**11 月 5 日，在 2022 杭州 · 雲棲大會上，數字化安全生產平臺 DPS 重磅釋出，助力傳統運維向 SRE 轉型。**

![1.png](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/9b1cde0a0c084dd4827033e6b6ef4d16~tplv-k3u1fbpfcp-zoom-1.image "1.png")

阿里巴巴資深技術專家 周洋

十四五規劃下，各行各業全面加速數字化轉型與升級。隨著企業數字化業務規模變大，迭代速度加快，系統複雜度越來越高，如何保障業務穩定性這一話題也變得愈發重要。下述有幾點典型場景和挑戰：

### 場景一：分散式系統面臨穩定性保障新挑戰

近年來，雖然穩定性關注度日益提高，新技術蓬勃發展，重大故障依然頻發且影響巨大。例如，2021年，某證券 IDC 故障 2 小時，導致客戶無法交易，產生資損；某影片網站，伺服器故障 3 小時無法訪問，引發輿論……技術的不恰當使用、人為操作失誤、硬體故障、自然災害、安全攻擊依然給生產帶來極大風險。

### 場景二：政策引導IT系統穩定性建設平穩推進

隨著數字化轉型政策的推進，越來越多國民級應用誕生，大大方便了人們的日常生活，各個企業也相繼推出自己的客戶端。然而，大多數企業沒有經歷過多年網際網路發展的錘鍊，應對線上風險能力不足，亟需以最短時間完成穩定性運維能力的積累，少走彎路。

### 場景三：傳統運維手段已無法滿足要求

傳統運維存在運維工具割裂、面向基礎設施而非業務、被動運維、缺乏規範化的流程機制體系等問題。企業應遵循 SRE（Site Reliability Engineering）和平臺運維（Platform Ops）的創新理念，透過軟體來實現系統管理、問題發現、問題解決和自動化運維工作。

在現實生活中，無論建造摩天大樓還是家庭工程維護，在保證工程質量的同時，更重要的是避免出現安全事故，造成人員傷害，因此需要一套標準化的工藝流程、技術標準和驗收手段等。在軟體行業中，同樣需要標準化的技術能力和方法論，來保障線上業務穩定性。於是，從 2018 年起，阿里巴巴集團便致力於 IT 軟體領域的安全生產建設：一方面加強高可用架構的基礎建設，另一方面，提供 SRE 轉型的流程機制體系，配合可用效能力、組織能力和災難恢復能力等目標，形成一套完整的安全生產方法體系。

為此，數字化安全生產平臺（DPS）應勢而生。**DPS 濃縮了阿里巴巴十年運維經驗，以 PlatformOps 為理念，以保障業務連續性為目標的一站式管控 SRE 運維平臺，具備場景化、數字化和雲原生化三大典型特徵。**

-   **場景化：** DPS 以應急場景為中心，弱化組織架構帶來的運維限制，同時，DPS 全面的監控和告警規則配置可以支援涵蓋業務的各個場景。

-   **數字化：** DPS 提供數字化監控大屏、智慧化告警、智慧故障定位、白屏化故障快恢手段和數字化度量、人員管理等能力，為企業數字化程式添磚加瓦。

-   **雲原生化：** DPS 以阿里雲豐富的雲原生產品作為技術支撐，且具備足夠的開放性，可以與阿里雲一方、二方和開源系統等進行關聯。

數字化安全生產平臺 (DPS) 作為阿里巴巴集團數十年網際網路探索的沉澱，在平臺的架構和演進方面主要關注以下幾點：

-   **明確目標和場景：** 安全生產是全域性工程，其能力取決於木桶最短板。因此安全生產需要有明確的目標和場景，且保證主體框架的完整。

-   **打通組織架構：** 安全生產不僅要解決人和系統、程式碼的問題，還需要解決人和人、人和制度的問題。因此安全生產需要阿里和行業的優秀技術在一個體系內整合和打通。

-   **面向未來架構：** 安全生產同時關注成本和減少損失。因此，安全生產需具有一定的抗技術週期性，架構設計除了要相容最新的技術棧，也要面向未來架構進行設計。

![2.png](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/c935cb00f9b84dadba3f31950fead4a5~tplv-k3u1fbpfcp-zoom-1.image "2.png")

數字化安全生產 DPS 支援兩大典型業務場景：“1-5-10”故障快恢和“變更三板斧”故障預防。

## “1-5-10”故障快恢

數字化安全生產平臺提供對應急事件和故障的發現、響應和恢復的全生命週期管理。“1-5-10” 對應故障的“1 分鐘發現 - 5 分鐘響應- 10 分鐘恢復”，是定義故障處理的時效性目標。

-   **1 分鐘發現：** 透過建立圍繞業務應用的全鏈路監控能力，能夠實時監控業務健康度，如發現穩定性問題將秒級通報至應急保障服務組進行排查，**降低故障發生的可能性。**

-   **5 分鐘響應：** 透過建立應急響應渠道和全鏈路故障定位能力，能夠快速拉通故障排查人員，基於AIOps智慧故障定位和基於ChatOps進行故障狀態更新和通知流轉，**提升故障處理效率。**

-   **10 分鐘恢復：** 透過建立完善的故障快恢體系，基於方案內建豐富的快恢能力，能夠根據不同的故障型別智慧化推薦合適的快恢預案，**縮短故障恢復時長。**

![3.png](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/8f3c40c31c454e5687c6fa0d60c51190~tplv-k3u1fbpfcp-zoom-1.image "3.png")

## “變更三板斧”故障預防

數字化安全生產平臺 DPS 將極易引發線上故障的變更操作納入穩定性管控體系，做到對變更操作的“可觀測、可灰度、可回滾”。

在“變更可管”方面，我們覆蓋完善的變更系統，極大程度減少對變更系統的改造成本；在“變更可控”方面，我們提供基於時間、人員等維度的變更管控規則，預防可能出現的風險；在“變更可用”方面，我們可自動發現變更引發的故障，提供變更回滾等智慧化快恢能力。

![4.png](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/53e7106c070342888d5ea9b9dd5bdaaa~tplv-k3u1fbpfcp-zoom-1.image "4.png")

如果您對於數字化安全生產平臺 DPS 有任何疑問，歡迎使用釘釘掃描二維碼加入釘釘交流群，期待與您共創！

![5.jpeg](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/5ce2e31a694247b0b69be376bf2400d5~tplv-k3u1fbpfcp-zoom-1.image "5.jpeg")

數字化安全生產平臺 DPS 重磅釋出

相關文章