阿里云郑大禹：云上应用构建的三大挑战与解决之道_阿里公有云关键难点的分析及解决思路

嘉宾 | 郑大禹   整理 | ClaireWang

出品 | CSDN云原生

2022年5月17日，在CSDN云原生系列在线峰会第5期"DevOps峰会"上，阿里云弹性技术专家郑大禹对构建阿里云产品的技术进行了解密，并分享了在构建运维编排产品中的云上实践。

运维编排服务（Operation Orchestration Service，简称OOS）是阿里云的免费的云上自动化运维平台，提供运维任务的管理和执行功能。

简单来说，OOS就是通过模板编排的方式，将ECS、RDS等基础云产品所提供的原子能力组合成用户的实际运维场景。

为了实现各类产品能力，OOS被划分为4个部分，分别是：API接入层、工作流引擎、中间件、应用支撑服务。

• API接入层：负责运维任务的输入，健全流控和运维任务参数的校验工作。

• 工作流引擎：承担大批量的运维任务执行，负责模板任务的分解、原子API的编排执行并提供并发处理、错误处理等功能。API接入层和工作流引擎通过MS消息队列来完成通信工作。

• 中间件：如数据库缓存、消息队列等，中间件周围构建了许多监控以及运维方案。

• 应用支撑服务：包括线上运维监控、应用稳定性监控及业务报表等。

适用于OOS的产品架构一般具有以下四类特点：

• 云产品故障容忍较低

• 业务存在明显的高峰和低谷

• 产品的稳定性要求高

• 完全构建在阿里云公有云平台上，最大化利用云上技术红利和最佳实践

云上应用构建三大挑战

针对前面所提到的运维编排服务的特点，我们也遇到了一些挑战。

如何自动化管理云资源——多地域大规模云资源管理

多地域大规模云资源部署和管理是一个非常大的挑战。多地域资源的初始化、应用的部署升级、应用配置的变更本身就是一个比较繁琐的过程。如果变更过程中遗漏了某些地域，会造成应用的故障。

而OOS服务又由多个应用组成，且每个部分的管理需求也不一样，这使得如何管理成为一个挑战。比如API接入层对应用的可用性要求比较高，而工作流引擎部分需要应用有比较好的弹性，应用支撑服务对可靠性要求及在线服务要求可能又会比较低，这些都需要单独配置。

如何构建云上弹性服务——应对大流量及突发流量

随着编排服务的用户越来越多，执行的任务越来越多，这要求应用具有更好的弹性，从而能够应对不断发展的大流量和突发流量。

如何提升服务的可靠性——及时发现线上问题

因为应用稳定性要求比较高，所以我们需要尽力提高服务的可靠性，及时发现和处理线上出现的潜在问题。比如一个任务失败了，用户会在一分钟之内感受到，如果此时我们的应用能够在线上10秒钟内发现执行异常，并且通过重试或者补偿机制来完成此任务，这样就能使服务的可靠性得到大幅提升。因此如何及时发现线上的问题也是一个需要解决的关键点。

下面针对这三大挑战，分享一下我们的实战经验和解决之道。

自动化管理云资源

多地域大