在一個理想的世界里，一切都非常完美，并且一直都在順暢運作。早晨的通勤沒有交通堵塞，最喜歡的停車位一直空著，一杯溫度適宜的飲料，生活一帆風(fēng)順，沒有任何中斷。在需要時，您能得到所需的東西。但這只存在于想象中的完美世界里。在現(xiàn)實世界里，一切往往不總是按計劃進(jìn)行。交通情況是多變的，每天我們可能停在不同的車位，有時，可能把一杯燙手的咖啡不小心弄灑了。

現(xiàn)在，考慮一下IT世界里發(fā)生的這些類似中斷，而且規(guī)模更大：在全球范圍內(nèi)運行的服務(wù)和應(yīng)用程序可能會遭遇意外中斷，從而產(chǎn)生輕微或重大影響，具體取決于業(yè)務(wù)本身的性質(zhì)。

例如在機(jī)場候機(jī)時，常用的手機(jī)應(yīng)用程序意外發(fā)生崩潰，這屬于影響輕微的中斷；相比之下，由于網(wǎng)絡(luò)服務(wù)中斷，飛行員無法與機(jī)場塔臺人員溝通，導(dǎo)致所有航班停飛，這就是影響重大的中斷了。

韌性應(yīng)用程序可減小發(fā)生此類中斷的可能性，并盡量縮短發(fā)生故障時的恢復(fù)時間。韌性應(yīng)用程序可確保服務(wù)在發(fā)生各種規(guī)模的中斷時恢復(fù)過來，并在盡可能短的時間內(nèi)再次可用。

我們來更深入地了解一下什么是韌性、我們?nèi)绾螛?gòu)建云本身的韌性，以及亞馬遜云科技如何幫助客戶在云中構(gòu)建具有高可靠性和韌性的應(yīng)用程序。

架構(gòu)可靠：亞馬遜云科技全球云基礎(chǔ)設(shè)施及架構(gòu)設(shè)計穩(wěn)定可靠

云的韌性和可靠是承載云服務(wù)的硬件、軟件、網(wǎng)絡(luò)和設(shè)施所具備的抵御故障并快速從中斷中恢復(fù)的能力，并盡可能減少云服務(wù)的中斷。亞馬遜云科技在確保云可靠性方面進(jìn)行了大量投資，設(shè)計了高度可用的全球基礎(chǔ)設(shè)施，在服務(wù)設(shè)計和部署機(jī)制中建立了保障措施，并將韌性融入平臺的運營文化中。

全球基礎(chǔ)設(shè)施：亞馬遜云科技在全球范圍內(nèi)部署了32個區(qū)域、102個可用區(qū)，并宣布計劃增加15個可用區(qū)和5個亞馬遜云科技區(qū)域，以便支持為全球客戶提供的200多項功能齊全的服務(wù)，并且這一數(shù)字還在不斷增加。每個區(qū)域由一個地理區(qū)域內(nèi)的多個隔離的且在物理上分隔的可用區(qū)組成，每個區(qū)域設(shè)計為3個以上的可用區(qū)，每個可用區(qū)都有獨立的電力、冷卻和物理安全性，并通過冗余的超低延遲網(wǎng)絡(luò)進(jìn)行互聯(lián)?？梢詫?yīng)用程序在多個可用區(qū)或者多個區(qū)域內(nèi)部署以實現(xiàn)更大的容錯能力。

故障邊界的隔離：在全球部署的同時，亞馬遜云科技使用多種故障隔離結(jié)構(gòu)來實現(xiàn)服務(wù)的韌性。這些故障隔離的邊界將故障控制在已有故障域且可預(yù)測的范圍內(nèi)。亞馬遜云科技服務(wù)的隔離邊界包括：可用區(qū)（AZ）、區(qū)域（Region）、控制平面和數(shù)據(jù)平面。從故障隔離邊界的維度看，亞馬遜云科技運營三種不同類別的服務(wù)：可用區(qū)性、區(qū)域性和全球性。例如，每個區(qū)域級服務(wù)都部署了專用的基礎(chǔ)設(shè)施和服務(wù)堆棧，且互相隔離，在跨區(qū)域調(diào)用時也足夠的隔離機(jī)制。同時，每種服務(wù)的控制平面和數(shù)據(jù)平面都在不同的范圍內(nèi)進(jìn)行隔離，即控制面的失敗不影響數(shù)據(jù)面的運行，且不會擴(kuò)散到相鄰范圍。（例如，控制臺的失敗不會影響現(xiàn)有云主機(jī)的運行）。綜上，亞馬遜云科技將故障發(fā)生時的爆炸半徑控制住最小的范圍內(nèi)。

靜態(tài)穩(wěn)定設(shè)計：亞馬遜云科技韌性設(shè)計的關(guān)鍵是保持“靜態(tài)穩(wěn)定性”?！办o態(tài)穩(wěn)定性”是依賴項發(fā)生故障或不可用期間系統(tǒng)無需進(jìn)行更改就可以依然可以保持繼續(xù)正常運行，在數(shù)據(jù)平面對資源的訪問一旦配置，就不依賴于控制平面，因此不會受到任何控制平面失效的影響。換句話說，即使創(chuàng)建、修改或刪除資源的能力受損，現(xiàn)有資源仍然可用。

單元架構(gòu)：亞馬遜云科技的服務(wù)采用單元架構(gòu)的部署方式，即將單元作為云服務(wù)部署的基本單位，單元的大小受到限制且彼此隔離。這種設(shè)計減少了故障的影響范圍，整體可用性得以提高并保持了服務(wù)的連續(xù)性，類似于船只中多個水密艙的設(shè)計。

卓越運營：實現(xiàn)云的可靠和韌性需要的不僅僅可靠的技術(shù)，它也需要人員、文化、流程和工具的支持。亞馬遜云科技基于Two-Pizza team的服務(wù)所有模式組建團(tuán)隊和文化，通過安全的持續(xù)發(fā)布、運營就緒審查、錯誤更正流程等流程和工具來維護(hù)云服務(wù)的穩(wěn)定運行。

事件預(yù)警：提供主動預(yù)警工具與機(jī)制，提前預(yù)防云上問題發(fā)生

同時，亞馬遜云科技提供系列的工具、解決方案及方案論，幫助客戶利用云本身的韌性，提升“云中的韌性”。

Amazon Health是您的權(quán)威信息來源，可從中了解關(guān)乎您的亞馬遜云科技云資源的相應(yīng)服務(wù)事件和計劃更改情況。Amazon Health會向您發(fā)送有關(guān)服務(wù)事件、計劃變更和賬戶的通知，以幫助您進(jìn)行管理并采取行動。登錄Amazon Health Dashboard可使用Amazon EventBridge查看特定于賬戶的Health信息或接收Health事件更新。您還可以使用Amazon Premium Support提供的Amazon Health API以編程方式訪問Amazon Health。

Amazon Managed Services提供主動、預(yù)防和檢測功能，這些功能提高了操作門檻，并幫助降低風(fēng)險，而不限制敏捷性，使您能夠?qū)Ｗ⒂趧?chuàng)新。AMS通過運營能力擴(kuò)展您的團(tuán)隊，包括監(jiān)控、事件管理、亞馬遜云科技事件檢測及響應(yīng)服務(wù)、安全、補丁、備份和成本優(yōu)化。

事前優(yōu)化：提供系列工具及方法論，幫助客戶提升云上業(yè)務(wù)可靠性

通過Well-Architect框架，構(gòu)建韌性系統(tǒng)最佳實踐：包含自動從故障中恢復(fù)，測試恢復(fù)過程，橫向擴(kuò)展以提高工作負(fù)載的可用性，在設(shè)計時，分布式系統(tǒng)的工作負(fù)載架構(gòu)必須能夠預(yù)防與減少故障，符合靜態(tài)穩(wěn)定性的實踐，并具備隔離機(jī)制。同時系統(tǒng)的設(shè)計應(yīng)能夠檢測故障并自動加以修復(fù)或轉(zhuǎn)移。

全?？捎^測性：包括亞馬遜云科技原生、應(yīng)用程序性能監(jiān)控（APM）和開源解決方案，讓您能夠隨時了解整個技術(shù)棧中發(fā)生的情況?？捎^測性讓您可以在云、混合或本地環(huán)境中的網(wǎng)絡(luò)、基礎(chǔ)設(shè)施和應(yīng)用程序中收集、關(guān)聯(lián)、聚合和分析遙測數(shù)據(jù)，以便深入了解系統(tǒng)的行為、性能和運行狀況。這些見解可幫助您更快地檢測、調(diào)查和修復(fù)問題；結(jié)合人工智能和機(jī)器學(xué)習(xí)，以主動反應(yīng)、預(yù)測和預(yù)防問題。

事后協(xié)助：幫助客戶構(gòu)建云上可靠性能力，保障應(yīng)用和數(shù)據(jù)高可靠運行

最后，實現(xiàn)業(yè)務(wù)連續(xù)性，合適的業(yè)務(wù)容災(zāi)備份策略也是十分重要的。亞馬遜云科技提供完善的容災(zāi)與備份機(jī)制，從冷備份、實時異步復(fù)制業(yè)務(wù)數(shù)據(jù)，到實時復(fù)制業(yè)務(wù)數(shù)據(jù)、實時同步/異步雙向復(fù)制業(yè)務(wù)數(shù)據(jù)，適用于不同RPO/RTO目標(biāo)需求，幫助您提前做好準(zhǔn)備提升可用性。

總結(jié)

云上業(yè)務(wù)連續(xù)性是創(chuàng)新的基石，亞馬遜云科技基礎(chǔ)設(shè)施經(jīng)過精心構(gòu)建，是當(dāng)今最安全、最可靠的云計算環(huán)境之一，旨在提供一個高可擴(kuò)展性、高可靠的平臺，使您能夠快速安全地部署應(yīng)用程序、構(gòu)建高可用的業(yè)務(wù)系統(tǒng)。

審核編輯 黃宇