现，包含多个运营视图：

• 系统概览
• 交付（CI/CD）
• 事故与经验教训
• 我构建并运营的系统
• 运维人员简介
• 升级流程

🔗 Live Portfolio (Google Cloud Run):
(link to be added)

Technical Stack

• Front‑end: React（现代单页应用）
• Back‑end: Node.js 与 Express
• Containerization: Docker
• Hosting: Google Cloud Run（无服务器、基于容器）
• Challenge label: dev-tutorial=devnewyear2026

Google AI Tools

• Antigravity: 负责系统架构设计、用户流程和组件结构。
• Gemini: 协助进行 UX 推理、故事叙述以及技术解释的完善。

Design Decisions

• 单页应用，包含多个运营视图；避免长篇滚动。
• 导航方式类似切换仪表盘。
• 对非 DevOps 人员友好；技术深度通过交互逐步展现。
• 在初始的混乱（事故）后，界面保持平静、稳定。
• 支持暗色和亮色模式，以匹配用户偏好。

Project Goals

• 让非 DevOps 观众也能理解作品集，同时向工程师传递真实的 DevOps 思维。
• 将作品集转变为你运营的系统，而不是仅供阅读的页面。
• 用通俗语言解释 DevOps 概念，避免行话。
• 直观展示事故、恢复和交付的过程。
• 演示在 Google Cloud Run 上成功部署和调试真实生产容器。
• 展示 Google AI 工具在系统推理中的使用，而不仅是代码生成。

Personal Statement

这个项目体现了我作为工程师的工作方式：

• 在压力下保持冷静
• 面向系统
• 持续改进

感谢阅读！欢迎在评论中留下你的想法或问题。