## 容災成為企業上雲和用雲的基礎要求

2019 年 IDC 釋出的《全球雲端計算 IT 基礎設施市場預測報告》顯示：2019 年全球雲上的IT基礎設施佔比超過傳統資料中心。越來越多企業因為雲端計算低成本、穩定性而選擇在雲端構建系統，雲已經變成了一個主流 IT 基礎設施。近年來，開源技術和雲技術保持高速發展，出現種類繁多的產品和服務，技術人員決策權變大，架構更迭速度日益加快。在高速演進的過程中，要謹防人為的不合理故障，同時也要關注自然災害的影響。一次不恰當業務中斷，可能帶來嚴重的品牌、客戶、經濟損失。

所有的上雲企業都把容災系統能力建設作為最基礎目標來要求，並保證投入。只有確保災難發生時，關鍵資料不丟失，系統服務儘快恢復執行，企業才能保證長久、平穩的高速發展。

## 常見的災難故障

在企業生產實踐中，不免會發生大大小小的故障，影響系統的穩定性。有些故障在發生後快速恢復，外部使用者無感，有些故障長時間無法恢復，造成外部輿情、資金損失等問題，甚至可能導致公司破產，故障一般有如下幾類：

- 人為操作失誤，比如常見的有配置錯誤、應用釋出失敗等等；

- 硬體故障，比如常見的就是網路裝置出故障，導致機房或者叢集內多臺伺服器受影響等；

- 網路攻擊，比如 DDoS 等網路攻擊等；

- 斷網/斷電，比如光纜被挖斷等；

- 自然災害，比如雷擊導致機房電力故障等。

在這些災難下，常常面臨著公網、接入閘道器、機房等設施中斷，會造成流量下跌、網站打不開、故障報警等業務問題，對於企業而言，需要面臨著“業務恢復”和“故障恢復”兩大難題，最好的方式是將這兩類問題進行解耦，在發生故障時，快速切流，優先恢復業務。在業務恢復的前提下，進行故障定位修復。

## 故障逃逸能力的成長

業界常見的故障定位與恢復涵蓋 4 個步驟：發現問題-定位問題-修復問題-業務恢復。明顯無法滿足“業務恢復”和“故障恢復”解耦處理的需求。更好的應對方式是將這 4 個故障處理步驟升級成"發現問題-切流-業務恢復"的 3 個故障處理步驟，透過“切流”保證業務的快速恢復，將業務恢復的時間從“數十分鐘甚至數小時不等”縮短到“分鐘級甚至秒級”，提高業務的容災能力。

為了保證快速切流的實現和在真實場景中“有效”的切流，我們需要建設更高階的容災架構技術，還需要增強“基礎設施”、“業務系統”、“保障工具”、“生產製度”、“應急人員”的協同。透過架構與組織的協同，實現容災多活的能力保鮮。

這種能力，不是即刻就可以突破的，是需要不停的最佳化架構與組織協同，才能促使業務的容災多活能力螺旋式的上升。

## 突破地域限制

企業在起步階段一般選擇單地域部署，但隨著業務的規模發展，單地域機房將無法滿足業務需要。與此同時，單地域的叢集化元件隨著連線數的爆炸性增長，單叢集的容量已無法繼續擴充套件，亟須進行叢集的拆分。

但是在做支援跨地域的叢集拆分時，需要滿足“路由一致性”、“資料一致性”的原則，從而讓業務能夠突破地域限制，做到跨地域的容量水平擴充套件，靈活排程流量，從而解決單地域下的容量挑戰問題，比如：

1、機器容量。多個異地機房對等部署，企業應用可在多地多機房靈活部署業務應用。

2、連線容量。機房內叢集化元件獨立，各自機房連線自有元件，避免連線數無限增長的問題。

## 災備容災的侷限性

災備容災建立在資料級容災的基礎之上，常用的實現方式是在備份機房構建一套相同的應用系統，災難發生時會在約定的時間範圍（RTO）內恢復執行，儘可能減少災難帶來的損失。在實際實施時，存在以下幾個問題：

1、災備中心平時不提供服務，在切換到災備中心的關鍵時刻時無法確定是否可以成功切換。

2、災備中心平時不提供服務，整個災備資源會處於閒置狀態，成本浪費比較高。

3、災備中心平時不提供服務，所以平時提供服務的機房還停留在單地域，當業務體量大到一定程度時，這種模式無法解決單地域資源瓶頸的問題。

## 應用多活的概念

“應用多活”是“應用容災”技術的一種高階形態，指在同城或異地機房建立一套與本地生產系統部分或全部對應的生產系統，所有機房內的應用同時對外提供服務。當災難發生時，多活系統可以分鐘級內實現業務流量切換，使用者甚至感受不到故障發生。

常見的應用多活架構分為同城多活、異地多活、混合雲多活，和傳統容災相比，應用多活具備以下 4 個優勢：

- **分鐘級 RTO**。 恢復時間快，阿里內部生產級別恢復時間平均在 30s 以內，外部客戶生產系統恢復時間平均在 1 分鐘。

- **資源充分利用**。資源不存在閒置的問題，多機房多資源充分利用，避免資源浪費。

- **切換成功率高**。依託於成熟的多活技術架構和視覺化運維平臺，相較於現有容災架構，切換成功率高，阿里內部年切流數千次的成功率高達 99.9% 以上。

- **流量精準控制**。應用多活支援流量自頂到底封閉，依託精準引流能力將特定業務流量打入對應機房，企業可基於此優勢能力孵化全域灰度、重點流量保障等特性。
        
到 2025 年，有超過 50% 企業會使用分散式雲。公共雲服務能力將延伸到邊緣計算和 IDC，一朵分散式雲實現全場景覆蓋。跨雲、跨平臺、跨地理位置的應用多活場景和技術將開始浮現。無容災不上雲，應用系統要隨時具備對災難故障的逃逸能力。平穩遷移上雲是每位決策者的關鍵決策點。

業務持續發展，架構不斷演進，容災治理解決的是發展中問題。如何實現應用多活的容災架構和組織協同，也越來越成為更多企業者關心的問題。

----以上節選自《應用多活技術白皮書》，點選[此處](https://developer.aliyun.com/article/853159)即可下載！

企業為什麼要做應用多活？

相關文章