阿里集团技术保障总监张颖杰：云计算运维之“轻”与“重”我是来自阿里巴巴集团技术保障总监张颖杰，也是想借今天这个机会给大家尽量介绍一下幕后的东西，因为看到幕前是各种各样的产品，但是在幕后怎么样去支撑这个体系，一会儿我介绍一下。首先感谢大家，从运维的层面来讲，我们尤其感谢很多客户的包容和信任，我们运维努力在做，但是还是很多在云计算工作中遇到的挑战，感谢这么多用户对我们一路过来的帮助和包容。先解释一下这个题目，为什么这个题目叫云计算运维之轻与重。从两本书介绍一下，一本书是《生命中不能承受之轻》，《IT不再重要》。《IT不再重要》这本书很著名，我是从09年年底到10年年初开始介入到这个里面，云计算跟我们的传统网站运维有什么不同，我也去寻找资料，那时资料很少的。真正把云落地到一个很形象的，能让大家读懂的很少。《IT不再重要》这本书大家可以去找找，这个题目可能让大家有点费解，当你读过这本书就会明白，是说我们以后有了云计算后，我们的云计算资源就像现在的水和电这个资源一样，站在客户角度就是轻运维。基于系统的、硬件的、流程的各种运维内容的轻和重，是站在不同的视角去看。《生命中不能承受之轻》，他说人很容易在你不知不觉的情况下很浮躁（媚俗），你有时候会因为这种浮躁压得不能承受。我们去推云计算服务的时候，我们是不是能够把云计算能够切实落地下来，就运维而言落地是什么，云计算的运维的高可用，对用户来讲数据永不丢失，这句话说很容易，如何实现，我觉得是抛弃浮躁，落地的过程。站在用户的角度，也就是站在开发商的角度，核心竞争力是开发和运营自己的产品，这是你的市场生命力所在，而产品背后背后是一朵云。真正在实际工作中你可能不用去了解云背后的内容。我们揭开谜底，云后面藏着哪些内容，我这边是很通用性例举一些典型内容和角色。你筹备运维一个网站，既有人力筹备，也有物质筹备。我们不能服务器摆在一个YY的地方就可以提供服务了，我们需要租用IDC，然后租用机架，还要租用带宽，我们还要考虑互联互通等问题，这些其实都需要一个专业的IDC团队去评估和谈判。你得去买服务器，然后买网络设备，买存储设备，要买各种各样的安全产品。这里面也需要有专门的采购团队跟供应商、运营商、代理商去谈IDC有了，服务器有了，然后如何安装部署，要把几千台机器如何搭建出来，这几千台机器平均一年有4%的硬盘损坏，这些硬盘损坏的过程中你怎么样维护，这需要一套运维体系和专业团队完成。还有容量管理，大家在谈云的时候，成本优化是云的卖点，怎样充分的利用共享的资源，把CPU等资源充分的利用起来，实际上这里面有很多容量上的规划。上面是做的事情，底下是对应的有哪些团队实现。比如说负责IDC的，负责采购的，负责各种各样运维任务的工程师，包括IDC工程师，PE工程师，SA工程师，安全工程师等。角色之重，各种各样的工程师、专家，他们做什么呢，这里有张图，可以形象表示工程师的角色关系。比如PE是产品运维工程师，负责保障一个应用产品，其中云计算平台要专门有懂云计算的工程师去维护，这个是平台PE。NETOPS是负责网络的工程师。SCM进行版本管理。SPI是负责流程优化工程师。规模之重，举个例子，第一张照片，是我们在某一个IDC入住之前的样子，就像毛坯房；第二张是建成完之后样子，这是一个局部图，把机器、机架都建起来。再看底下，这个是我们整个支撑运维的团队，大家可以想象我们要做这么多事情，其实需要非常细的专门人才包括DBA，网络工程师，系统工程师，这么人要做的事情，就是保证运维体系的一个正常运转。谈下组织保障，我们现在有接近四五百人的规模来做运维保障，集团一个大运维团队，我们运维在组织结构是划分到集团的，是集团的一个公共团队，来支持各个产品线的运维工作。护航小组，我们这个团队的划分，基本上按照工作的职能，垂直的组织团队划分。但是为了保证某一个重要的产品，我们又有横向组织，这就是护航小组。例如，我们从5+项目的启动到最后奥运会的结束，我们有一个专门的5+护航小组，把相关的PE、SA、网络、过程改进等都聚合在一起，成为一个虚拟小组，保证你的某一个项目在护航周期里面健康健壮的运行。应急值班长，我们有一个旺旺群，这个群里面会有值班长角色，这个值班长在有重大故障发生的时候，他就是决策人，如果出现了有ABC多种方案的时候，对这个方案拍板的是这个值班人，这个人也是推进故障解决的推进人。消防群，我们要像消防队救火一样。摩天轮，三四百人的同学在一起，我们每年有一点比例的人员到各个团队进行轮岗，在轮岗的过程中其实也是给很多的团队带来新鲜的血液，另外也是跟这些轮岗的同学提供新的知识和新的视角。流程的保障，我们把这个流程从左到右，这是一个生命周期，这个里面有三个，一个是业务研发，发布变更、生产运维。最我们我们会定几个关键指标，属于我们自