本文来自云科技时代公众号
电视剧《宁安如梦》正在热播中,该剧讲述了主人公在经历人生的重大风险后,重获新生再活一遍,以确定性的方式抵御和化解原有的重大风险。然而,在现实的生活中,却没有这样的重来机会。
2023年11月13日,Gartner发布了2024全球最终用户公有云支出预测,预计2024年将增长20.4%达6788亿美元。“云已经必不可少”, Gartner分析师认为。但同时,公有云的安全高可用,却成为企业数字化转型的高风险事件。
2023年,一方面是大模型和生成式AI加速了上云进程,另一方面是公有云宕机事件频出而凸显基础质量问题。2023年是公有云第17个年头,公有云也已经渡过了市场炒作高峰期而进入了主流,Gartner曾预计到2025年全球50%的企业应用将迁移到主流公有云上,但也将带来“云集中”风险——一旦单个云服务商出现故障,将导致业务发生严重中断。
从2023年来看,单个云服务商出现重大故障事件,已经影响了市场对公有云可靠性和安全性的信心。例如,2023年11月8日,澳大利亚电信运营商Optus的一次故障事件导致澳大利亚40% 的人口超过12个小时无法正常上网,11月12日阿里云发生严重故障,导致阿里巴巴大量产品无法连接,除了阿里系几乎全线产品出现故障外,整数云、理工小蜜蜂、饿乐送、cool easy、IOTTEC、纳思云、语雀等平台均受到影响。
随着越来越多的企业上云,从上IaaS到上PaaS和SaaS,公有云服务商面临着硬件、软件和服务的多重安全与高可用挑战。
不过,总体来说,公有云出现大面积问题的概率依然很低,公有云仍然是数字化转型的基础设施。而企业上云,特别是大规模核心业务上云的企业,要做好多云战略,选择多个云计算服务商,合理分配资源,做好冗余灾备。那么,如何选一家稳定可靠的云服务商?
搭建稳定可靠的运维体系成为云厂商“必修课”
当前,公有云服务商的规模不断扩大,企业上云进程不断深化,从“业务上云”迈向“深度用云”已经成为行业共识。根据Gartner的2022~2024全球最终用户公有云支出数据及预测,PaaS、SaaS、BPaaS和DaaS等支出占公有云支出的75%,其中PaaS、BPaaS和DaaS支出占了近40%。也就是说,越来越多的企业用户直接在公有云上开发和部署应用。
对于公有云服务商来说,IT运维正在面临着颠覆性的变化,正从保障设备稳定的防守型运维转向支撑业务敏捷的进攻型运维,从关注自身平台转向关注客户应用,这个转型的过程对公有云服务商提出了艰巨挑战,特别是当越来越多的政企客户将自身的业务直接连入公有云平台时,如何从硬件、软件和服务等维度,既保证客户业务的快速迭代又保证业务的安全稳定高可用,这是公有云服务商生存和发展的根本。
以华为云为例,过去几年的高速发展,业务量上千倍的增长,经历了从“慢”向“快”的转变,运维如何经受考验?这个过程中也经历了深刻变革。华为云基于ITIL标准,打造标准化运维管理体系,引入SRE文化,构建SRE确定性运维体系,同时实施高可用架构与方案,引入动态风险治理,以及不断探索AIOps智能运维。
华为云从2017年开始实践SRE,目前已经成为国内最大的SRE团队之一。本质上,SRE是用软件工程的思维和方法解决复杂的运维问题,从被动响应为主,演进为构建主动预防式运维的软件工程能力为主。在实践积累的基础上,华为云SRE提出了“确定性运维”理念,即通过一套完备的工程方法,以华为云SRE的高可用架构设计、动态风险治理和高度智能的运维框架,让现网拥有确定性的质量结果,支撑高质量运维实现。
高可用架构是华为云SRE的一大亮点,高可用架构让华为云服务的软件在前端就具备高可靠、高可用的能力,具有确定性的失效率、确定性的恢复时长结束、确定性的爆炸半径。从2017年起,华为云SRE团队积极介入到云服务的开发前端,将后端的运维经验和运维诉求带到前端的开发设计过程中,使得现网在出现非预期的故障时,通过提前预埋的可恢复性和爆炸半径控制能力,迅速隔离影响,实现即时恢复。
此外,华为云高度重视数据中心灾备性能,提供同城AZ (Availability Zone)内、跨AZ、异地跨Region的两地三中心容灾方案和1000公里以上的城市级容灾能力,支持流式容灾,保障业务平稳运行,避免单点、多点故障造成客户业务停顿。
京东云则通过混沌工程理论,结合多年稳定性治理经验入手,建成京东云云泰稳定性主动管理平台。实现主动发现和治理业务连续性风险,提供一站式可见、可查、可管、可控的治理方案,力求做到先于用户发现问题、先于感知修复问题,为云平台稳定、云上业务稳定提供商业服务的可用性从99.975%提升为99.995%。
可用性的扎实内功,才是云客户的“定心丸”
趣丸科技是一家集兴趣社交、电子竞技、人工智能于一体的创新型科技企业。华为云承载趣丸70%以上的IT业务运行,包含计算、存储和网络等基础底座,业务运行还使用了华为云大量的数据库、中间件等高级服务,华为云为趣丸核心业务的高可靠、高稳定运行提供7*24保驾护航。
更进一步,华为云基于确定性运维实践,帮助趣丸在大模型时代下,应对业务上云后的安全可信、稳定可靠、资源高效、业务敏捷等挑战,进一步探索LLMOps等,加速企业高质量增长,让运维成为智能世界变革的加速器,推动趣丸科技的用户粘性不断增强。
服务所有“华为”品牌的各类终端的华为终端云更为典型。作为华为云的最大内部客户之一,华为终端云从2017年开始全面上云。华为终端云业务承载了全球十亿级用户,业务场景越来越多,运维场景也越来越复杂。通过建设SRE能力,华为终端云全球三个运维中心有效协同,保障连续5年业务可用性SLA 99.99%,达成无重大连续性和安全事故的挑战目标。
在汽车行业,数字化转型是一个复杂过程,需要解决业务系统庞大、业务系统应用多、分布广、跨系统、跨区域、跨应用的调用频繁等问题,业务所用的系统由成百上千个应用服务组成,服务之间的关系错综复杂。华为云通过应用运维管理服务(AOM)、云日志服务(LTS)、应用性能管理服务(APM)等服务,实现全链路管理,提高运维效率,帮助汽车业务应用系统稳定运行,提升用户体验。
“让稳定可靠成为华为云核心竞争力”,这条横幅挂在松山湖华为云运维中心最醒目的位置,华为云提出的“一切皆服务”之“根”是质量和平台的稳定性。华为公有云业务总裁高江海曾表示,唯有时刻保持敬畏之心,才能真正服务好客户、有质量地“活下去”。
这或许也是所有云厂商未来最核心的竞争力之一。