阿里去IOE十二年彈性計(jì)算如何二次去I和E

【CSDN編者按】王堅(jiān)院士曾講過一句話讓人印象深刻，他說「云計(jì)算的本質(zhì)是服務(wù)，假如不能將計(jì)算資源規(guī)?；?、大范圍地進(jìn)行共享，假如不能真正以服務(wù)的方式提供，就根本算不上云計(jì)算?！贡娝苤?，阿里云是完全經(jīng)歷了從0到1，再到100的過程，將計(jì)算發(fā)揮到極致背后有一個(gè) 關(guān)鍵的服務(wù)，那就是彈性計(jì)算。

阿里云彈性計(jì)算是阿里云提供的IaaS級(jí)別云計(jì)算服務(wù)，它免去了客戶采購(gòu)IT硬件的前期預(yù)備，讓客戶像使用水、電、天然氣等公共資源一樣便捷、高效地使用計(jì)算資源，實(shí)現(xiàn)計(jì)算資源的即開即用和彈性伸縮。在「CSDN在線峰會(huì)——阿里云核心技術(shù)競(jìng)爭(zhēng)力」上，阿里云研究員蔣林泉（花名：雁楊）深入分享了在眾多大規(guī)模實(shí)踐下百煉成鋼的彈性計(jì)算。

復(fù)制鏈接可免費(fèi)觀看分享視頻：

s://edu.csdn.net/huiyiCourse/detail/1176

演講者|蔣林泉（雁楊），阿里云研究員

責(zé)編|唐小引

頭圖|CSDN下載自東方IC

出品|CSDN（ID：CSDNnews）

前言：彈性計(jì)算Morethanjust虛擬機(jī)

一般而言，大家理解的彈性計(jì)算，可能首先會(huì)想到是虛擬機(jī)、云服務(wù)器。

但彈性計(jì)算除了是眾所周知的IaaS的核心——云服務(wù)器ECS之外，還是一個(gè)完整的產(chǎn)品家族，而不只是虛擬機(jī)。

彈性計(jì)算不僅是阿里云的大底座，更是阿里巴巴集團(tuán)的大底座，能夠用強(qiáng)大的性能、穩(wěn)定性、彈性、效率能力來支撐云上客戶和阿里云的云產(chǎn)品。目前，中國(guó)80%的創(chuàng)新企業(yè)都在使用我們的彈性計(jì)算產(chǎn)品，更有99%的阿里云其他產(chǎn)品是在彈性計(jì)算產(chǎn)品之上為客戶提供服務(wù)。

對(duì)于彈性計(jì)算而言，我們所承擔(dān)的角色可從三個(gè)切面去看待，即制造商、零售（運(yùn)營(yíng)）商和服務(wù)商：

零售商（運(yùn)營(yíng)商）：資源池化&彈性

我們先從零售商的角度來理解彈性計(jì)算。

對(duì)于零售商而言，需要考慮如何將彈性資源賣出去，如何讓客戶使用這種池化后的彈性資源。

零售商主要是讓用戶的服務(wù)器從購(gòu)買變成租賃形態(tài)，可以按照年或者月進(jìn)行付費(fèi)，這樣更符合客戶的使用習(xí)慣，阿里云也提供按使用量，甚至是通過競(jìng)價(jià)閑置資源的方式來進(jìn)行付費(fèi)，使得客戶可以享受到在線下無法實(shí)現(xiàn)的付費(fèi)方式來節(jié)約成本。

在彈性計(jì)算的底層提升供給鏈效率，進(jìn)行服務(wù)器硬件資源虛擬化以及調(diào)度，并且保證非常高的SLA，來給客戶提供彈性能力。

?狹義彈性：時(shí)域維度的彈性

我們先來講講狹義的彈性。所謂狹義彈性就是時(shí)域維度的彈性。

如下圖中白色條線，這表示的就是時(shí)域的彈性，企業(yè)上線新特性、年中促銷或者日常促銷，甚至是業(yè)務(wù)發(fā)展變化很快，后臺(tái)的計(jì)算能力卻往往不能很快跟上。

一般傳統(tǒng)企業(yè)的解決方式其實(shí)是提前備貨，提前一年甚至三年做預(yù)算，進(jìn)行IT資源的儲(chǔ)備。其目標(biāo)是為了保證在未來一到兩年內(nèi)，業(yè)務(wù)都不會(huì)因?yàn)槿萘坎粔蚨軗p，這也是導(dǎo)致大量線下傳統(tǒng)企業(yè)的日常CPU利用率無法達(dá)到5%的原因。

很糟糕的情況是，當(dāng)有新業(yè)務(wù)上線需要大規(guī)模容量的時(shí)候，IT資源無法支撐，這樣的矛盾就會(huì)使得上圖中間的虛線部分越來越大。因此，傳統(tǒng)方式要么就會(huì)造成浪費(fèi)計(jì)算資源和資金，要么就無法很好地支撐業(yè)務(wù)的快速增長(zhǎng)。

?ECS狹義彈性能力：天下武功，唯快不破

對(duì)于狹義彈性而言，更多需要考慮如何讓其跑得更快，當(dāng)需要資源的時(shí)候以很快的速度給到客戶。

目前，阿里云云服務(wù)器ECS從開啟服務(wù)器到SSH可以登錄只需要22秒的時(shí)間，同時(shí)，單位時(shí)間內(nèi)能夠交付的計(jì)算力面積，可以做到單客戶、單Region5分鐘16萬核vCPU的交付能力。

?彈性容量自動(dòng)伸縮很佳實(shí)踐

我們來看看一個(gè)彈性容量的很佳實(shí)踐案例。

首先，企業(yè)客戶需要守住自己的一個(gè)底座，也就是自己日常流量所需的計(jì)算資源，也就是下圖中綠色的線，這部分比較適合使用包年包月或者RI的模式，因?yàn)閮r(jià)格比較便宜。

而在底座之上的彈性部分則可以使用按量計(jì)費(fèi)或者搶占式的計(jì)算資源幫助消除峰值流量，再加上ESS的自動(dòng)化，就能夠?qū)崿F(xiàn)在不同流量峰谷的時(shí)候可以自動(dòng)包裹業(yè)務(wù)曲線。

?容量彈性：ESS彈性自動(dòng)化4種模式

ESS彈性自動(dòng)化提供了4種模式，即定時(shí)模式、動(dòng)態(tài)模式、手動(dòng)+動(dòng)態(tài)模式和AI猜測(cè)模式：

通過多種伸縮模式的靈活組合，能夠幫助企業(yè)快速響應(yīng)計(jì)劃內(nèi)外的業(yè)務(wù)變化，實(shí)現(xiàn)按需取用，降低成本，自動(dòng)智能運(yùn)維，甚至是零運(yùn)維。

?廣義彈性：基礎(chǔ)設(shè)施規(guī)模全預(yù)鋪-空間域的彈性

第二個(gè)維度與大家分享廣義彈性。云，尤其是像阿里云這么大規(guī)模的云，很大的一個(gè)特征就是基礎(chǔ)設(shè)施規(guī)?；娜佋O(shè)，也就是說具有了空間域的彈性。

任何一個(gè)物理設(shè)備，都有擴(kuò)容上限。當(dāng)擴(kuò)張到上限的時(shí)候，就會(huì)碰到擴(kuò)容墻的問題，此時(shí)就需要設(shè)備全部遷移到另外一個(gè)地域并重新啟動(dòng)，無法做到跨地域調(diào)度。

云計(jì)算則能夠?qū)崿F(xiàn)跨機(jī)房、跨可用區(qū)，甚至是跨Region的擴(kuò)容。阿里云擁有日不落的數(shù)據(jù)中心，業(yè)務(wù)部署到海外也是非常簡(jiǎn)單的，這就是廣義的彈性——空間域的彈性。

?廣義彈性：空間域上覆蓋全球的大規(guī)模基礎(chǔ)設(shè)施

大家經(jīng)常會(huì)聽到阿里云部署了多少個(gè)Region以及多少個(gè)AZ（AvailabilityZone，可用區(qū)），而AZ之間是互聯(lián)的，延時(shí)也有嚴(yán)格的保障，因此用戶可以突破IDC的邊界，擴(kuò)容自己的應(yīng)用。

?廣義彈性：在ECS之上，使用豐富云服務(wù)拓展應(yīng)用的系統(tǒng)支撐能力的彈性

ECS會(huì)映射到線下的IDC服務(wù)器，因此無論是數(shù)據(jù)庫還是應(yīng)用，都是購(gòu)買軟件之后進(jìn)行交付、運(yùn)維和使用。對(duì)多數(shù)云上系統(tǒng)各種Workload，都可以基于ECS用軟件自己搭建。

同時(shí)，阿里云還提供了大規(guī)模的服務(wù)化的云產(chǎn)品，一定會(huì)有一款滿足你。比如數(shù)據(jù)庫、容器、函數(shù)、中間件等都已經(jīng)實(shí)現(xiàn)了服務(wù)化，客戶不需要去安裝、運(yùn)維和治理這些軟件，而能夠利用這些軟件的彈性實(shí)現(xiàn)開箱即用，且按時(shí)付費(fèi)。而且這些軟件的數(shù)量和質(zhì)量還不斷的進(jìn)化，因此選擇上云還能夠?yàn)閷硗卣箲?yīng)用能力的彈性奠定基礎(chǔ)。

制造商：性能優(yōu)異，穩(wěn)如磐石

客戶的應(yīng)用都在這個(gè)云服務(wù)器上面，因此性能很重要。云廠商生產(chǎn)了各種不同規(guī)格的云服務(wù)器，通過IDC、物理機(jī)、網(wǎng)絡(luò)資源之上的這些操作系統(tǒng)將其切成資源池給到客戶。

這樣就像是工業(yè)4.0，客戶選擇了配置，如內(nèi)核、CPU、內(nèi)存、磁盤、操作系統(tǒng)等，阿里云會(huì)將這些資源調(diào)度到一臺(tái)機(jī)器上，實(shí)時(shí)生產(chǎn)出來交給用戶。

阿里云提供了封裝形態(tài)、規(guī)格族、規(guī)格大小粒度這樣廣譜覆蓋的實(shí)例矩陣來覆蓋用戶在不同場(chǎng)景下對(duì)于計(jì)算力的需求。

?制造商成功的本分：穩(wěn)定性&性能

中國(guó)是個(gè)制造業(yè)大國(guó)，而制造商成功的本分其實(shí)就是穩(wěn)定性和性能。阿里云具有計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)性能的穩(wěn)定性，AZ內(nèi)、AZ間、Region間以及網(wǎng)絡(luò)性能的穩(wěn)定性。

此外，加上飛天操作系統(tǒng)在計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)3個(gè)底層技術(shù)上的不斷投入，以及大規(guī)模調(diào)度系統(tǒng)，結(jié)合底層硬件不斷進(jìn)行研發(fā)迭代，實(shí)現(xiàn)高性能和成本紅利。

?云的穩(wěn)定性

云的穩(wěn)定性主要挑戰(zhàn)在兩個(gè)方面：宕機(jī)遷移業(yè)務(wù)恢復(fù)，磁盤損壞不丟數(shù)據(jù)；硬件批量維修、過保，保證客戶對(duì)過保無感。

阿里云將運(yùn)維和虛擬化解耦，可以做到用戶無感的物理硬件替換，對(duì)客戶業(yè)務(wù)的連續(xù)性打攪降低到非常小的程度，這正是云上核心的穩(wěn)定性邏輯。

下圖中數(shù)據(jù)來自于各廠商官網(wǎng)，阿里云ECS單實(shí)例可用性SLA可以達(dá)到99.975%，跨可用區(qū)多實(shí)例可用性SLA可達(dá)到99.995%。

標(biāo)題中的“二次去I”指的是阿里云在服務(wù)客戶的過程中發(fā)現(xiàn)客戶單實(shí)例對(duì)穩(wěn)定性要求也非常高。

在“第一次去IOE”的時(shí)候，用的是應(yīng)用層的分布式技術(shù)來解決x86的穩(wěn)定性問題。而在彈性計(jì)算領(lǐng)域，則是用基礎(chǔ)層的能力去解決x86的穩(wěn)定性問題，目標(biāo)是用x86的硬件做到和小型機(jī)一樣的穩(wěn)定性，這就是“二次去I”?？蛻舻募夹g(shù)能力各不相同，有很大一部分客戶對(duì)單機(jī)的穩(wěn)定性有非常高的依靠，無法做應(yīng)用層的容災(zāi)，這樣嚴(yán)苛的需求就推動(dòng)阿里云的服務(wù)要達(dá)到小型機(jī)的穩(wěn)定性，阿里云的基礎(chǔ)沉淀了多年，才得以實(shí)現(xiàn)這樣的業(yè)界領(lǐng)先的SLA。

阿里云云盤的可靠性能夠做到“9個(gè)9”，也是目前業(yè)界領(lǐng)先的，需要非常嚴(yán)謹(jǐn)和先進(jìn)的技術(shù)架構(gòu)來保障。通過分布式的基于x86的軟件定義存儲(chǔ)，替代掉原來商業(yè)非常昂貴的存儲(chǔ)，并達(dá)到了存儲(chǔ)的高可靠性。

阿里云是如何做到上述能力的呢？其實(shí)對(duì)于服務(wù)器而言，80%的宕機(jī)，都來自IDC電力、IDC網(wǎng)絡(luò)和服務(wù)器系統(tǒng)三類原因。接下來針對(duì)于這三個(gè)原因談?wù)劙⒗镌扑龅氖虑椤?

IDC掉電的新聞中經(jīng)常出現(xiàn)，屬于高頻事件。阿里云在IDC的治理上非常嚴(yán)格，擁有高可用電力架構(gòu)、網(wǎng)絡(luò)架構(gòu)以及3+N多線BGP接入，這也源于多年來的經(jīng)驗(yàn)和教訓(xùn)，才形成背后成熟的治理體系和技術(shù)體系。阿里云幫助客戶消除掉了IDC機(jī)房的大部分電力、網(wǎng)絡(luò)的可用性威脅。