作為一種架構(gòu)模式，云原生架構(gòu)通過(guò)若干原則來(lái)對(duì)應(yīng)用架構(gòu)進(jìn)行核心控制。這些原則可以幫助技術(shù)主管和架構(gòu)師在進(jìn)行技術(shù)選型時(shí)更加高效、準(zhǔn)確，下面將展開(kāi)具體介紹。

1. 服務(wù)化原則

在軟件開(kāi)發(fā)過(guò)程中，當(dāng)代碼數(shù)量與開(kāi)發(fā)團(tuán)隊(duì)規(guī)模都擴(kuò)張到一定程度后，就需要重構(gòu)應(yīng)用，通過(guò)模塊化與組件化的手段分離關(guān)注點(diǎn)，降低應(yīng)用的復(fù)雜度，提升軟件的開(kāi)發(fā)效率，降低維護(hù)成本。

如圖 1，隨著業(yè)務(wù)的不斷發(fā)展，單體應(yīng)用能夠承載的容量將逐漸到達(dá)上限，即使通過(guò)應(yīng)用改造來(lái)突破垂直擴(kuò)展(Scale Up)的瓶頸，并將其轉(zhuǎn)化為支撐水平擴(kuò)展(Scale Out)的能力，在全局并發(fā)訪問(wèn)的情況下，也依然會(huì)面臨數(shù)據(jù)計(jì)算復(fù)雜度和存儲(chǔ)容量的問(wèn)題。因此，需要將單體應(yīng)用進(jìn)一步拆分，按業(yè)務(wù)邊界重新劃分成分布式應(yīng)用，使應(yīng)用與應(yīng)用之間不再直接共享數(shù)據(jù)，而是通過(guò)約定好的契約進(jìn)行通信，以提高擴(kuò)展性。

圖 1 應(yīng)用服務(wù)化擴(kuò)展

服務(wù)化設(shè)計(jì)原則是指通過(guò)服務(wù)化架構(gòu)拆分不同生命周期的業(yè)務(wù)單元，實(shí)現(xiàn)業(yè)務(wù)單元的獨(dú)立迭代，從而加快整體的迭代速度，保證迭代的穩(wěn)定性。同時(shí)，服務(wù)化架構(gòu)采用的是面向接口編程方式，增加了軟件的復(fù)用程度，增強(qiáng)了水平擴(kuò)展的能力。服務(wù)化設(shè)計(jì)原則還強(qiáng)調(diào)在架構(gòu)層面抽象化業(yè)務(wù)模塊之間的關(guān)系，從而幫助業(yè)務(wù)模塊實(shí)現(xiàn)基于服務(wù)流量(而非網(wǎng)絡(luò)流量)的策略控制和治理，而無(wú)須關(guān)注這些服務(wù)是基于何種編程語(yǔ)言開(kāi)發(fā)的。

有關(guān)服務(wù)化設(shè)計(jì)原則的實(shí)踐在業(yè)界已有很多成功案例。其中影響最廣、最為業(yè)界稱(chēng)道的是 Netflix 在生產(chǎn)系統(tǒng)上所進(jìn)行的大規(guī)模微服務(wù)化實(shí)踐。通過(guò)這次實(shí)踐，Netflix 在全球不僅承接了多達(dá) 1.67 億訂閱用戶以及全球互聯(lián)網(wǎng)帶寬容量 15% 以上的流量，而且在開(kāi)源領(lǐng)域貢獻(xiàn)了 Eureka、Zuul、Hystrix 等出色的微服務(wù)組件。

不僅海外公司正在不斷進(jìn)行服務(wù)化實(shí)踐，國(guó)內(nèi)公司對(duì)服務(wù)化也有很高的認(rèn)知。隨著近幾年互聯(lián)網(wǎng)化的發(fā)展，無(wú)論是新銳互聯(lián)網(wǎng)公司，還是傳統(tǒng)大型企業(yè)，在服務(wù)化實(shí)踐上都有很好的實(shí)踐和成功案例。阿里巴巴的服務(wù)化實(shí)踐發(fā)端于 2008 年的五彩石項(xiàng)目，歷經(jīng) 10 年的發(fā)展，穩(wěn)定支撐歷年大促活動(dòng)。以 2019 年“雙 11”當(dāng)天數(shù)據(jù)為例，阿里巴巴的分布式系統(tǒng)創(chuàng)單峰值為每秒 54.4 萬(wàn)筆，實(shí)時(shí)計(jì)算處理為每秒 25.5 億筆。阿里巴巴在服務(wù)化領(lǐng)域的實(shí)踐，已通過(guò) Apache Dubbo、Nacos、Sentinel、Seata、Chaos Blade 等開(kāi)源項(xiàng)目分享給業(yè)界， 同時(shí)，這些組件與 Spring Cloud的集成 Spring Cloud Alibaba 已成為 Spring Cloud Netflix 的繼任者。

雖然隨著云原生浪潮的興起，服務(wù)化原則不斷演進(jìn)、落地于實(shí)際業(yè)務(wù)，但企業(yè)在實(shí)際落地過(guò)程中也會(huì)遇到不少的挑戰(zhàn)。比如，與自建數(shù)據(jù)中心相比，公有云下的服務(wù)化可能存在巨大的資源池，使得機(jī)器錯(cuò)誤率顯著提高;按需付費(fèi)增加了擴(kuò)縮容的操作頻度;新的環(huán)境要求應(yīng)用啟動(dòng)更快、應(yīng)用與應(yīng)用之間無(wú)強(qiáng)依賴(lài)關(guān)系、應(yīng)用能夠在不同規(guī)格的節(jié)點(diǎn)之間隨意調(diào)度等諸多需要考慮的實(shí)際問(wèn)題。但可以預(yù)見(jiàn)的是，這些問(wèn)題會(huì)隨著云原生架構(gòu)的不斷演進(jìn)而得到逐一解決。

2. 彈性原則

彈性原則是指系統(tǒng)部署規(guī)模可以隨著業(yè)務(wù)量變化自動(dòng)調(diào)整大小，而無(wú)須根據(jù)事先的容量規(guī)劃準(zhǔn)備固定的硬件和軟件資源。優(yōu)秀的彈性能力不僅能夠改變企業(yè)的 IT 成本模式，使得企業(yè)不用再考慮額外的軟硬件資源成本支出(閑置成本)，也能更好地支持業(yè)務(wù)規(guī)模的爆發(fā)式擴(kuò)張，不再因?yàn)檐浻布Y源儲(chǔ)備不足而留下遺憾。

在云原生時(shí)代，企業(yè)構(gòu)建 IT 系統(tǒng)的門(mén)檻大幅降低，這極大地提升了企業(yè)將業(yè)務(wù)規(guī)劃落地為產(chǎn)品與服務(wù)的效率。這一點(diǎn)在移動(dòng)互聯(lián)網(wǎng)和游戲行業(yè)中顯得尤為突出。一款應(yīng)用成為爆款后，其用戶數(shù)量呈現(xiàn)指數(shù)級(jí)增長(zhǎng)的案例不在少數(shù)。而業(yè)務(wù)呈指數(shù)級(jí)增長(zhǎng)會(huì)對(duì)企業(yè) IT 系統(tǒng)的性能帶來(lái)巨大考驗(yàn)。面對(duì)這樣的挑戰(zhàn)，在傳統(tǒng)架構(gòu)中，通常是開(kāi)發(fā)人員、運(yùn)維人員疲于調(diào)優(yōu)系統(tǒng)性能，但是，即使他們使出渾身解數(shù)，也未必能夠完全解決系統(tǒng)的瓶頸問(wèn)題， 最終因系統(tǒng)無(wú)法應(yīng)對(duì)不斷涌入的海量用戶而造成應(yīng)用癱瘓。

除了面臨業(yè)務(wù)呈指數(shù)級(jí)增長(zhǎng)的考驗(yàn)之外，業(yè)務(wù)的峰值特征將是另一個(gè)重要的挑戰(zhàn)。比如，電影票訂票系統(tǒng)下午時(shí)段的流量遠(yuǎn)超凌晨時(shí)段，而周末的流量相比工作日甚至?xí)脦妆?還有外賣(mài)訂餐系統(tǒng)，在午餐和晚餐前后往往會(huì)出現(xiàn)訂單峰值時(shí)段。在傳統(tǒng)架構(gòu)中，為了應(yīng)對(duì)這類(lèi)具有明顯峰值特征的場(chǎng)景，企業(yè)需要為峰值時(shí)段的流量提前準(zhǔn)備大量的計(jì)算、存儲(chǔ)及網(wǎng)絡(luò)資源并為這些資源付費(fèi)，而這些資源在大部分時(shí)間內(nèi)卻處于閑置狀態(tài)。

因此，在云原生時(shí)代，企業(yè)在構(gòu)建 IT系統(tǒng)時(shí)，應(yīng)該盡早考慮讓?xiě)?yīng)用架構(gòu)具備彈性能力，以便在快速發(fā)展的業(yè)務(wù)規(guī)模面前靈活應(yīng)對(duì)各種場(chǎng)景需求，充分利用云原生技術(shù)及成本優(yōu)勢(shì)。

要想構(gòu)建彈性的系統(tǒng)架構(gòu)，需要遵循如下四個(gè)基本原則。

(1) 按功能切割應(yīng)用

一個(gè)大型的復(fù)雜系統(tǒng)可能由成百上千個(gè)服務(wù)組成，架構(gòu)師在設(shè)計(jì)架構(gòu)時(shí)，需要遵循的原則是：將相關(guān)的邏輯放到一起，不相關(guān)的邏輯拆解到獨(dú)立的服務(wù)中，各服務(wù)之間通過(guò)標(biāo)準(zhǔn)的服務(wù)發(fā)現(xiàn)(Service Discovery)找到對(duì)方，并使用標(biāo)準(zhǔn)的接口進(jìn)行通信。各服務(wù)之間松耦合，這使得每一個(gè)服務(wù)能夠各自獨(dú)立地完成彈性伸縮，從而避免服務(wù)上下游關(guān)聯(lián)故障的發(fā)生。

(2) 支持水平切分

按功能切割應(yīng)用并沒(méi)有完全解決彈性的問(wèn)題。一個(gè)應(yīng)用被拆解為眾多服務(wù)后，隨著用戶流量的增長(zhǎng)，單個(gè)服務(wù)最終也會(huì)遇到系統(tǒng)瓶頸。因此在設(shè)計(jì)上，每個(gè)服務(wù)都需要具備可水平切分的能力，以便將服務(wù)切分為不同的邏輯單元，由每個(gè)單元處理一部分用戶流量，從而使服務(wù)自身具備良好的擴(kuò)展能力。這其中最大的挑戰(zhàn)在于數(shù)據(jù)庫(kù)系統(tǒng)，因?yàn)閿?shù)據(jù)庫(kù)系統(tǒng)自身是有狀態(tài)的，所以合理地切分?jǐn)?shù)據(jù)并提供正確的事務(wù)機(jī)制將是一個(gè)非常復(fù)雜的工程。不過(guò)，在云原生時(shí)代，云平臺(tái)所提供的云原生數(shù)據(jù)庫(kù)服務(wù)可以解決大部分復(fù)雜的分布式系統(tǒng)問(wèn)題，因此，如果企業(yè)是通過(guò)云平臺(tái)提供的能力來(lái)構(gòu)建彈性系統(tǒng)，自然就會(huì)擁有數(shù)據(jù)庫(kù)系統(tǒng)的彈性能力。

(3) 自動(dòng)化部署

系統(tǒng)突發(fā)流量通常無(wú)法預(yù)計(jì)，因此常用的解決方案是，通過(guò)人工擴(kuò)容系統(tǒng)的方式，使系統(tǒng)具備支持更大規(guī)模用戶訪問(wèn)的能力。在完成架構(gòu)拆分之后，彈性系統(tǒng)還需要具備自動(dòng)化部署能力，以便根據(jù)既定的規(guī)則或者外部流量突發(fā)信號(hào)觸發(fā)系統(tǒng)的自動(dòng)化擴(kuò)容功能，滿足系統(tǒng)對(duì)于縮短突發(fā)流量影響時(shí)長(zhǎng)的及時(shí)性要求，同時(shí)在峰值時(shí)段結(jié)束后自動(dòng)縮容系統(tǒng)，降低系統(tǒng)運(yùn)行的資源占用成本。

(4) 支持服務(wù)降級(jí)

彈性系統(tǒng)需要提前設(shè)計(jì)異常應(yīng)對(duì)方案，比如，對(duì)服務(wù)進(jìn)行分級(jí)治理，在彈性機(jī)制失效、彈性資源不足或者流量峰值超出預(yù)期等異常情況下，系統(tǒng)架構(gòu)需要具備服務(wù)降級(jí)的能力，通過(guò)降低部分非關(guān)鍵服務(wù)的質(zhì)量，或者關(guān)閉部分增強(qiáng)功能來(lái)讓出資源，并擴(kuò)容重要功能對(duì)應(yīng)的服務(wù)容量，以確保產(chǎn)品的主要功能不受影響。

國(guó)內(nèi)外已有很多成功構(gòu)建大規(guī)模彈性系統(tǒng)的實(shí)踐案例，其中最具代表性的是阿里巴巴一年一度的“雙11”大促活動(dòng)。為了應(yīng)對(duì)相較于平時(shí)上百倍的流量峰值，阿里巴巴每年從阿里云采買(mǎi)彈性資源部署自己的應(yīng)用，并在“雙 11”活動(dòng)之后釋放這一批資源，按需付費(fèi)，從而大幅降低大促活動(dòng)的資源成本。另一個(gè)例子是新浪微博的彈性架構(gòu)，在社會(huì)熱點(diǎn)事件發(fā)生時(shí)，新浪微博通過(guò)彈性系統(tǒng)將應(yīng)用容器擴(kuò)容到阿里云，以應(yīng)對(duì)熱點(diǎn)事件導(dǎo)致的大量搜索和轉(zhuǎn)發(fā)請(qǐng)求。系統(tǒng)通過(guò)分鐘級(jí)的按需擴(kuò)容響應(yīng)能力，大幅降低了熱搜所產(chǎn)生的資源成本。

隨著云原生技術(shù)的發(fā)展，F(xiàn)aaS、Serverless 等技術(shù)生態(tài)逐步成熟，構(gòu)建大規(guī)模彈性系統(tǒng)的難度逐步降低。當(dāng)企業(yè)以 FaaS、Serverless 等技術(shù)理念作為系統(tǒng)架構(gòu)的設(shè)計(jì)原則時(shí)，系統(tǒng)就具備了彈性伸縮的能力，企業(yè)也就無(wú)須額外為“維護(hù)彈性系統(tǒng)自身”付出成本。

3. 可觀測(cè)原則

與監(jiān)控、業(yè)務(wù)探活、APM(Application Performance Management，應(yīng)用性能管理)等系統(tǒng)提供的被動(dòng)能力不同，可觀測(cè)性更強(qiáng)調(diào)主動(dòng)性，在云計(jì)算這樣的分布式系統(tǒng)中，主動(dòng)通過(guò)日志、鏈路跟蹤和度量等手段，讓一次 App 點(diǎn)擊所產(chǎn)生的多次服務(wù)調(diào)用耗時(shí)、返回值和參數(shù)都清晰可見(jiàn)，甚至可以下鉆到每次第三方軟件調(diào)用、SQL 請(qǐng)求、節(jié)點(diǎn)拓?fù)洹⒕W(wǎng)絡(luò)響應(yīng)等信息中。運(yùn)維、開(kāi)發(fā)和業(yè)務(wù)人員通過(guò)這樣的觀測(cè)能力可以實(shí)時(shí)掌握軟件的運(yùn)行情況，并獲得前所未有的關(guān)聯(lián)分析能力，以便不斷優(yōu)化業(yè)務(wù)的健康度和用戶體驗(yàn)。

隨著云計(jì)算的全面發(fā)展，企業(yè)的應(yīng)用架構(gòu)發(fā)生了顯著變化，正逐步從傳統(tǒng)的單體應(yīng)用向微服務(wù)過(guò)渡。在微服務(wù)架構(gòu)中，各服務(wù)之間松耦合的設(shè)計(jì)方式使得版本迭代更快、周期更短;基礎(chǔ)設(shè)施層中的 Kubernetes 等已經(jīng)成為容器的默認(rèn)平臺(tái);服務(wù)可以通過(guò)流水線實(shí)現(xiàn)持續(xù)集成與部署。這些變化可將服務(wù)的變更風(fēng)險(xiǎn)降到最低，提升了研發(fā)的效率。

在微服務(wù)架構(gòu)中，系統(tǒng)的故障點(diǎn)可能出現(xiàn)在任何地方，因此我們需要針對(duì)可觀測(cè)性進(jìn)行體系化設(shè)計(jì)，以降低 MTTR(故障平均修復(fù)時(shí)間)。

要想構(gòu)建可觀測(cè)性體系，需要遵循如下三個(gè)基本原則。

(1)數(shù)據(jù)的全面采集

指標(biāo)(Metric)、鏈路跟蹤(Tracing)和日志(Logging)這三類(lèi)數(shù)據(jù)是構(gòu)建一個(gè)完整的可觀測(cè)性系統(tǒng)的“三大支柱”。而系統(tǒng)的可觀測(cè)性就是需要完整地采集、分析和展示這三類(lèi)數(shù)據(jù)。

指標(biāo)：指標(biāo)是指在多個(gè)連續(xù)的時(shí)間周期里用于度量的 KPI 數(shù)值。一般情況下，指標(biāo)會(huì)按軟件架構(gòu)進(jìn)行分層，分為系統(tǒng)資源指標(biāo)(如 CPU 使用率、磁盤(pán)使用率和網(wǎng)絡(luò)帶寬情況等)、應(yīng)用指標(biāo)(如出錯(cuò)率、服務(wù)等級(jí)協(xié)議 SLA、服務(wù)滿意度 APDEX、平均延時(shí)等)、業(yè)務(wù)指標(biāo)(如用戶會(huì)話數(shù)、訂單數(shù)量和營(yíng)業(yè)額等)。鏈路跟蹤：鏈路跟蹤是指通過(guò) TraceId 的唯一標(biāo)識(shí)來(lái)記錄并還原發(fā)生一次分布式調(diào)用的完整過(guò)程，貫穿數(shù)據(jù)從瀏覽器或移動(dòng)端經(jīng)過(guò)服務(wù)器處理，到執(zhí)行 SQL 或發(fā)起遠(yuǎn)程調(diào)用的整個(gè)過(guò)程。日志：日志通常用來(lái)記錄應(yīng)用運(yùn)行的執(zhí)行過(guò)程、代碼調(diào)試、錯(cuò)誤異常等信息，如 Nginx 日志可以記錄遠(yuǎn)端 IP、發(fā)生請(qǐng)求時(shí)間、數(shù)據(jù)大小等信息。日志數(shù)據(jù)需要集中化存儲(chǔ)，并具備可檢索的能力。

(2) 數(shù)據(jù)的關(guān)聯(lián)分析

讓各數(shù)據(jù)之間產(chǎn)生更多的關(guān)聯(lián)，這一點(diǎn)對(duì)于一個(gè)可觀測(cè)性系統(tǒng)而言尤為重要。出現(xiàn)故障時(shí)，有效的關(guān)聯(lián)分析可以實(shí)現(xiàn)對(duì)故障的快速定界與定位，從而提升故障處理效率，減少不必要的損失。一般情況下，我們會(huì)將應(yīng)用的服務(wù)器地址、服務(wù)接口等信息作為附加屬性，與指標(biāo)、調(diào)用鏈、日志等信息綁定，并且賦予可觀測(cè)系統(tǒng)一定的定制能力，以便靈活滿足更加復(fù)雜的運(yùn)維場(chǎng)景需求。

(3) 統(tǒng)一監(jiān)控視圖與展現(xiàn)

多種形式、多個(gè)維度的監(jiān)控視圖可以幫助運(yùn)維和開(kāi)發(fā)人員快速發(fā)現(xiàn)系統(tǒng)瓶頸，消除系統(tǒng)隱患。監(jiān)控?cái)?shù)據(jù)的呈現(xiàn)形式應(yīng)該不僅僅是指標(biāo)趨勢(shì)圖表、柱狀圖等，還需要結(jié)合復(fù)雜的實(shí)際應(yīng)用場(chǎng)景需要，讓視圖具備下鉆分析和定制能力，以滿足運(yùn)維監(jiān)控、版本發(fā)布管理、故障排除等多場(chǎng)景需求。

隨著云原生技術(shù)的發(fā)展，基于異構(gòu)微服務(wù)架構(gòu)的場(chǎng)景會(huì)越來(lái)越多、越來(lái)越復(fù)雜，而可觀測(cè)性是一切自動(dòng)化能力構(gòu)建的基礎(chǔ)。只有實(shí)現(xiàn)全面的可觀測(cè)性，才能真正提升系統(tǒng)的穩(wěn)定性、降低 MTTR。因此，如何構(gòu)建系統(tǒng)資源、容器、網(wǎng)絡(luò)、應(yīng)用、業(yè)務(wù)的全棧可觀測(cè)體系，是每個(gè)企業(yè)都需要思考的問(wèn)題。

4. 韌性原則

韌性是指當(dāng)軟件所依賴(lài)的軟硬件組件出現(xiàn)異常時(shí)，軟件所表現(xiàn)出來(lái)的抵御能力。這些異常通常包括硬件故障、硬件資源瓶頸(如 CPU 或網(wǎng)卡帶寬耗盡)、業(yè)務(wù)流量超出軟件設(shè)計(jì)承受能力、影響機(jī)房正常工作的故障或?yàn)?zāi)難、所依賴(lài)軟件發(fā)生故障等可能造成業(yè)務(wù)不可用的潛在影響因素。

業(yè)務(wù)上線之后，在運(yùn)行期的大部分時(shí)間里，可能還會(huì)遇到各種不確定性輸入和不穩(wěn)定依賴(lài)的情況。當(dāng)這些非正常場(chǎng)景出現(xiàn)時(shí)，業(yè)務(wù)需要盡可能地保證服務(wù)質(zhì)量，滿足當(dāng)前以聯(lián)網(wǎng)服務(wù)為代表的“永遠(yuǎn)在線”的要求。因此，韌性能力的核心設(shè)計(jì)理念是面向失敗設(shè)計(jì)，即考慮如何在各種依賴(lài)不正常的情況下，減小異常對(duì)系統(tǒng)及服務(wù)質(zhì)量的影響并盡快恢復(fù)正常。

韌性原則的實(shí)踐與常見(jiàn)架構(gòu)主要包括服務(wù)異步化能力、重試 / 限流 / 降級(jí) / 熔斷 / 反壓、主從模式、集群模式、多 AZ(Availability Zone，可用區(qū))的高可用、單元化、跨區(qū)域(Region)容災(zāi)、異地多活容災(zāi)等。

下面結(jié)合具體案例詳細(xì)說(shuō)明如何在大型系統(tǒng)中進(jìn)行韌性設(shè)計(jì)。“雙 11”對(duì)于阿里巴巴來(lái)說(shuō)是一場(chǎng)不能輸?shù)膽?zhàn)役，因此其系統(tǒng)的設(shè)計(jì)在策略上需要嚴(yán)格遵循韌性原則。例如，在統(tǒng)一接入層通過(guò)流量清洗實(shí)現(xiàn)安全策略，防御黑產(chǎn)攻擊;通過(guò)精細(xì)化限流策略確保峰值流量穩(wěn)定，從而保障后端工作正常進(jìn)行。為了提升全局的高可用能力，阿里巴巴通過(guò)單元化機(jī)制實(shí)現(xiàn)了跨區(qū)域多活容災(zāi)，通過(guò)同城容災(zāi)機(jī)制實(shí)現(xiàn)同城雙活容災(zāi)，從而最大程度提升 IDC(Internet Data Center，互聯(lián)網(wǎng)數(shù)據(jù)中心)的服務(wù)質(zhì)量。在同一 IDC 內(nèi)通過(guò)微服務(wù)和容器技術(shù)實(shí)現(xiàn)業(yè)務(wù)的無(wú)狀態(tài)遷移;通過(guò)多副本部署提高高可用能力;通過(guò)消息完成微服務(wù)間的異步解耦以降低服務(wù)的依賴(lài)性，同時(shí)提升系統(tǒng)吞吐量。從每個(gè)應(yīng)用的角度，做好自身依賴(lài)梳理，設(shè)置降級(jí)開(kāi)關(guān)，并通過(guò)故障演練不斷強(qiáng)化系統(tǒng)健壯性，保證阿里巴巴“雙11”大促活動(dòng)正常穩(wěn)定進(jìn)行。

隨著數(shù)字化進(jìn)程的加快，越來(lái)越多的數(shù)字化業(yè)務(wù)成為整個(gè)社會(huì)經(jīng)濟(jì)正常運(yùn)轉(zhuǎn)的基礎(chǔ)設(shè)施，但隨著支撐這些數(shù)字化業(yè)務(wù)的系統(tǒng)越來(lái)越復(fù)雜，依賴(lài)服務(wù)質(zhì)量不確定的風(fēng)險(xiǎn)正變得越來(lái)越高，因此系統(tǒng)必須進(jìn)行充分的韌性設(shè)計(jì)，以便更好地應(yīng)對(duì)各種不確定性。尤其是在涉及核心行業(yè)的核心業(yè)務(wù)鏈路(如金融的支付鏈路、電商的交易鏈路)、業(yè)務(wù)流量入口、依賴(lài)復(fù)雜鏈路時(shí)，韌性設(shè)計(jì)至關(guān)重要。

5. 所有過(guò)程自動(dòng)化原則

技術(shù)是把“雙刃劍”，容器、微服務(wù)、DevOps 以及大量第三方組件的使用，在降低分布式復(fù)雜性和提升迭代速度的同時(shí)，也提高了軟件技術(shù)棧的復(fù)雜度，加大了組件規(guī)模，從而不可避免地導(dǎo)致了軟件交付的復(fù)雜性。如果控制不當(dāng)，應(yīng)用就會(huì)無(wú)法體會(huì)到云原生技術(shù)的優(yōu)勢(shì)。通過(guò) IaC、GitOps、OAM、Operator 和大量自動(dòng)化交付工具在 CI/CD(持續(xù)集成 /持續(xù)交付)流水線中的實(shí)踐，企業(yè)可以標(biāo)準(zhǔn)化企業(yè)內(nèi)部的軟件交付過(guò)程，也可以在標(biāo)準(zhǔn)化的基礎(chǔ)上實(shí)現(xiàn)自動(dòng)化，即通過(guò)配置數(shù)據(jù)自描述和面向終態(tài)的交付過(guò)程，實(shí)現(xiàn)整個(gè)軟件交付和運(yùn)維的自動(dòng)化。

要想實(shí)現(xiàn)大規(guī)模的自動(dòng)化，需要遵循如下四個(gè)基本原則。

(1) 標(biāo)準(zhǔn)化

實(shí)施自動(dòng)化，首先要通過(guò)容器化、IaC、OAM 等手段，標(biāo)準(zhǔn)化業(yè)務(wù)運(yùn)行的基礎(chǔ)設(shè)施，并進(jìn)一步標(biāo)準(zhǔn)化對(duì)應(yīng)用的定義乃至交付的流程。只有實(shí)現(xiàn)了標(biāo)準(zhǔn)化，才能解除業(yè)務(wù)對(duì)特定的人員和平臺(tái)的依賴(lài)，實(shí)現(xiàn)業(yè)務(wù)統(tǒng)一和大規(guī)模的自動(dòng)化操作。

(2) 面向終態(tài)

面向終態(tài)是指聲明式地描述基礎(chǔ)設(shè)施和應(yīng)用的期望配置，持續(xù)關(guān)注應(yīng)用的實(shí)際運(yùn)行狀態(tài)，使系統(tǒng)自身反復(fù)地變更和調(diào)整直至趨近終態(tài)的一種思想。面向終態(tài)的原則強(qiáng)調(diào)應(yīng)該避 免直接通過(guò)工單系統(tǒng)、工作流系統(tǒng)組裝一系列過(guò)程式的命令來(lái)變更應(yīng)用，而是通過(guò)設(shè)置終態(tài)，讓系統(tǒng)自己決策如何執(zhí)行變更。

(3) 關(guān)注點(diǎn)分離

自動(dòng)化最終所能達(dá)到的效果不只取決于工具和系統(tǒng)的能力，更取決于為系統(tǒng)設(shè)置目標(biāo)的人，因此要確保找到正確的目標(biāo)設(shè)置人。在描述系統(tǒng)終態(tài)時(shí)，要將應(yīng)用研發(fā)、應(yīng)用運(yùn)維、基礎(chǔ)設(shè)施運(yùn)維這幾種主要角色所關(guān)注的配置分離開(kāi)來(lái)，各個(gè)角色只需要設(shè)置自己所關(guān)注和擅長(zhǎng)的系統(tǒng)配置，以便確保設(shè)定的系統(tǒng)終態(tài)是合理的。

(4) 面向失敗設(shè)計(jì)

要想實(shí)現(xiàn)全部過(guò)程自動(dòng)化，一定要保證自動(dòng)化的過(guò)程是可控的，對(duì)系統(tǒng)的影響是可預(yù)期的。我們不能期望自動(dòng)化系統(tǒng)不犯錯(cuò)誤，但可以保證即使是在出現(xiàn)異常的情況下，錯(cuò)誤的影響范圍也是可控的、可接受的。因此，自動(dòng)化系統(tǒng)在執(zhí)行變更時(shí)，同樣需要遵循人工變更的最佳實(shí)踐，保證變更是可灰度執(zhí)行的、執(zhí)行結(jié)果是可觀測(cè)的、變更是可快速回滾的、變更影響是可追溯的。

業(yè)務(wù)實(shí)例的故障自愈是一個(gè)典型的過(guò)程自動(dòng)化場(chǎng)景。業(yè)務(wù)遷移到云上后，云平臺(tái)雖然通過(guò)各種技術(shù)手段大幅降低了服務(wù)器出故障的概率，但是卻并不能消除業(yè)務(wù)本身的軟件故障。軟件故障既包括應(yīng)用軟件自身的缺陷導(dǎo)致的崩潰、資源不足導(dǎo)致的內(nèi)存溢出(OOM)和負(fù)載過(guò)高導(dǎo)致的夯死等異常問(wèn)題，也包括內(nèi)核、守護(hù)進(jìn)程(daemon 進(jìn)程)等系統(tǒng)軟件的問(wèn)題，更包括混部的其他應(yīng)用或作業(yè)的干擾問(wèn)題。隨著業(yè)務(wù)規(guī)模的增加，軟件出現(xiàn)故障的風(fēng)險(xiǎn)正變得越來(lái)越高。傳統(tǒng)的運(yùn)維故障處理方式需要運(yùn)維人員的介入，執(zhí)行諸如重啟或者騰挪之類(lèi)的修復(fù)操作，但在大規(guī)模場(chǎng)景下，運(yùn)維人員往往疲于應(yīng)對(duì)各種故障，甚至需要連夜加班進(jìn)行操作，服務(wù)質(zhì)量很難保證，不管是客戶，還是開(kāi)發(fā)、運(yùn)維人員，都無(wú)法滿意。

為了使故障能夠?qū)崿F(xiàn)自動(dòng)化修復(fù)，云原生應(yīng)用要求開(kāi)發(fā)人員通過(guò)標(biāo)準(zhǔn)的聲明式配置，描述應(yīng)用健康的探測(cè)方法和應(yīng)用的啟動(dòng)方法、應(yīng)用啟動(dòng)后需要掛載和注冊(cè)的服務(wù)發(fā)現(xiàn)以及配置管理數(shù)據(jù)庫(kù)(Configuration Management Data Base，CMDB)信息。通過(guò)這些標(biāo)準(zhǔn)的配置，云平臺(tái)可以反復(fù)探測(cè)應(yīng)用，并在故障發(fā)生時(shí)執(zhí)行自動(dòng)化修復(fù)操作。另外，為了防止故障探測(cè)本身可能存在的誤報(bào)問(wèn)題，應(yīng)用的運(yùn)維人員還可以根據(jù)自身容量設(shè)置服務(wù)不可用實(shí)例的比例，讓云平臺(tái)能夠在進(jìn)行自動(dòng)化故障恢復(fù)的同時(shí)保證業(yè)務(wù)可用性。實(shí)例故障自愈的實(shí)現(xiàn)，不僅把開(kāi)發(fā)人員和運(yùn)維人員從煩瑣的運(yùn)維操作中解放了出來(lái)，而且可以及時(shí)處理各種故障，保證業(yè)務(wù)的連續(xù)性和服務(wù)的高可用性。

6. 零信任原則

基于邊界模型的傳統(tǒng)安全架構(gòu)設(shè)計(jì)，是在可信和不可信的資源之間架設(shè)一道墻，例如，公司內(nèi)網(wǎng)是可信的，而因特網(wǎng)則是不可信的。在這種安全架構(gòu)設(shè)計(jì)模式下，一旦入侵者滲透到邊界內(nèi)，就能夠隨意訪問(wèn)邊界內(nèi)的資源了。而云原生架構(gòu)的應(yīng)用、員工遠(yuǎn)程辦公模式的普及以及用手機(jī)等移動(dòng)設(shè)備處理工作的現(xiàn)狀，已經(jīng)完全打破了傳統(tǒng)安全架構(gòu)下的物理邊界。員工在家辦公也可以實(shí)現(xiàn)與合作方共享數(shù)據(jù)，因?yàn)閼?yīng)用和數(shù)據(jù)被托管到了云上。

如今，邊界不再是由組織的物理位置來(lái)定義，而是已經(jīng)擴(kuò)展到了需要訪問(wèn)組織資源和服務(wù)的所有地方，傳統(tǒng)的防火墻和虛擬專(zhuān)用網(wǎng)已經(jīng)無(wú)法可靠且靈活地應(yīng)對(duì)這種新邊界。因此，我們需要一種全新的安全架構(gòu)，來(lái)靈活適應(yīng)云原生和移動(dòng)時(shí)代環(huán)境的特性，不論員工在哪里辦公，設(shè)備在哪里接入，應(yīng)用部署在哪里，數(shù)據(jù)的安全性都能夠得到有效保護(hù)。如果要實(shí)現(xiàn)這種新的安全架構(gòu)，就要依托零信任模型。

傳統(tǒng)安全架構(gòu)認(rèn)為防火墻內(nèi)的一切都是安全的，而零信任模型假設(shè)防火墻邊界已經(jīng)被攻破，且每個(gè)請(qǐng)求都來(lái)自于不可信網(wǎng)絡(luò)，因此每個(gè)請(qǐng)求都需要經(jīng)過(guò)驗(yàn)證。簡(jiǎn)單來(lái)說(shuō)，“永不信任，永遠(yuǎn)驗(yàn)證”。在零信任模型下，每個(gè)請(qǐng)求都要經(jīng)過(guò)強(qiáng)認(rèn)證，并基于安全策略得到驗(yàn)證授權(quán)。與請(qǐng)求相關(guān)的用戶身份、設(shè)備身份、應(yīng)用身份等，都會(huì)作為核心信息來(lái)判斷請(qǐng)求是否安全。

如果我們圍繞邊界來(lái)討論安全架構(gòu)，那么傳統(tǒng)安全架構(gòu)的邊界是物理網(wǎng)絡(luò)，而零信任安全架構(gòu)的邊界則是身份，這個(gè)身份包括人的身份、設(shè)備的身份、應(yīng)用的身份等。要想實(shí)現(xiàn)零信任安全架構(gòu)，需要遵循如下三個(gè)基本原則。

(1) 顯式驗(yàn)證

對(duì)每個(gè)訪問(wèn)請(qǐng)求都進(jìn)行認(rèn)證和授權(quán)。認(rèn)證和授權(quán)需要基于用戶身份、位置、設(shè)備信息、服務(wù)和工作負(fù)載信息以及數(shù)據(jù)分級(jí)和異常檢測(cè)等信息來(lái)進(jìn)行。例如，對(duì)于企業(yè)內(nèi)部應(yīng)用之間的通信，不能簡(jiǎn)單地判定來(lái)源 IP是內(nèi)部 IP 就直接授權(quán)訪問(wèn)，而是應(yīng)該判斷來(lái)源應(yīng)用的身份和設(shè)備等信息，再結(jié)合當(dāng)前的策略授權(quán)。

(2) 最少權(quán)限

對(duì)于每個(gè)請(qǐng)求，只授予其在當(dāng)下必需的權(quán)限，且權(quán)限策略應(yīng)該能夠基于當(dāng)前請(qǐng)求上下文自適應(yīng)。例如，HR 部門(mén)的員工應(yīng)該擁有訪問(wèn) HR相關(guān)應(yīng)用的權(quán)限，但不應(yīng)該擁有訪問(wèn)財(cái)務(wù)部門(mén)應(yīng)用的權(quán)限。

(3) 假設(shè)被攻破

假設(shè)物理邊界被攻破，則需要嚴(yán)格控制安全爆炸半徑，將一個(gè)整體的網(wǎng)絡(luò)切割成對(duì)用戶、設(shè)備、應(yīng)用感知的多個(gè)部分。對(duì)所有的會(huì)話加密，使用數(shù)據(jù)分析技術(shù)保證對(duì)安全狀態(tài)的可見(jiàn)性。

從傳統(tǒng)安全架構(gòu)向零信任架構(gòu)演進(jìn)，會(huì)對(duì)軟件架構(gòu)產(chǎn)生深刻的影響，具體體現(xiàn)在如下三個(gè)方面。

第一，不能基于 IP 配置安全策略。在云原生架構(gòu)下，不能假設(shè) IP 與服務(wù)或應(yīng)用是綁定的，這是由于自動(dòng)彈性等技術(shù)的應(yīng)用使得 IP 隨時(shí)可能發(fā)生變化，因此不能以 IP 代表應(yīng)用的身份并在此基礎(chǔ)上建立安全策略。

第二，身份應(yīng)該成為基礎(chǔ)設(shè)施。授權(quán)各服務(wù)之間的通信以及人訪問(wèn)服務(wù)的前提是已經(jīng)明確知道訪問(wèn)者的身份。在企業(yè)中，人的身份管理通常是安全基礎(chǔ)設(shè)施的一部分，但應(yīng)用的身份也需要管理。

第三，標(biāo)準(zhǔn)的發(fā)布流水線。在企業(yè)中，研發(fā)的工作通常是分布式的，包括代碼的版本管理、構(gòu)建、測(cè)試以及上線的過(guò)程，都是比較獨(dú)立的。這種分散的模式將會(huì)導(dǎo)致在實(shí)際生產(chǎn)環(huán)境中運(yùn)行的服務(wù)的安全性得不到有效保證。如果可以標(biāo)準(zhǔn)化代碼的版本管理、構(gòu)建以及上線的流程，那么應(yīng)用發(fā)布的安全性就能夠得到集中增強(qiáng)。

總體來(lái)說(shuō)，整個(gè)零信任模型的建設(shè)包括身份、設(shè)備、應(yīng)用、基礎(chǔ)設(shè)施、網(wǎng)絡(luò)、數(shù)據(jù)等幾個(gè)部分。零信任的實(shí)現(xiàn)是一個(gè)循序漸進(jìn)的過(guò)程，例如，當(dāng)組織內(nèi)部傳輸?shù)乃辛髁慷紱](méi)有加密的時(shí)候，第一步應(yīng)該先保證訪問(wèn)者訪問(wèn)應(yīng)用的流量是加密的，然后再逐步實(shí)現(xiàn)所有流量的加密。如果采用云原生架構(gòu)，就可以直接使用云平臺(tái)提供的安全基礎(chǔ)設(shè)施和服務(wù)，以便幫助企業(yè)快速實(shí)現(xiàn)零信任架構(gòu)。

7. 架構(gòu)持續(xù)演進(jìn)原則

如今，技術(shù)與業(yè)務(wù)的發(fā)展速度都非常快，在工程實(shí)踐中很少有從一開(kāi)始就能夠被明確定義并適用于整個(gè)軟件生命周期的架構(gòu)模式，而是需要在一定范圍內(nèi)不斷重構(gòu)，以適應(yīng)變 化的技術(shù)和業(yè)務(wù)需求。同理，云原生架構(gòu)本身也應(yīng)該且必須具備持續(xù)演進(jìn)的能力，而不是一個(gè)封閉式的、被設(shè)計(jì)后一成不變的架構(gòu)。因此在設(shè)計(jì)時(shí)除了要考慮增量迭代、合理化目標(biāo)選取等因素之外，還需要考慮組織(例如架構(gòu)控制委員會(huì))層面的架構(gòu)治理和風(fēng)險(xiǎn)控制規(guī)范以及業(yè)務(wù)自身的特點(diǎn)，特別是在業(yè)務(wù)高速迭代的情況下，更應(yīng)該重點(diǎn)考慮如何保證架構(gòu)演進(jìn)與業(yè)務(wù)發(fā)展之間的平衡。

(1) 演進(jìn)式架構(gòu)的特點(diǎn)和價(jià)值

演進(jìn)式架構(gòu)是指在軟件開(kāi)發(fā)的初始階段，就通過(guò)具有可擴(kuò)展性和松耦合的設(shè)計(jì)，讓后續(xù)可能發(fā)生的變更更加容易、升級(jí)性重構(gòu)的成本更低，并且能夠發(fā)生在開(kāi)發(fā)實(shí)踐、發(fā)布實(shí)踐和整體敏捷度等軟件生命周期中的任何階段。

演進(jìn)式架構(gòu)之所以在工業(yè)實(shí)踐中具有重要意義，其根本原因在于，在現(xiàn)代軟件工程領(lǐng)域達(dá)成的共識(shí)中，變更都是很難預(yù)測(cè)的，其改造的成本也極其高昂。演進(jìn)式架構(gòu)并不能避免重構(gòu)，但是它強(qiáng)調(diào)了架構(gòu)的可演進(jìn)性，即當(dāng)整個(gè)架構(gòu)因?yàn)榧夹g(shù)、組織或者外部環(huán)境的變化需要向前演進(jìn)時(shí)，項(xiàng)目整體依然能夠遵循強(qiáng)邊界上下文的原則，確保領(lǐng)域驅(qū)動(dòng)設(shè)計(jì)中描述的邏輯劃分變成物理上的隔離。演進(jìn)式架構(gòu)通過(guò)標(biāo)準(zhǔn)化且具有高可擴(kuò)展性的基礎(chǔ)設(shè)施體系，大量采納標(biāo)準(zhǔn)化應(yīng)用模型與模塊化運(yùn)維能力等先進(jìn)的云原生應(yīng)用架構(gòu)實(shí)踐，實(shí)現(xiàn)了整個(gè)系統(tǒng)架構(gòu)在物理上的模塊化、可復(fù)用性與職責(zé)分離。在演進(jìn)式架構(gòu)中，系統(tǒng)的每個(gè)服務(wù)在結(jié)構(gòu)層面與其他服務(wù)都是解耦的，替換服務(wù)就像替換樂(lè)高積木一樣方便。

(2) 演進(jìn)式架構(gòu)的應(yīng)用

在現(xiàn)代軟件工程實(shí)踐中，演進(jìn)式架構(gòu)在系統(tǒng)的不同層面有著不同的實(shí)踐與體現(xiàn)。

在面向業(yè)務(wù)研發(fā)的應(yīng)用架構(gòu)中，演進(jìn)式架構(gòu)通常與微服務(wù)設(shè)計(jì)密不可分。例如，在阿里巴巴的互聯(lián)網(wǎng)電商應(yīng)用中(例如大家所熟悉的淘寶和天貓等)，整個(gè)系統(tǒng)架構(gòu)實(shí)際上被精細(xì)地設(shè)計(jì)成數(shù)千個(gè)邊界劃分明確的組件，其目的就是為希望做出非破壞性變更的開(kāi)發(fā)人員 提供更大的便利，避免因?yàn)椴贿m當(dāng)?shù)鸟詈蠈⒆兏鼘?dǎo)向難以預(yù)料的方向，從而阻礙架構(gòu)的演 進(jìn)?？梢园l(fā)現(xiàn)，演進(jìn)式架構(gòu)的軟件都支持一定程度的模塊化，這種模塊化通常體現(xiàn)為經(jīng)典的分層架構(gòu)及微服務(wù)的最佳實(shí)踐。

而在平臺(tái)研發(fā)層面，演進(jìn)式架構(gòu)更多地體現(xiàn)為基于“能力”的架構(gòu)( Capability Oriented Architecture，COA)。在 Kubernetes 等云原生技術(shù)逐漸普及之后，基于標(biāo)準(zhǔn)化的云原生基礎(chǔ)設(shè)施正迅速成為平臺(tái)架構(gòu)的能力提供方，而以此為基礎(chǔ)的開(kāi)放應(yīng)用模型( Open ApplieationModel，OAM )理念，正是一種從應(yīng)用架構(gòu)視角出發(fā)，將標(biāo)準(zhǔn)化基礎(chǔ)設(shè)施按照能力進(jìn)行模塊化的 COA 實(shí)踐。

(3) 云原生下的架構(gòu)演進(jìn)

當(dāng)前，演進(jìn)式架構(gòu)還處于快速成長(zhǎng)與普及階段。不過(guò)，整個(gè)軟件工程領(lǐng)域已經(jīng)達(dá)成共識(shí)，即軟件世界是不斷變化的，它是動(dòng)態(tài)而非靜態(tài)的存在。架構(gòu)也不是一個(gè)簡(jiǎn)單的等式，它是持續(xù)過(guò)程的一種快照。所以無(wú)論是在業(yè)務(wù)應(yīng)用還是在平臺(tái)研發(fā)層面，演進(jìn)式架構(gòu)都是一個(gè)必然的發(fā)展趨勢(shì)。業(yè)界大量架構(gòu)更新的工程實(shí)踐都詮釋了一個(gè)問(wèn)題，即由于忽略實(shí)現(xiàn)架構(gòu)，且保持應(yīng)用常新所要付出的精力是非常巨大的。但好的架構(gòu)規(guī)劃可以幫助應(yīng)用降低新技術(shù)的引入成本，這要求應(yīng)用與平臺(tái)在架構(gòu)層面滿足:架構(gòu)標(biāo)準(zhǔn)化、職責(zé)分離與模塊化。而在云原生時(shí)代，開(kāi)發(fā)應(yīng)用模型( OAM )正在迅速成為演進(jìn)式架構(gòu)推進(jìn)的重要助力。

結(jié)語(yǔ)

我們可以看到云原生架構(gòu)的構(gòu)建和演進(jìn)都是以云計(jì)算的核心特性(例如，彈性、自動(dòng)化、韌性)為基礎(chǔ)并結(jié)合業(yè)務(wù)目標(biāo)以及特征進(jìn)行的，從而幫助企業(yè)和技術(shù)人員充分釋放云計(jì)算的技術(shù)紅利。隨著云原生的不斷探索，各類(lèi)技術(shù)不斷擴(kuò)展，各類(lèi)場(chǎng)景不斷豐富，云原生架構(gòu)也將不斷演進(jìn)。但在這些變化過(guò)程中。典型的架構(gòu)設(shè)計(jì)原則始終都有著重要意義，指導(dǎo)我們進(jìn)行架構(gòu)設(shè)計(jì)以及技術(shù)落地。