京東云：11.11大促下的混沌工程實(shí)踐

隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，系統(tǒng)架構(gòu)因此也不斷的演進(jìn)、升級、迭代。從單一應(yīng)用，到垂直拆分，到分布式服務(wù)，到SOA，以及現(xiàn)在火熱的微服務(wù)架構(gòu)，系統(tǒng)擴(kuò)展性和開發(fā)效率大幅提高。但同時，由于系統(tǒng)自身復(fù)雜度的激增，傳統(tǒng)的測試方法已經(jīng)不能全面理解和覆蓋系統(tǒng)所有可能的行為，測試的有效性也大打折扣，加之開發(fā)者在引入復(fù)雜性的同時對風(fēng)險的低估和忽視，成為目前系統(tǒng)可用性面臨的兩大挑戰(zhàn)。

2008年8月，某廠商由于單點(diǎn)系統(tǒng)架構(gòu)故障，導(dǎo)致了三天宕機(jī)，在此期間無法觀看任何視頻。隨后該廠商開始將服務(wù)從數(shù)據(jù)中心遷移到云上，之后就開始嘗試在生產(chǎn)環(huán)境中開展一些系統(tǒng)彈性的測試。

隨著Chaos Monkey的出現(xiàn)，混沌工程原理應(yīng)運(yùn)而生，它被描述為“在分布式系統(tǒng)上進(jìn)行實(shí)驗(yàn)的學(xué)科，目的是建立對系統(tǒng)承受生產(chǎn)環(huán)境中湍流條件能力的信心”。如今，谷歌，亞馬遜，IBM，耐克等公司，都采用某種形式的混沌工程來提高現(xiàn)代架構(gòu)的可靠性。

京東云在混沌工程領(lǐng)域的實(shí)踐——破壞性演練

破壞性演練，是京東云在混沌工程中的實(shí)踐。一方面，2018年京東云新增200+產(chǎn)品，實(shí)現(xiàn)爆發(fā)式增長;另一方面由于微服務(wù)化，大大增加了系統(tǒng)間依賴關(guān)系的復(fù)雜性;保障整個云的持續(xù)可用是巨大的挑戰(zhàn)。

基于混沌工程的理論依據(jù)，京東云在實(shí)踐過程中用系列實(shí)驗(yàn)，真實(shí)驗(yàn)證系統(tǒng)在各類故障場景下的表現(xiàn)，通過頻繁地進(jìn)行大量實(shí)驗(yàn)，使系統(tǒng)本身的反脆弱性持續(xù)增強(qiáng)，讓云有信心抵御生產(chǎn)環(huán)境中難以預(yù)知的問題，也讓客戶對云的穩(wěn)定性放心。

開始混沌工程之前，京東云在底層架構(gòu)上，已經(jīng)實(shí)現(xiàn)支持多Region和多AZ高可用，包括物理層、IaaS層、PaaS層以及控制面。但是京東云并未持樂觀態(tài)度，而是謹(jǐn)慎的認(rèn)為：業(yè)務(wù)垂直化的質(zhì)量保證，更多關(guān)注縱向細(xì)分產(chǎn)品的質(zhì)量和高可用能力，但對云整體橫向的高可用的驗(yàn)證方面，存在天然的弱點(diǎn)。另一方面，實(shí)踐出真知，不驗(yàn)證就沒有底氣。這些情況堅(jiān)定了京東云做混沌工程的決心。

仿真環(huán)境建設(shè)。云是一套非常復(fù)雜的整體，它的資源數(shù)量、地域分布、流量體量等，都決定了無法在生產(chǎn)環(huán)境直接演練。為了確保演練不會影響到生產(chǎn)，京東云建立了隔離故障區(qū)域，將云的預(yù)發(fā)環(huán)境和測試環(huán)境都遷移至此，并投入大量服務(wù)器做1：1仿真部署，包括物理層、IaaS層、PaaS層以及控制面，及安全、CDN、視頻等核心產(chǎn)品，相當(dāng)于搭建了一個縮小公有云環(huán)境。在環(huán)境建設(shè)完成后的第二天，京東云就進(jìn)行了第一次破壞性演練。

首次演練，投入近百人，兩天時間，即收獲117個改進(jìn)點(diǎn)。之后，混沌工程成為京東云每個季度的例行工作。并由此不斷推動應(yīng)急預(yù)案的升級和技術(shù)架構(gòu)的改進(jìn)。

應(yīng)急預(yù)案升級。當(dāng)前產(chǎn)品的主要故障場景，都已具備自動化預(yù)案能力。自動故障檢測以及自動故障恢復(fù)能力逐漸成熟，故障恢復(fù)耗時大大縮短。

技術(shù)架構(gòu)改進(jìn)。協(xié)同京東云架構(gòu)師委員會，從驗(yàn)證雙AZ的可靠性，到完善和發(fā)展基于3AZ的高可用架構(gòu)。如存儲產(chǎn)品，由原來的單AZ 3副本，改進(jìn)為3AZ 3副本，可用性進(jìn)一步提高;同時，排查依賴成環(huán)的問題，進(jìn)行解除依賴或完善降級能力。

演練平臺的建設(shè)。經(jīng)過不斷打磨，實(shí)現(xiàn)了演練觸發(fā)自動化、多租戶場景模擬、結(jié)果快速驗(yàn)證等能力的建設(shè)，提升了演練的效率。之后，演練不斷深入，場景不斷豐富。覆蓋了服務(wù)、機(jī)器、隨機(jī)硬件等場景，并結(jié)合IDC、基礎(chǔ)網(wǎng)絡(luò)，對整個云基礎(chǔ)設(shè)施進(jìn)行高可用性驗(yàn)證。

混沌工程實(shí)戰(zhàn)檢驗(yàn) 京東云為客戶保駕護(hù)航

截止目前，京東商城、物流等全部核心系統(tǒng)都已經(jīng)運(yùn)行于公有云之上。依據(jù)內(nèi)部混沌工程的經(jīng)驗(yàn)，結(jié)合云高可用技術(shù)方案，京東云總結(jié)出了一套面向云上用戶的快速驗(yàn)證方案，與用戶一起，通過最佳實(shí)踐解決用戶可靠性的問題。

以某客戶為例，在服務(wù)建設(shè)完畢后正式上線前，京東云都會根據(jù)客戶的用法和要求，做抗脆弱性驗(yàn)證來保障客戶服務(wù)問題，讓客戶放心;而針對客戶用到的京東云專有云產(chǎn)品JD Cloud Stack，京東云會對每一個發(fā)布版本做完整的混沌工程驗(yàn)證，保證交付給客戶的是可靠的產(chǎn)品。

在剛剛過去的京東11.11期間，京東云全業(yè)務(wù)，全場景云端監(jiān)控，流量同比增長300%，云搜索查詢每日峰值達(dá)13.3萬次/秒，云緩存每秒操作數(shù)每日峰值120萬次，負(fù)載均衡接入請求量同比去年上漲36%，CDN整體峰值流量同比去年上漲44%。在大促之下，京東云仍然保障了AI、物流、廣告等核心業(yè)務(wù)穩(wěn)定。這充分證明了京東云以混沌工程理論為指導(dǎo)的可靠性設(shè)計(jì)和實(shí)踐經(jīng)受住了嚴(yán)酷的考驗(yàn)，值得信賴。

關(guān)于京東云

京東云(JD Cloud)是京東集團(tuán)旗下的全平臺云計(jì)算綜合服務(wù)提供商，擁有全球領(lǐng)先的云計(jì)算技術(shù)和豐富的云計(jì)算解決方案經(jīng)驗(yàn)。京東云提供從IaaS、PaaS到SaaS的全棧式(Full Stack)服務(wù)，包含公有云、私有云、混合云、專有云在內(nèi)的全場景(Full Services)服務(wù)，從IDC業(yè)務(wù)、云計(jì)算業(yè)務(wù)到綜合業(yè)務(wù)的全頻段(Full Spectrum)服務(wù)，京東云還致力于為合作伙伴提供覆蓋全行業(yè)應(yīng)用、為全行業(yè)提供平臺支撐的全生態(tài)(Full Ecosystem)服務(wù)。同時，京東云依托京東集團(tuán)在云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)應(yīng)用等多方面的長期業(yè)務(wù)實(shí)踐和技術(shù)積淀，形成了從基礎(chǔ)平臺搭建、業(yè)務(wù)咨詢規(guī)劃，到業(yè)務(wù)平臺建設(shè)及運(yùn)營等全產(chǎn)業(yè)鏈的云生態(tài)格局，為用戶供一站式全方位的云計(jì)算解決方案。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。