丁海驁

“青云QingCloud在北京、廣東和上海三地擁有多活數(shù)據(jù)中心，以北京為例，這是我們最早上線的多活Region架構(gòu)?！绷衷矗嘣芉ingCloud運營副總裁日前在接受采訪時談到，青云QingCloud已經(jīng)從基礎(chǔ)設(shè)施層、基礎(chǔ)架構(gòu)層（或IaaS）和分布式應(yīng)用層（或PaaS層）做好了為用戶提供多活部署方式的準備。

那么，什么是多活？

一般來講，隨著企業(yè)數(shù)字化轉(zhuǎn)型的開展，企業(yè)的業(yè)務(wù)與IT基礎(chǔ)架構(gòu)和數(shù)據(jù)之間的關(guān)聯(lián)越來越密切，所以如何保障數(shù)據(jù)安全和業(yè)務(wù)全天連續(xù)運營，成為企業(yè)在IT建設(shè)過程當(dāng)中越來越關(guān)注的問題。在以往的企業(yè)IT架構(gòu)當(dāng)中，一般都會因此設(shè)置兩個或多個數(shù)據(jù)中心：其中一個為主數(shù)據(jù)中心，一個為備用數(shù)據(jù)中心。日常工作中：主數(shù)據(jù)中心承擔(dān)主要業(yè)務(wù)負載和數(shù)據(jù)處理，備用數(shù)據(jù)中心則主要用于備份主中心的業(yè)務(wù)過程、數(shù)據(jù)等。只有當(dāng)主數(shù)據(jù)中心發(fā)生諸如宕機等意外時，備用數(shù)據(jù)才會臨時承擔(dān)起主數(shù)據(jù)中心的工作，通過快速恢復(fù)數(shù)據(jù)等，一方面保證業(yè)務(wù)的連貫，另一方面減輕業(yè)務(wù)間斷造成的損失。

這被稱為單活。而雙活是在此基礎(chǔ)上，將備用數(shù)據(jù)中心與主數(shù)據(jù)中心放在同樣平行的位置，共同承擔(dān)業(yè)務(wù)負載，同步復(fù)制數(shù)據(jù)，這樣不僅降低了原來單活架構(gòu)帶來的資源浪費，而且當(dāng)其中任意一個數(shù)據(jù)中心發(fā)生宕機時，另一個同樣能夠快速恢復(fù)數(shù)據(jù)和業(yè)務(wù)，同樣可以保證業(yè)務(wù)的連續(xù)性。

“曾經(jīng)在2014年，某銀行核心系統(tǒng)宕機，中斷服務(wù)37小時。在這37個小時內(nèi)，所有跟該銀行相關(guān)的賬戶無法存款或者取款。假如此時有人生病在需要取錢，那就意味著可能會造成延誤37個小時才能就診處置，生命攸關(guān)?！绷衷丛趶娬{(diào)多活的重要性的同時，也強調(diào)，雖然多活能夠增強系統(tǒng)的可靠性、提升業(yè)務(wù)的連續(xù)性，保證業(yè)務(wù)在運行過程中不受任何故障和災(zāi)難的影響，但是，也并不是所有的場景都需要多活，用戶需要用RTO和RPO兩個技術(shù)指標來衡量自己業(yè)務(wù)對多活的需求程度。

其中，RTO指業(yè)務(wù)恢復(fù)時間；RPO是數(shù)據(jù)丟失量?！按蠹彝嬗螒驎r肯定有一個體驗，當(dāng)我要射擊時，發(fā)現(xiàn)手機卡了，或者是服務(wù)卡了，這很有可能是數(shù)據(jù)中心出現(xiàn)故障。但是卡了10秒或者半分鐘后，就恢復(fù)了，那么這10秒鐘就被稱之為RTO。”林源舉例強調(diào)，一般互聯(lián)網(wǎng)行業(yè)對于PRO更加關(guān)注，而金融、保險等對數(shù)據(jù)安全性要求更高的行業(yè)，則對RPO更關(guān)注：“如果你欠一個朋友10萬元，在還錢過程中，銀行發(fā)生故障。比較好的情況是你朋友收到了10萬塊，但你這邊沒有扣款；比較不好的是你的賬號扣款了，但是你朋友沒有收到。無論哪種情況，都說明銀行在交易過程中出現(xiàn)故障，并且在故障恢復(fù)后，數(shù)據(jù)丟失了。而且不管丟失哪段交易，都會對數(shù)據(jù)的一致性造成影響，這是不能忍受的。”

顯然，RTO和RPO所定義的兩種業(yè)務(wù)形態(tài)，前者業(yè)務(wù)面向廣泛的客戶，發(fā)生故障影響比較大，如電商網(wǎng)站、微信、微博等；后者是業(yè)務(wù)本身很重要，發(fā)生故障后會影響公司業(yè)務(wù)，導(dǎo)致客戶資金受損，如銀行、保險、重型制造等業(yè)務(wù)場景。“在傳統(tǒng)意義上，這些對多活需求較高的業(yè)務(wù)場景，也往往因為成本高、人才短缺、建設(shè)周期長、技術(shù)難度大的情況，導(dǎo)致用戶企業(yè)需要付出相當(dāng)大的決心和成本才能是實現(xiàn)。”而且林源也強調(diào)，即便如此，也不能保證能夠?qū)崿F(xiàn)預(yù)期的目標：“GitHub在10月22日時，出現(xiàn)一次比較大規(guī)模的故障，導(dǎo)致服務(wù)中斷的時間達到24小時。由于有80%以上的工程師平時的工作依賴GitHub，所以這24小時的故障又導(dǎo)致了絕大部分互聯(lián)網(wǎng)企業(yè)的技術(shù)人員無法正常工作。而這次故障恰恰是因為他們的多活系統(tǒng)出現(xiàn)故障而導(dǎo)致的：兩個機房之間的網(wǎng)絡(luò)出現(xiàn)了中斷，服務(wù)發(fā)生切換時，由于多活系統(tǒng)考慮不全，導(dǎo)致系統(tǒng)發(fā)生腦裂，兩邊的數(shù)據(jù)不一致。為了保證用戶數(shù)據(jù)的一致性，GitHub只能直接停服，用24小時的時間恢復(fù)數(shù)據(jù)。”

林源認為，通過云為用戶提供多活，則能幫助用戶在業(yè)務(wù)和IT之間，找到更好的結(jié)合點，讓企業(yè)用戶更專注于自己業(yè)務(wù)。

在林源的介紹中，在基礎(chǔ)設(shè)施層，青云QingCloud有三個地區(qū)的數(shù)據(jù)中心有多活服務(wù)——北京、廣東和上海，通過青云QingCloud多活Region架構(gòu)，一個Region由多個可用區(qū)或者多個數(shù)據(jù)中心構(gòu)成，用戶可以在北京選擇三個機房作為數(shù)據(jù)中心：北京3B、北京3C、北京3D。通過多機房之間的互聯(lián)，保證數(shù)據(jù)中心的互聯(lián)帶寬和延遲時間能夠符合用戶的需求。同時，在基礎(chǔ)架構(gòu)（IaaS）層，青云QingCloud提供通用組件能夠幫助用戶部署多活的負載均衡、網(wǎng)絡(luò)，保證在極端情況下，任意一個數(shù)據(jù)中心宕機，都不會影響用戶使用負載均衡器的服務(wù)，不會影響外網(wǎng)。在應(yīng)用層（或者PaaS層），青云QingCloud的MySQL Plus（基于MySQL的數(shù)據(jù)庫服務(wù)）、MongoDB，本身就支持多活的部署，因此任何一個數(shù)據(jù)中心的宕機都不會影響數(shù)據(jù)庫。不僅如此，通過青云的SD-WAN智能廣域網(wǎng)加上私有云和公有云統(tǒng)一架構(gòu)，甚至可以為用戶部署一個混合云架構(gòu)下的多活地基礎(chǔ)設(shè)施。

“簡單地說，如果用戶想構(gòu)建多活的業(yè)務(wù)，只需要做最簡單的應(yīng)用層部分和中間件的部分，其他有關(guān)負載均衡器、Redis、MySQL以及多個數(shù)據(jù)中心之間的互聯(lián)，都是由青云提供。因此對于用戶來講，現(xiàn)在部署一個多活的應(yīng)用或者多活的業(yè)務(wù)就會變得很簡單，而且很便宜?！绷衷凑f。

寫在最后

技術(shù)的進步是讓用戶可以不用學(xué)習(xí)更多的專業(yè)技能，讓部署、應(yīng)用和維護更簡單。這也是云計算能夠在如此短時間內(nèi)，就徹底改變原有IT世界格局的一個重要原因。無論從哪個方面講：讓專業(yè)的人，利用專業(yè)的知識解決專業(yè)的問題，對整個社會都是最有效率的一種分工。