電視劇《寧安如夢》正在熱播中，該劇講述了主人公在經歷人生的重大風險后，重獲新生再活一遍，以確定性的方式抵御和化解原有的重大風險。然而，在現實的生活中，卻沒有這樣的重來機會。

2023 年 11 月 13 日，Gartner 發(fā)布了 2024 全球最終用戶公有云支出預測，預計 2024 年將增長 20.4%達 6788 億美元?！霸埔呀洷夭豢缮佟保珿artner 分析師認為。但同時，公有云的安全高可用，卻成為企業(yè)數字化轉型的高風險事件。

2023 年，一方面是大模型和生成式 AI 加速了上云進程，另一方面是公有云宕機事件頻出而凸顯基礎質量問題。2023 年是公有云第 17 個年頭，公有云也已經渡過了市場炒作高峰期而進入了主流，Gartner 曾預計到 2025 年全球 50%的企業(yè)應用將遷移到主流公有云上，但也將帶來“云集中”風險——一旦單個云服務商出現故障，將導致業(yè)務發(fā)生嚴重中斷。

從 2023 年來看，單個云服務商出現重大故障事件，已經影響了市場對公有云可靠性和安全性的信心。例如，2023 年 11 月 8 日，澳大利亞電信運營商 Optus 的一次故障事件導致澳大利亞 40%的人口超過 12 個小時無法正常上網，11 月 12 日阿里云發(fā)生嚴重故障，導致阿里巴巴大量產品無法連接，除了阿里系幾乎全線產品出現故障外，整數云、理工小蜜蜂、餓樂送、cooleasy、IOTTEC、納思云、語雀等平臺均受到影響。

隨著越來越多的企業(yè)上云，從上 IaaS 到上 PaaS 和 SaaS，公有云服務商面臨著硬件、軟件和服務的多重安全與高可用挑戰(zhàn)。

不過，總體來說，公有云出現大面積問題的概率依然很低，公有云仍然是數字化轉型的基礎設施。而企業(yè)上云，特別是大規(guī)模核心業(yè)務上云的企業(yè)，要做好多云戰(zhàn)略，選擇多個云計算服務商，合理分配資源，做好冗余災備。那么，如何選一家穩(wěn)定可靠的云服務商？

搭建穩(wěn)定可靠的運維體系成為云廠商“必修課”

當前，公有云服務商的規(guī)模不斷擴大，企業(yè)上云進程不斷深化，從“業(yè)務上云”邁向“深度用云”已經成為行業(yè)共識。根據 Gartner 的 2022～2024 全球最終用戶公有云支出數據及預測，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%。也就是說，越來越多的企業(yè)用戶直接在公有云上開發(fā)和部署應用。

對于公有云服務商來說，IT 運維正在面臨著顛覆性的變化，正從保障設備穩(wěn)定的防守型運維轉向支撐業(yè)務敏捷的進攻型運維，從關注自身平臺轉向關注客戶應用，這個轉型的過程對公有云服務商提出了艱巨挑戰(zhàn)，特別是當越來越多的政企客戶將自身的業(yè)務直接連入公有云平臺時，如何從硬件、軟件和服務等維度，既保證客戶業(yè)務的快速迭代又保證業(yè)務的安全穩(wěn)定高可用，這是公有云服務商生存和發(fā)展的根本。

以華為云為例，過去幾年的高速發(fā)展，業(yè)務量上千倍的增長，經歷了從“慢”向“快”的轉變，運維如何經受考驗？這個過程中也經歷了深刻變革。華為云基于 ITIL 標準，打造標準化運維管理體系，引入 SRE 文化，構建 SRE 確定性運維體系，同時實施高可用架構與方案，引入動態(tài)風險治理，以及不斷探索 AIOps 智能運維。

華為云從 2017 年開始實踐 SRE，目前已經成為國內最大的 SRE 團隊之一。本質上，SRE 是用軟件工程的思維和方法解決復雜的運維問題，從被動響應為主，演進為構建主動預防式運維的軟件工程能力為主。在實踐積累的基礎上，華為云 SRE 提出了“確定性運維”理念，即通過一套完備的工程方法，以華為云 SRE 的高可用架構設計、動態(tài)風險治理和高度智能的運維框架，讓現網擁有確定性的質量結果，支撐高質量運維實現。

高可用架構是華為云 SRE 的一大亮點，高可用架構讓華為云服務的軟件在前端就具備高可靠、高可用的能力，具有確定性的失效率、確定性的恢復時長結束、確定性的爆炸半徑。從 2017 年起，華為云 SRE 團隊積極介入到云服務的開發(fā)前端，將后端的運維經驗和運維訴求帶到前端的開發(fā)設計過程中，使得現網在出現非預期的故障時，通過提前預埋的可恢復性和爆炸半徑控制能力，迅速隔離影響，實現即時恢復。

此外，華為云高度重視數據中心災備性能，提供同城 AZ（AvailabilityZone）內、跨 AZ、異地跨 Region 的兩地三中心容災方案和 1000 公里以上的城市級容災能力，支持流式容災，保障業(yè)務平穩(wěn)運行，避免單點、多點故障造成客戶業(yè)務停頓。

京東云則通過混沌工程理論，結合多年穩(wěn)定性治理經驗入手，建成京東云云泰穩(wěn)定性主動管理平臺。實現主動發(fā)現和治理業(yè)務連續(xù)性風險，提供一站式可見、可查、可管、可控的治理方案，力求做到先于用戶發(fā)現問題、先于感知修復問題，為云平臺穩(wěn)定、云上業(yè)務穩(wěn)定提供商業(yè)服務的可用性從 99.975%提升為 99.995%。

可用性的扎實內功，才是云客戶的“定心丸”

趣丸科技是一家集興趣社交、電子競技、人工智能于一體的創(chuàng)新型科技企業(yè)。華為云承載趣丸 70%以上的 IT 業(yè)務運行，包含計算、存儲和網絡等基礎底座，業(yè)務運行還使用了華為云大量的數據庫、中間件等高級服務，華為云為趣丸核心業(yè)務的高可靠、高穩(wěn)定運行提供 7*24 保駕護航。

更進一步，華為云基于確定性運維實踐，幫助趣丸在大模型時代下，應對業(yè)務上云后的安全可信、穩(wěn)定可靠、資源高效、業(yè)務敏捷等挑戰(zhàn)，進一步探索 LLMOps 等，加速企業(yè)高質量增長，讓運維成為智能世界變革的加速器，推動趣丸科技的用戶粘性不斷增強。

服務所有“華為”品牌的各類終端的華為終端云更為典型。作為華為云的最大內部客戶之一，華為終端云從 2017 年開始全面上云。華為終端云業(yè)務承載了全球十億級用戶，業(yè)務場景越來越多，運維場景也越來越復雜。通過建設 SRE 能力，華為終端云全球三個運維中心有效協同，保障連續(xù) 5 年業(yè)務可用性 SLA99.99%，達成無重大連續(xù)性和安全事故的挑戰(zhàn)目標。

在汽車行業(yè)，數字化轉型是一個復雜過程，需要解決業(yè)務系統龐大、業(yè)務系統應用多、分布廣、跨系統、跨區(qū)域、跨應用的調用頻繁等問題，業(yè)務所用的系統由成百上千個應用服務組成，服務之間的關系錯綜復雜。華為云通過應用運維管理服務（AOM）、云日志服務（LTS）、應用性能管理服務（APM）等服務，實現全鏈路管理，提高運維效率，幫助汽車業(yè)務應用系統穩(wěn)定運行，提升用戶體驗。

“讓穩(wěn)定可靠成為華為云核心競爭力”，這條橫幅掛在松山湖華為云運維中心最醒目的位置，華為云提出的“一切皆服務”之“根”是質量和平臺的穩(wěn)定性。華為公有云業(yè)務總裁高江海曾表示，唯有時刻保持敬畏之心，才能真正服務好客戶、有質量地“活下去”。

這或許也是所有云廠商未來最核心的競爭力之一。

審核編輯 黃宇