容災(zāi)是一個非常傳統(tǒng)的話題，是在產(chǎn)生IT系統(tǒng)的第一天開始就必須要考慮的問題。總的來說它主要是指“數(shù)據(jù)中心災(zāi)難、區(qū)域性災(zāi)難和人為誤操作”三個方面造成對IT系統(tǒng)的災(zāi)難時的恢復(fù)工作。

將容災(zāi)這個詞，分開來看“容”和“災(zāi)”?！盀?zāi)“可大可小，某種意義上來講就是"單點"問題，例如核心業(yè)務(wù)部署單臺服務(wù)器上，這臺服務(wù)器宕機起不來了，對業(yè)務(wù)來講就是一場災(zāi)難；而“容”，是解決各種"單點"問題。以資源部署粒度來看，一直在解決單點問題路上，如下圖：

業(yè)務(wù)容災(zāi)方案有很多種，但是萬變不離其宗，本質(zhì)上都是通過“冗余”來解決"單點"問題；從而不同維度的單點問題，方案決策因素和成本差異會非常大。

1）為什么要做容災(zāi)？

梳理當前系統(tǒng)“災(zāi)”，主要有哪些痛點，并對其優(yōu)先級排序。例如單點隱患，難擴展性，運維成本高等等現(xiàn)狀，結(jié)合現(xiàn)狀進行排序，對后續(xù)方案選擇至關(guān)重要。

2）容災(zāi)要做到什么程度能滿足當前要求？

設(shè)計當前系統(tǒng)“容”，對當前系統(tǒng)潛在災(zāi)難逃生通道進行冗余設(shè)計，當災(zāi)難真正發(fā)生，預(yù)計多長時間能恢復(fù)，或者業(yè)務(wù)穩(wěn)定性SLA，如SLA=99.999%。

基于容災(zāi)范圍和目標，在設(shè)計容災(zāi)方案重點從以下三方面來考慮評估。

1）成本，包括人力，時間以及資金。對于成本和恢復(fù)耗時成反比，業(yè)務(wù)恢復(fù)時間越少，成本也會越高，這是強正相關(guān)。

2）可用性，首先考慮引入方案對現(xiàn)有系統(tǒng)增加哪些不確定因素，評估這些不確定對穩(wěn)定性影響。當前是是單可用區(qū)部署，主從數(shù)據(jù)同步使用強同步；客戶計劃實現(xiàn)同地域不同AZ粒度容災(zāi)。這樣一個變化會引入不確定因素，例如AZ之間網(wǎng)絡(luò)延時和穩(wěn)定性，如果AZ間網(wǎng)絡(luò)時常抖動，等待從節(jié)點返回ack有延時，線上業(yè)務(wù)時常被hang。其次考慮當前方案能否滿足容災(zāi)切換和恢復(fù)目標。

3）擴展性，主要為后續(xù)業(yè)務(wù)容災(zāi)平滑演進。從某種意義來講，無論是自建idc還是云廠家在建設(shè)數(shù)據(jù)中心時候都不能無限大，在物理機房限制條件下，如果業(yè)務(wù)發(fā)展足夠好，就會存在資源不夠，擴展受物理設(shè)施限制。因此在容災(zāi)方案選擇的時候，要有前瞻性，對于set化進行提前布局。

容災(zāi)的分類和關(guān)鍵指標rpo和rto。

傳統(tǒng)容災(zāi)的主要技術(shù)

從成本，可用性以及可擴展性做橫向?qū)Ρ?，容?zāi)主要有以下四種實現(xiàn)方案。

在國內(nèi)，“兩地三中心”的容災(zāi)架構(gòu)已經(jīng)廣泛的被企業(yè)級用戶認可，成為企業(yè)級容災(zāi)架構(gòu)的標準，但由于建設(shè)成本高，周期長等原因，實際按照此標準建設(shè)的企業(yè)少之又少?；旌显迫轂?zāi)架構(gòu)，就是在云環(huán)境中實現(xiàn)“兩地三中心”，同時利用！云中資源的彈性大幅度降低資源成本和建設(shè)以及運維的復(fù)雜性。

軟件定義一切，云容災(zāi)解放企業(yè)IT生產(chǎn)力

如果企業(yè)客戶已經(jīng)在自己的數(shù)據(jù)中心中完成了容災(zāi)環(huán)境的搭建，勢必消耗了大量了資源，包括機架空間、電力、IT資源、人力資源等等，而容災(zāi)環(huán)境本身是一個并不產(chǎn)生經(jīng)濟效應(yīng)的保障性系統(tǒng)，對企業(yè)資源的占用巨大。

云資源池通過軟件定義的方式，能夠打造與企業(yè)內(nèi)部完全相同的復(fù)雜IT環(huán)境，實現(xiàn)企業(yè)級應(yīng)用的完整鏡像，隨著應(yīng)用容災(zāi)系統(tǒng)遷移至云中，可以將企業(yè)現(xiàn)有的容災(zāi)中心轉(zhuǎn)變成生產(chǎn)中心，從而擴大客戶自建數(shù)據(jù)中心的承載能力，或大幅降低IT資源的運營成本。

隨時容災(zāi)演練，確保備用環(huán)境可用性

在傳統(tǒng)的容災(zāi)環(huán)境中，容災(zāi)演練是一個令人頭疼的大問題，因為容災(zāi)環(huán)境的建設(shè)不是“一錘子買賣”，隨著生產(chǎn)環(huán)境和數(shù)據(jù)的不斷變化，容災(zāi)環(huán)境必須跟隨生產(chǎn)環(huán)境改變，否則在發(fā)生災(zāi)難時就無法實現(xiàn)業(yè)務(wù)的快速切換和啟動，因此，定期的容災(zāi)演練是必須的。而傳統(tǒng)環(huán)境中的容災(zāi)演練要配合硬件和軟件廠商，耗時耗力，效果還往往不盡如人意。

在云環(huán)境中，能夠輕松實現(xiàn)容災(zāi)環(huán)境的復(fù)制，從而與生產(chǎn)環(huán)境并行的實現(xiàn)容災(zāi)環(huán)境的測試演練，通過實際的演練來驗證容災(zāi)環(huán)境的可用性以及數(shù)據(jù)的完整性，在演練結(jié)束后可以隨時將演練環(huán)境刪除或關(guān)停，演練成本和復(fù)雜程度都大幅降低。

云容災(zāi)實現(xiàn)秒級回滾，解決人為錯誤

在生產(chǎn)環(huán)境中，由于人為的誤操作、系統(tǒng)升級、補丁等操作造成的對IT系統(tǒng)以及數(shù)據(jù)的破壞很難防范，尤其是有一些操作和BUG導(dǎo)致系統(tǒng)在運行一段時間后才能發(fā)現(xiàn)故障，而此時容災(zāi)環(huán)境的數(shù)據(jù)有可能已經(jīng)被覆蓋，難以恢復(fù)。

在云中實現(xiàn)的容災(zāi)環(huán)境能夠借助數(shù)據(jù)快照、數(shù)據(jù)日志等功能，除了能夠保存最新的業(yè)務(wù)數(shù)據(jù)意外，還能夠?qū)崿F(xiàn)數(shù)據(jù)的秒級回滾。在發(fā)現(xiàn)系統(tǒng)出現(xiàn)故障后，不但能夠切換到容災(zāi)環(huán)境中的最新數(shù)據(jù)，還能夠選擇過去24小時中的任意時間點進行恢復(fù)，從而解決了容災(zāi)系統(tǒng)中的臟數(shù)據(jù)問題。

利用容災(zāi)環(huán)境切換，實現(xiàn)生產(chǎn)系統(tǒng)的平滑上云

現(xiàn)有的IT生產(chǎn)系統(tǒng)環(huán)境往往錯綜復(fù)雜且數(shù)據(jù)量大，這樣的系統(tǒng)往往需要冗長的數(shù)據(jù)搬遷和環(huán)境搭建時間，生產(chǎn)系統(tǒng)面臨長時間的停機，無法接受。

在云環(huán)境中，容災(zāi)解決方案能夠與生產(chǎn)系統(tǒng)并行地傳輸生產(chǎn)數(shù)據(jù)，并在云中搭建與企業(yè)內(nèi)部結(jié)構(gòu)相同的生產(chǎn)系統(tǒng)鏡像環(huán)境，待云中數(shù)據(jù)與生產(chǎn)中心數(shù)據(jù)同步一致后，以容災(zāi)切換的方式使生產(chǎn)業(yè)務(wù)切換至云上，最大限度地降低了生產(chǎn)環(huán)境的停機時間，實現(xiàn)了平滑上云。

容災(zāi)雖然是一個非常古老和傳統(tǒng)的IT業(yè)務(wù)，但隨著云計算技術(shù)的不斷成熟和普及，它恰恰成為了一個非常適合率先在公有云中實現(xiàn)的業(yè)務(wù)。

首先它的建設(shè)風(fēng)險低，與生產(chǎn)系統(tǒng)完全并行，前期投入小，無需提前采購，而且它還能夠成為企業(yè)上云過程中建設(shè)自身團隊云能力的一個絕好機會，經(jīng)過云容災(zāi)項目之后，企業(yè)對云資源、云技術(shù)都會有一個全面的了解，且能夠利用這個機會驗證云環(huán)境承載企業(yè)生產(chǎn)系統(tǒng)的能力到底如何，再逐步實現(xiàn)企業(yè)級IT環(huán)境的云轉(zhuǎn)型。

云容災(zāi)行業(yè)面臨的挑戰(zhàn)

取代傳統(tǒng)容災(zāi)思維，將“如何有效利用云資源構(gòu)建高效可靠的容災(zāi)服務(wù)，保障IT基礎(chǔ)架構(gòu)設(shè)施的安全性和穩(wěn)定性，從而確保業(yè)務(wù)的持續(xù)性穩(wěn)定增長”，作為企業(yè)高效安全智能地保護數(shù)據(jù)、賦能業(yè)務(wù)增長而思考的首要問題。在當前情況下，云容災(zāi)行業(yè)將面臨全新挑戰(zhàn)：

1.云原生能力

我們不難發(fā)現(xiàn)云原生帶給IT產(chǎn)業(yè)一次重新洗牌，從應(yīng)用開發(fā)過程到 IT 從業(yè)者的技術(shù)能力，都是一次顛覆性的革命。在此基礎(chǔ)上，出現(xiàn)了基于云原生平臺的 Open Application Model 定義，在云原生平臺基礎(chǔ)上進一步抽象，更加關(guān)注應(yīng)用而非基礎(chǔ)架構(gòu)。同時，越來越多的公有云開始支持 Serverless 服務(wù)，更加說明了未來的發(fā)展趨勢：應(yīng)用為核心，輕量化基礎(chǔ)架構(gòu)層在系統(tǒng)建設(shè)過程中的角色。

這種大的趨勢下，傳統(tǒng)的遷移和容災(zāi)仍然停留在數(shù)據(jù)搬運的層次上，而忽略了面向云的特性和用戶業(yè)務(wù)重新思考和構(gòu)建。云計算的愿景是讓云資源像水、電一樣按需使用，所以基于云上的遷移和容災(zāi)也理應(yīng)順應(yīng)這樣的歷史潮流。

傳統(tǒng)的容災(zāi)往往以存儲為核心，擁有對存儲的至高無上的控制權(quán)。并且在物理時代，對于計算、存儲和網(wǎng)絡(luò)等基礎(chǔ)架構(gòu)層也沒有有效的調(diào)度方法，無法實現(xiàn)高度自動化的編排。而基于云原生構(gòu)建的應(yīng)用，核心變成了云原生服務(wù)本身。當用戶業(yè)務(wù)系統(tǒng)全面上云后，用戶不再享有對底層存儲的絕對控制權(quán)，所以傳統(tǒng)的容災(zāi)手段，就風(fēng)光不在了。

在構(gòu)建云原生容災(zāi)的解決方案上，要以業(yè)務(wù)為核心去思考構(gòu)建方法，利用云原生服務(wù)的編排能力實現(xiàn)業(yè)務(wù)系統(tǒng)的連續(xù)性。云原生架構(gòu)也可以更好的提升業(yè)務(wù)穩(wěn)定性，最大程度的降低了企業(yè)內(nèi)耗。

2.多云的支持能力

國外的云計算市場穩(wěn)定成熟，比如，公有云市場最主要的云運營商只有AWS、微軟Azure、和Google Cloud，可謂“三足鼎立”。而我國云計算市場則是大相徑庭：我國實際運營的公有云至少在10朵以上，這個局面更像是“群雄逐鹿”；再加上專有云、私有云的各種產(chǎn)品，讓用戶在第一時間無從選擇。

國內(nèi)云市場紛繁復(fù)雜，很多企業(yè)用戶為避免單一廠商鎖定的問題而選擇混合云作為長期的云平臺建設(shè)戰(zhàn)略?；旌显颇壳笆怯脩艚ㄔO(shè)云平臺的首選方案，采用多云策略的企業(yè)將面臨更大的云容災(zāi)挑戰(zhàn)，這就要求云容災(zāi)工具能夠更好的對多云環(huán)境進行適配，滿足用戶跨云容災(zāi)的需求，真正實現(xiàn)用戶的業(yè)務(wù)數(shù)據(jù)跨云流轉(zhuǎn)成為常態(tài)。

3.更復(fù)雜的混合云場景

傳統(tǒng)IT架構(gòu)和云并存的情況下，企業(yè)用云的環(huán)境更加復(fù)雜。從本地到云，從云到云（包括公有云，私有云），上云，下云的容災(zāi)，都給容災(zāi)廠商帶來一些新的場景下的挑戰(zhàn)，需要改變傳統(tǒng)思維，來滿足多樣化的需求。

4.及時恢復(fù)能力提升

數(shù)據(jù)恢復(fù)的快慢，很大程度上制約著業(yè)務(wù)恢復(fù)的進度，容災(zāi)恢復(fù)過程中不對原始備份數(shù)據(jù)產(chǎn)生任何影響，最大限度減少因災(zāi)難或故障造成核心業(yè)務(wù)中斷的情況發(fā)生，有效保證原始備份數(shù)據(jù)安全的同時，也為備份數(shù)據(jù)的驗證奠定基礎(chǔ)。在用戶大量使用公有云和線路的情況下，及時恢復(fù)的解決方案面臨更大的挑戰(zhàn)。

5. CDP（continual data protection）連續(xù)數(shù)據(jù)保護能力提升

CDP（continual data protection）連續(xù)數(shù)據(jù)保護，是一種在不影響主要數(shù)據(jù)運行的前提下，可以實現(xiàn)持續(xù)捕捉或跟蹤目標數(shù)據(jù)所發(fā)生的任何改變，并且能夠恢復(fù)到此前任意時間點的方法采用CDP技術(shù)以后，用戶不必再留出專門的系統(tǒng)備份時間，即使發(fā)生故障，數(shù)據(jù)也可以在短時間內(nèi)(秒級)恢復(fù)到故障之前的任意時刻。用戶的數(shù)據(jù)量與日俱增，一些關(guān)鍵應(yīng)用的損失會給用戶帶來巨大損失，因此在追求更高的業(yè)務(wù)連續(xù)性上的要求始終在提升。