容災(zāi)是一個(gè)非常傳統(tǒng)的話題，是在產(chǎn)生IT系統(tǒng)的第一天開(kāi)始就必須要考慮的問(wèn)題。總的來(lái)說(shuō)它主要是指“數(shù)據(jù)中心災(zāi)難、區(qū)域性災(zāi)難和人為誤操作”三個(gè)方面造成對(duì)IT系統(tǒng)的災(zāi)難時(shí)的恢復(fù)工作。

將容災(zāi)這個(gè)詞，分開(kāi)來(lái)看“容”和“災(zāi)”。“災(zāi)“可大可小，某種意義上來(lái)講就是"單點(diǎn)"問(wèn)題，例如核心業(yè)務(wù)部署單臺(tái)服務(wù)器上，這臺(tái)服務(wù)器宕機(jī)起不來(lái)了，對(duì)業(yè)務(wù)來(lái)講就是一場(chǎng)災(zāi)難；而“容”，是解決各種"單點(diǎn)"問(wèn)題。以資源部署粒度來(lái)看，一直在解決單點(diǎn)問(wèn)題路上，如下圖：

業(yè)務(wù)容災(zāi)方案有很多種，但是萬(wàn)變不離其宗，本質(zhì)上都是通過(guò)“冗余”來(lái)解決"單點(diǎn)"問(wèn)題；從而不同維度的單點(diǎn)問(wèn)題，方案決策因素和成本差異會(huì)非常大。

1）為什么要做容災(zāi)？

梳理當(dāng)前系統(tǒng)“災(zāi)”，主要有哪些痛點(diǎn)，并對(duì)其優(yōu)先級(jí)排序。例如單點(diǎn)隱患，難擴(kuò)展性，運(yùn)維成本高等等現(xiàn)狀，結(jié)合現(xiàn)狀進(jìn)行排序，對(duì)后續(xù)方案選擇至關(guān)重要。

2）容災(zāi)要做到什么程度能滿足當(dāng)前要求？

設(shè)計(jì)當(dāng)前系統(tǒng)“容”，對(duì)當(dāng)前系統(tǒng)潛在災(zāi)難逃生通道進(jìn)行冗余設(shè)計(jì)，當(dāng)災(zāi)難真正發(fā)生，預(yù)計(jì)多長(zhǎng)時(shí)間能恢復(fù)，或者業(yè)務(wù)穩(wěn)定性SLA，如SLA=99.999%。

基于容災(zāi)范圍和目標(biāo)，在設(shè)計(jì)容災(zāi)方案重點(diǎn)從以下三方面來(lái)考慮評(píng)估。

1）成本，包括人力，時(shí)間以及資金。對(duì)于成本和恢復(fù)耗時(shí)成反比，業(yè)務(wù)恢復(fù)時(shí)間越少，成本也會(huì)越高，這是強(qiáng)正相關(guān)。

2）可用性，首先考慮引入方案對(duì)現(xiàn)有系統(tǒng)增加哪些不確定因素，評(píng)估這些不確定對(duì)穩(wěn)定性影響。當(dāng)前是是單可用區(qū)部署，主從數(shù)據(jù)同步使用強(qiáng)同步；客戶計(jì)劃實(shí)現(xiàn)同地域不同AZ粒度容災(zāi)。這樣一個(gè)變化會(huì)引入不確定因素，例如AZ之間網(wǎng)絡(luò)延時(shí)和穩(wěn)定性，如果AZ間網(wǎng)絡(luò)時(shí)常抖動(dòng)，等待從節(jié)點(diǎn)返回ack有延時(shí)，線上業(yè)務(wù)時(shí)常被hang。其次考慮當(dāng)前方案能否滿足容災(zāi)切換和恢復(fù)目標(biāo)。

3）擴(kuò)展性，主要為后續(xù)業(yè)務(wù)容災(zāi)平滑演進(jìn)。從某種意義來(lái)講，無(wú)論是自建idc還是云廠家在建設(shè)數(shù)據(jù)中心時(shí)候都不能無(wú)限大，在物理機(jī)房限制條件下，如果業(yè)務(wù)發(fā)展足夠好，就會(huì)存在資源不夠，擴(kuò)展受物理設(shè)施限制。因此在容災(zāi)方案選擇的時(shí)候，要有前瞻性，對(duì)于set化進(jìn)行提前布局。

容災(zāi)的分類和關(guān)鍵指標(biāo)rpo和rto。

傳統(tǒng)容災(zāi)的主要技術(shù)

從成本，可用性以及可擴(kuò)展性做橫向?qū)Ρ?，容?zāi)主要有以下四種實(shí)現(xiàn)方案。

在國(guó)內(nèi)，“兩地三中心”的容災(zāi)架構(gòu)已經(jīng)廣泛的被企業(yè)級(jí)用戶認(rèn)可，成為企業(yè)級(jí)容災(zāi)架構(gòu)的標(biāo)準(zhǔn)，但由于建設(shè)成本高，周期長(zhǎng)等原因，實(shí)際按照此標(biāo)準(zhǔn)建設(shè)的企業(yè)少之又少?；旌显迫轂?zāi)架構(gòu)，就是在云環(huán)境中實(shí)現(xiàn)“兩地三中心”，同時(shí)利用！云中資源的彈性大幅度降低資源成本和建設(shè)以及運(yùn)維的復(fù)雜性。

軟件定義一切，云容災(zāi)解放企業(yè)IT生產(chǎn)力

如果企業(yè)客戶已經(jīng)在自己的數(shù)據(jù)中心中完成了容災(zāi)環(huán)境的搭建，勢(shì)必消耗了大量了資源，包括機(jī)架空間、電力、IT資源、人力資源等等，而容災(zāi)環(huán)境本身是一個(gè)并不產(chǎn)生經(jīng)濟(jì)效應(yīng)的保障性系統(tǒng)，對(duì)企業(yè)資源的占用巨大。

云資源池通過(guò)軟件定義的方式，能夠打造與企業(yè)內(nèi)部完全相同的復(fù)雜IT環(huán)境，實(shí)現(xiàn)企業(yè)級(jí)應(yīng)用的完整鏡像，隨著應(yīng)用容災(zāi)系統(tǒng)遷移至云中，可以將企業(yè)現(xiàn)有的容災(zāi)中心轉(zhuǎn)變成生產(chǎn)中心，從而擴(kuò)大客戶自建數(shù)據(jù)中心的承載能力，或大幅降低IT資源的運(yùn)營(yíng)成本。

隨時(shí)容災(zāi)演練，確保備用環(huán)境可用性

在傳統(tǒng)的容災(zāi)環(huán)境中，容災(zāi)演練是一個(gè)令人頭疼的大問(wèn)題，因?yàn)槿轂?zāi)環(huán)境的建設(shè)不是“一錘子買(mǎi)賣(mài)”，隨著生產(chǎn)環(huán)境和數(shù)據(jù)的不斷變化，容災(zāi)環(huán)境必須跟隨生產(chǎn)環(huán)境改變，否則在發(fā)生災(zāi)難時(shí)就無(wú)法實(shí)現(xiàn)業(yè)務(wù)的快速切換和啟動(dòng)，因此，定期的容災(zāi)演練是必須的。而傳統(tǒng)環(huán)境中的容災(zāi)演練要配合硬件和軟件廠商，耗時(shí)耗力，效果還往往不盡如人意。

在云環(huán)境中，能夠輕松實(shí)現(xiàn)容災(zāi)環(huán)境的復(fù)制，從而與生產(chǎn)環(huán)境并行的實(shí)現(xiàn)容災(zāi)環(huán)境的測(cè)試演練，通過(guò)實(shí)際的演練來(lái)驗(yàn)證容災(zāi)環(huán)境的可用性以及數(shù)據(jù)的完整性，在演練結(jié)束后可以隨時(shí)將演練環(huán)境刪除或關(guān)停，演練成本和復(fù)雜程度都大幅降低。

云容災(zāi)實(shí)現(xiàn)秒級(jí)回滾，解決人為錯(cuò)誤

在生產(chǎn)環(huán)境中，由于人為的誤操作、系統(tǒng)升級(jí)、補(bǔ)丁等操作造成的對(duì)IT系統(tǒng)以及數(shù)據(jù)的破壞很難防范，尤其是有一些操作和BUG導(dǎo)致系統(tǒng)在運(yùn)行一段時(shí)間后才能發(fā)現(xiàn)故障，而此時(shí)容災(zāi)環(huán)境的數(shù)據(jù)有可能已經(jīng)被覆蓋，難以恢復(fù)。

在云中實(shí)現(xiàn)的容災(zāi)環(huán)境能夠借助數(shù)據(jù)快照、數(shù)據(jù)日志等功能，除了能夠保存最新的業(yè)務(wù)數(shù)據(jù)意外，還能夠?qū)崿F(xiàn)數(shù)據(jù)的秒級(jí)回滾。在發(fā)現(xiàn)系統(tǒng)出現(xiàn)故障后，不但能夠切換到容災(zāi)環(huán)境中的最新數(shù)據(jù)，還能夠選擇過(guò)去24小時(shí)中的任意時(shí)間點(diǎn)進(jìn)行恢復(fù)，從而解決了容災(zāi)系統(tǒng)中的臟數(shù)據(jù)問(wèn)題。

利用容災(zāi)環(huán)境切換，實(shí)現(xiàn)生產(chǎn)系統(tǒng)的平滑上云

現(xiàn)有的IT生產(chǎn)系統(tǒng)環(huán)境往往錯(cuò)綜復(fù)雜且數(shù)據(jù)量大，這樣的系統(tǒng)往往需要冗長(zhǎng)的數(shù)據(jù)搬遷和環(huán)境搭建時(shí)間，生產(chǎn)系統(tǒng)面臨長(zhǎng)時(shí)間的停機(jī)，無(wú)法接受。

在云環(huán)境中，容災(zāi)解決方案能夠與生產(chǎn)系統(tǒng)并行地傳輸生產(chǎn)數(shù)據(jù)，并在云中搭建與企業(yè)內(nèi)部結(jié)構(gòu)相同的生產(chǎn)系統(tǒng)鏡像環(huán)境，待云中數(shù)據(jù)與生產(chǎn)中心數(shù)據(jù)同步一致后，以容災(zāi)切換的方式使生產(chǎn)業(yè)務(wù)切換至云上，最大限度地降低了生產(chǎn)環(huán)境的停機(jī)時(shí)間，實(shí)現(xiàn)了平滑上云。

容災(zāi)雖然是一個(gè)非常古老和傳統(tǒng)的IT業(yè)務(wù)，但隨著云計(jì)算技術(shù)的不斷成熟和普及，它恰恰成為了一個(gè)非常適合率先在公有云中實(shí)現(xiàn)的業(yè)務(wù)。

首先它的建設(shè)風(fēng)險(xiǎn)低，與生產(chǎn)系統(tǒng)完全并行，前期投入小，無(wú)需提前采購(gòu)，而且它還能夠成為企業(yè)上云過(guò)程中建設(shè)自身團(tuán)隊(duì)云能力的一個(gè)絕好機(jī)會(huì)，經(jīng)過(guò)云容災(zāi)項(xiàng)目之后，企業(yè)對(duì)云資源、云技術(shù)都會(huì)有一個(gè)全面的了解，且能夠利用這個(gè)機(jī)會(huì)驗(yàn)證云環(huán)境承載企業(yè)生產(chǎn)系統(tǒng)的能力到底如何，再逐步實(shí)現(xiàn)企業(yè)級(jí)IT環(huán)境的云轉(zhuǎn)型。

云容災(zāi)行業(yè)面臨的挑戰(zhàn)

取代傳統(tǒng)容災(zāi)思維，將“如何有效利用云資源構(gòu)建高效可靠的容災(zāi)服務(wù)，保障IT基礎(chǔ)架構(gòu)設(shè)施的安全性和穩(wěn)定性，從而確保業(yè)務(wù)的持續(xù)性穩(wěn)定增長(zhǎng)”，作為企業(yè)高效安全智能地保護(hù)數(shù)據(jù)、賦能業(yè)務(wù)增長(zhǎng)而思考的首要問(wèn)題。在當(dāng)前情況下，云容災(zāi)行業(yè)將面臨全新挑戰(zhàn)：

1.云原生能力

我們不難發(fā)現(xiàn)云原生帶給IT產(chǎn)業(yè)一次重新洗牌，從應(yīng)用開(kāi)發(fā)過(guò)程到 IT 從業(yè)者的技術(shù)能力，都是一次顛覆性的革命。在此基礎(chǔ)上，出現(xiàn)了基于云原生平臺(tái)的 Open Application Model 定義，在云原生平臺(tái)基礎(chǔ)上進(jìn)一步抽象，更加關(guān)注應(yīng)用而非基礎(chǔ)架構(gòu)。同時(shí)，越來(lái)越多的公有云開(kāi)始支持 Serverless 服務(wù)，更加說(shuō)明了未來(lái)的發(fā)展趨勢(shì)：應(yīng)用為核心，輕量化基礎(chǔ)架構(gòu)層在系統(tǒng)建設(shè)過(guò)程中的角色。

這種大的趨勢(shì)下，傳統(tǒng)的遷移和容災(zāi)仍然停留在數(shù)據(jù)搬運(yùn)的層次上，而忽略了面向云的特性和用戶業(yè)務(wù)重新思考和構(gòu)建。云計(jì)算的愿景是讓云資源像水、電一樣按需使用，所以基于云上的遷移和容災(zāi)也理應(yīng)順應(yīng)這樣的歷史潮流。

傳統(tǒng)的容災(zāi)往往以存儲(chǔ)為核心，擁有對(duì)存儲(chǔ)的至高無(wú)上的控制權(quán)。并且在物理時(shí)代，對(duì)于計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)等基礎(chǔ)架構(gòu)層也沒(méi)有有效的調(diào)度方法，無(wú)法實(shí)現(xiàn)高度自動(dòng)化的編排。而基于云原生構(gòu)建的應(yīng)用，核心變成了云原生服務(wù)本身。當(dāng)用戶業(yè)務(wù)系統(tǒng)全面上云后，用戶不再享有對(duì)底層存儲(chǔ)的絕對(duì)控制權(quán)，所以傳統(tǒng)的容災(zāi)手段，就風(fēng)光不在了。

在構(gòu)建云原生容災(zāi)的解決方案上，要以業(yè)務(wù)為核心去思考構(gòu)建方法，利用云原生服務(wù)的編排能力實(shí)現(xiàn)業(yè)務(wù)系統(tǒng)的連續(xù)性。云原生架構(gòu)也可以更好的提升業(yè)務(wù)穩(wěn)定性，最大程度的降低了企業(yè)內(nèi)耗。

2.多云的支持能力

國(guó)外的云計(jì)算市場(chǎng)穩(wěn)定成熟，比如，公有云市場(chǎng)最主要的云運(yùn)營(yíng)商只有AWS、微軟Azure、和Google Cloud，可謂“三足鼎立”。而我國(guó)云計(jì)算市場(chǎng)則是大相徑庭：我國(guó)實(shí)際運(yùn)營(yíng)的公有云至少在10朵以上，這個(gè)局面更像是“群雄逐鹿”；再加上專有云、私有云的各種產(chǎn)品，讓用戶在第一時(shí)間無(wú)從選擇。

國(guó)內(nèi)云市場(chǎng)紛繁復(fù)雜，很多企業(yè)用戶為避免單一廠商鎖定的問(wèn)題而選擇混合云作為長(zhǎng)期的云平臺(tái)建設(shè)戰(zhàn)略。混合云目前是用戶建設(shè)云平臺(tái)的首選方案，采用多云策略的企業(yè)將面臨更大的云容災(zāi)挑戰(zhàn)，這就要求云容災(zāi)工具能夠更好的對(duì)多云環(huán)境進(jìn)行適配，滿足用戶跨云容災(zāi)的需求，真正實(shí)現(xiàn)用戶的業(yè)務(wù)數(shù)據(jù)跨云流轉(zhuǎn)成為常態(tài)。

3.更復(fù)雜的混合云場(chǎng)景

傳統(tǒng)IT架構(gòu)和云并存的情況下，企業(yè)用云的環(huán)境更加復(fù)雜。從本地到云，從云到云（包括公有云，私有云），上云，下云的容災(zāi)，都給容災(zāi)廠商帶來(lái)一些新的場(chǎng)景下的挑戰(zhàn)，需要改變傳統(tǒng)思維，來(lái)滿足多樣化的需求。

4.及時(shí)恢復(fù)能力提升

數(shù)據(jù)恢復(fù)的快慢，很大程度上制約著業(yè)務(wù)恢復(fù)的進(jìn)度，容災(zāi)恢復(fù)過(guò)程中不對(duì)原始備份數(shù)據(jù)產(chǎn)生任何影響，最大限度減少因?yàn)?zāi)難或故障造成核心業(yè)務(wù)中斷的情況發(fā)生，有效保證原始備份數(shù)據(jù)安全的同時(shí)，也為備份數(shù)據(jù)的驗(yàn)證奠定基礎(chǔ)。在用戶大量使用公有云和線路的情況下，及時(shí)恢復(fù)的解決方案面臨更大的挑戰(zhàn)。

5. CDP（continual data protection）連續(xù)數(shù)據(jù)保護(hù)能力提升

CDP（continual data protection）連續(xù)數(shù)據(jù)保護(hù)，是一種在不影響主要數(shù)據(jù)運(yùn)行的前提下，可以實(shí)現(xiàn)持續(xù)捕捉或跟蹤目標(biāo)數(shù)據(jù)所發(fā)生的任何改變，并且能夠恢復(fù)到此前任意時(shí)間點(diǎn)的方法采用CDP技術(shù)以后，用戶不必再留出專門(mén)的系統(tǒng)備份時(shí)間，即使發(fā)生故障，數(shù)據(jù)也可以在短時(shí)間內(nèi)(秒級(jí))恢復(fù)到故障之前的任意時(shí)刻。用戶的數(shù)據(jù)量與日俱增，一些關(guān)鍵應(yīng)用的損失會(huì)給用戶帶來(lái)巨大損失，因此在追求更高的業(yè)務(wù)連續(xù)性上的要求始終在提升。