考拉上“云”的431天：经历了怎样的“脱胎换骨”？(3)
|
“当时非常紧张，迁移的操作列表，每一个都非常长，每一个操作步骤后的验证步骤也非常长，需要很多同学配合做出精细化操作。一旦切到阿里云时出现差池，会对用户体验产生直接影响，我们的目标就是零故障，因此必须非常谨慎。”考拉测试质量团队负责人林兮说。 办公室里，伏见盯着大屏上的进度条一点点向前挪动，就像瞭望着一艘夜航巨轮，正在航道灯的引导下驶过暗礁险滩。 “其实演练过很多次，基本上不会出现问题。”伏见相信。3月1日凌晨3点40多分，进度条顺利走完，数据迁移大功告成。
全站切换至阿里云后，考拉立刻进入验证阶段，一有问题，工程师们迅速跟进解决，1日当天，成功闭环98%以上的问题。 “那天，这个数据在群里同步时，大家都很嗨，这可以算是一次‘零故障’迁移了。”林兮说。 数据搬完家后，考拉立刻开始备战3.8女神节大促，迎接考拉迁移上云后的首个流量洪峰。
经过连续几天的压测和紧急扩容，3.8女神节当天，考拉的流量峰值，较2019年双12增长了72%，而运行在云上的考拉如磐石般稳稳地扛住了流量峰值，而且成本比之前大幅度降低。 考拉各业务线也在当天被证明已100%打通，形成闭环。 直到大促结束，吴明团队没有接到伏见的紧急电话，没有消息，就是最好的消息。 每年节省2000万元成本 3月31日，考拉如期从网易机房下线，铺设在网易和阿里之间的5公里光纤专线，在完成历史使命后也顺利拆除。 至此，考拉全面上云、快速入园的任务，获得了里程碑式的成功。 圆满完成第一阶段目标后，考拉开始了全面的云原生之路。
过去，每到大促前夕，考拉都要提前几个月打申请，临时购买服务器扩容。 如今，借助阿里云的弹性计算，考拉可实现单日内的弹性收缩。 还有同城双活数据中心，考拉过去一直想做。 在同个城市部署两个数据中心的好处在于，可以在一个数据中心发生故障或灾难的情况下，实现用户的“故障无感知”。 考拉曾在2019年做过一套方案，发现建设这个能力需要8个月，成本高达上千万元。 阿里早已尝试过“同城双活”、“异地双活”、甚至“异地多活”，在阿里云原生产品天然多AZ容灾能力下，考拉在一个月内就完成了“同城双活”的能力建设，具备了多AZ容灾能力。
“工作被‘抢’走了，我还挺高兴的。”这是考拉运维工程师李斌的肺腑之言。 3.8女神节后，考拉用户量大增，却苦了运维的同学。 一直以来，考拉使用自建的ZooKeeper（分布式协调服务），一旦负载增大，某台服务器宕机后，就会自动选举新的服务器，这个过程中无法对外提供服务。 宕机伴随的警报声，可能发生在任何时间节点，李彬不止一次在凌晨恢复数据，而且钉钉群里还有一线业务员“刷屏”式的催促。
伏见发现阿里云有一套MSE（微服务引擎），相当一个全托管平台，找阿里云问了两句，对方工程师就拍着胸脯说，“没问题的，以后的运维工作我们都包了。” 阿里云的资源弹性能力和自动化运维技术，预计为考拉每年节省成本近2000万元，同时计算性能提升20%。考拉也不再设立专门的运维团队。 “开箱即用”的云上产品，更像是一种共享经济，而且阿里云这些云产品经过历年双11的打磨，解决过业界最难的问题场景和复杂度。 和阿里云一起吃第一个螃蟹 2019年9月到2020年3月31日，归功于阿里云的成熟产品，“考拉迁云”顺利完成，考拉基础产品负责人玄圈对这一过程的评价是“稳定”，但到了“考拉换树”全面拥抱云原生时，阿里云一些“半定制”产品，却带来了一些新的挑战。
在阿里云的PaaS层系统中，有一个名为ARMS（业务实时监控服务）的中间件，可以通过实时监控系统运行指标，评估系统健康状态。 AMRS最大的优点是改造成本低，一行代码就能接入，原本的多数业务也不需要修改。但是ARMS也是个“考拉定制版”的产品，支持全链路压测，上万级节点体量的考拉，是第一个吃螃蟹的“自己人”。 第一次为伏见做ARMS介绍的人，是阿里云架构师涯海，两人一见如故。 （编辑：ASP站长网） |
考拉团队从阿里滨江园区搬到西溪园区前的留念
被变更伤害的码农，是