到今天，云計(jì)算的工業(yè)實(shí)現(xiàn)已經(jīng)不太難了。現(xiàn)在有開(kāi)源軟件KVM和Xen，這兩個(gè)東西基本把虛擬化搞定;而OpenStack則把管理、控制系統(tǒng)搞定，也很成熟。PaaS也有相應(yīng)的開(kāi)源，比如OpenShift，而Java里也有N多的中間件框架和技術(shù)。另外分布式文件系統(tǒng)GFS/TFS，分布式計(jì)算系統(tǒng)Hadoop/Hbase等等，分布式的東西都不神秘了。技術(shù)的實(shí)現(xiàn)在以前可能是問(wèn)題，現(xiàn)在不是了。
對(duì)于云計(jì)算工程方面，現(xiàn)在最難的是運(yùn)維。管100臺(tái)、1萬(wàn)臺(tái)還是100萬(wàn)臺(tái)機(jī)器，那是完全不同的。機(jī)器少你可以用人管理，機(jī)器多是不可能靠人的。運(yùn)維系統(tǒng)不屬于功能性的東西，用戶看不見(jiàn)，所以這是被大家嚴(yán)重低估的東西。只要你做大了，就必然要在運(yùn)維系統(tǒng)上做文章。數(shù)據(jù)中心/云計(jì)算拼的就是運(yùn)維能力。
為什么說(shuō)云計(jì)算拼的是運(yùn)維
為什么說(shuō)運(yùn)維比較復(fù)雜，原因有這么幾個(gè)。
一方面，云計(jì)算要用廉價(jià)設(shè)備取代那些昂貴的解決方案。互聯(lián)網(wǎng)就是要用便宜的東西搭建出高質(zhì)量的東西，硬件和資源一定不會(huì)走高端路線——比如EMC、IBM小型機(jī)、SGI超級(jí)計(jì)算機(jī)等等，你如果用它去搭建云計(jì)算，成本太貴。用廉價(jià)的解決方案代替昂貴的解決方案是整個(gè)計(jì)算機(jī)發(fā)展史中到今天唯一不變的事情。所以如果你要讓夏利車跑出奔馳車的感覺(jué)，你需要自己動(dòng)手做很多事，搭建一個(gè)智能的系統(tǒng)。用廉價(jià)的東西做出高質(zhì)量的東西，運(yùn)維好廉價(jià)的設(shè)備其實(shí)是云計(jì)算工程里最大的挑戰(zhàn)。
另一方面，因?yàn)闄C(jī)器多了，加上用的又不是昂貴的硬件，所以故障就變成了常態(tài)，硬盤、主板、網(wǎng)絡(luò)天天壞。所以，沒(méi)什么好想的，運(yùn)維就必須要跟上。云計(jì)算的目標(biāo)是在故障成為常態(tài)的情況下保證高可用——也就是我們所說(shuō)服務(wù)的可用性，是3個(gè)9、4個(gè)9還是5個(gè)9。
最后，這一大堆機(jī)器和設(shè)備都放在一起，安全問(wèn)題就是一個(gè)挑戰(zhàn)，一方面是Security，另一方面是Safety，保證數(shù)十臺(tái)數(shù)百臺(tái)的設(shè)備的安全還好說(shuō)，但是對(duì)于數(shù)萬(wàn)數(shù)十萬(wàn)臺(tái)的設(shè)計(jì)，就沒(méi)有那么簡(jiǎn)單了。
面對(duì)這樣的難題，人是無(wú)法搞得定的，只能依靠技術(shù)來(lái)管理和運(yùn)維整個(gè)平臺(tái)。比如必須有監(jiān)控系統(tǒng)。這跟操作系統(tǒng)一樣，對(duì)資源的管理，對(duì)網(wǎng)絡(luò)流量、CPU利用率、進(jìn)程、內(nèi)存等等的狀態(tài)肯定要全部收集的。收集整個(gè)集群各種節(jié)點(diǎn)的狀態(tài)，是必然每個(gè)云計(jì)算都有的，都是大同小異的。
然后，還要找到可用性更好的節(jié)點(diǎn)，這需要有一些故障自檢的功能。比如阿里云就遇到過(guò)磁盤用到一定時(shí)候就會(huì)莫名其妙的不穩(wěn)定，有些磁盤的I/O會(huì)變慢。變慢的原因有可是硬盤不行了，于是硬盤控制器可能因?yàn)镃RC校驗(yàn)出錯(cuò)需要要多讀幾次，這就好比TCP的包傳過(guò)來(lái)，數(shù)據(jù)出錯(cuò)了，需要重新傳。在這種硬盤處理半死不活的狀態(tài)時(shí)，你肯定是需要一個(gè)自動(dòng)檢測(cè)或自動(dòng)發(fā)現(xiàn)的程序去監(jiān)控這種事情，當(dāng)這個(gè)磁盤可能不行了，標(biāo)記成壞磁盤，別用它，到別的磁盤上讀復(fù)本去。我們要有故障自動(dòng)檢測(cè)、預(yù)測(cè)的措施，才能驅(qū)動(dòng)故障，而不是被動(dòng)響應(yīng)故障，用戶體驗(yàn)才會(huì)好。換句話說(shuō)，我們需要自動(dòng)化的、主動(dòng)的運(yùn)維。
為了數(shù)據(jù)的高可用性，你只能使用數(shù)據(jù)冗余，寫多份到不同的節(jié)點(diǎn)——工業(yè)界標(biāo)準(zhǔn)寫三份是安全。然而，你做了冗余，又有數(shù)據(jù)一致性問(wèn)題。為了解決冗余帶來(lái)的一致性問(wèn)題，才有了paxos的投票玩法，大家投票這個(gè)能不能改，于是你就需要一個(gè)強(qiáng)大的控制系統(tǒng)來(lái)控制這些東西。
另外，公有云人來(lái)人往，里面的資源和服務(wù)今天用明天不用，有分配有釋放，有凍結(jié)，你還要搞一個(gè)資源管理系統(tǒng)來(lái)管理這些資源的生命狀態(tài)。還有權(quán)限管理，就像AWS的IAM一樣，如果沒(méi)有像AWS的IAM權(quán)限管理系統(tǒng)，AWS可能會(huì)不會(huì)像今天這樣有很多大的公司來(lái)用。企業(yè)級(jí)的云平臺(tái)，你需要有企業(yè)級(jí)的運(yùn)維和管理能力。
為啥云計(jì)算有這么多開(kāi)源的東西，卻不是人人都能做?
一方面，這就跟蓋樓一樣。蓋樓的技術(shù)沒(méi)什么難的(當(dāng)然，蓋高樓是很難的)，但是你沒(méi)地你怎么蓋?云計(jì)算也一樣，帶寬的價(jià)格貴得就像土地的價(jià)格。其實(shí)云計(jì)算跟房地產(chǎn)一樣，要占地、占機(jī)房、占帶寬。如果能把中國(guó)所有的機(jī)房、機(jī)柜、帶寬資源都買了，你就不用做云計(jì)算了，賣土地就夠了——因?yàn)檫@些是有限的。最簡(jiǎn)單的例子，IP地址是有限的。你有帶寬、有機(jī)房，但是如果你沒(méi)有IP，這就不好玩了。尤其是你要提供CDN服務(wù)，這個(gè)就更明顯，因?yàn)橛卸嗌傥锢砉?jié)點(diǎn)直接決定你的CDN服務(wù)質(zhì)量。
另一方面，正如前面所說(shuō)的，運(yùn)維是件很難的事，運(yùn)維這個(gè)事并不是一般人能搞的事。沒(méi)有足夠的場(chǎng)景、經(jīng)驗(yàn)和時(shí)間，這種能力很難出現(xiàn)。從用戶的角度來(lái)說(shuō)呢，云計(jì)算是一種服務(wù)，你需要對(duì)用戶企業(yè)內(nèi)的解決方案要有很好的了解，這樣才能提高很好的服務(wù)。能提供“好服務(wù)”的通常都是把自己真正當(dāng)成用戶公司。
賣汽車也是賣服務(wù)。造出汽車來(lái)，并不代表你搞定這個(gè)事了。如果沒(méi)有公路、沒(méi)有加油站、沒(méi)有4s店、沒(méi)有交通管理、規(guī)則等等，你要么用不了，要么就是亂七八糟。不能只讓用戶在那看著你的汽車好牛啊，但是用戶不知道怎么用。所以說(shuō)，云計(jì)算最終旁邊必須要有一套服務(wù)設(shè)施，而這套服務(wù)設(shè)施也是今天被人低估的。
云計(jì)算有兩個(gè)東西個(gè)人覺(jué)得是被人低估的，一個(gè)是運(yùn)維，一個(gè)是服務(wù)。做服務(wù)的需要有生態(tài)環(huán)境，有人幫你做。所以做云計(jì)算要落地并不簡(jiǎn)單。還是那句話，云就是服務(wù)，只要提供了好的服務(wù)，無(wú)論公有還是私有都是會(huì)有價(jià)值的。
