宕機時間少七倍，揭秘AWS基礎設施的運維之道

從2006年8月份正式開通云服務，到2020年第三季度收入達到116億美元，同比增長29%，年化收入達到460億美元。AWS營收規(guī)模在一個IT產(chǎn)業(yè)史上堪稱神話，這背后數(shù)據(jù)中心等基礎設施功不可沒。如果沒有強大的數(shù)據(jù)中心作為支撐，為全球數(shù)以萬計用戶提供各種各樣云服務，AWS不可能連續(xù)多年保持如此驚人的增長速度。

一直以來，AWS的數(shù)據(jù)中心無論是數(shù)量、規(guī)模、設計、運營都充滿神秘感，外界對其是知之甚少，也是業(yè)界眾多伙伴十分感興趣的。在今年的AWS re:Invent大會上，AWS全球基礎架構(gòu)和客戶支持資深副總裁Peter DeSantis甩出諸多干貨，詳細介紹了AWS的數(shù)據(jù)中心在面向全球服務眾多用戶是如何做到穩(wěn)定、定制和環(huán)保的。

任何設備都會壞

數(shù)據(jù)中心等基礎設施是云服務商的核心命脈，由于大部分云服務商隨著業(yè)務的增長，其數(shù)據(jù)中心的規(guī)模和設備數(shù)量也會隨之膨脹，帶來的就是數(shù)據(jù)中心故障和宕機風險的增長。AWS作為全球云計算巨頭，其數(shù)據(jù)中心規(guī)模無出其右，它又是如何看待風險以及解決風險的。

“不要去回避各種故障，因為任何設備都會壞，你需要做的就是預測什么時候壞，并且做好準備。”--這就是AWS在數(shù)據(jù)中心基礎設施運營和維護的核心原則。也正是在這個原則的指導下，AWS一年的平均宕機時間比2018年規(guī)模次大的云端供應商少七倍之多。

面對規(guī)模如此之大、復雜性如此高的數(shù)據(jù)中心基礎設施，AWS的首先思路就是降低各種設備的復雜性，比如發(fā)電機組的配電系統(tǒng)和UPS，這些都是傳統(tǒng)廠商生產(chǎn)的通用型產(chǎn)品，往往擁有豐富的功能和極高的復雜性，“部件越復雜的東西意味著壞的概率就越大。配電系統(tǒng)的控制系統(tǒng)是嵌入式系統(tǒng)，非常復雜，很多功能其實并不是AWS所需要的?！盇WS大中華區(qū)產(chǎn)品部計算與存儲總監(jiān)周舸介紹道。

為此，AWS的思路就是降低產(chǎn)品的復雜性，既符合自身業(yè)務需求，又提升了運維的簡易性。比如，AWS針對自身情況做了一套控制器系統(tǒng)，一旦有問題發(fā)生，可以馬上進行修改，做到盡量不影響到用戶業(yè)務；又如，AWS將數(shù)據(jù)中心UPS電池做小,通過自己的軟件來控制UPS，當每個單元設備出現(xiàn)問題時，其所帶來的麻煩也下降很多。

除了數(shù)據(jù)中心部件級的運維之外，AWS對于整個地理區(qū)域的可用區(qū)都有著全面的保護機制。據(jù)悉，AWS細分地理區(qū)域和可用區(qū)（AZ），這與其他云提供商有很大不同：首先，遠距離的可用區(qū)設置，可以降低自然災難（火災，水災…）帶來的業(yè)務中斷風險；其次，用戶選擇最近站點接入以低延遲訪問AWS云資源；第三，AWS分別管理每個區(qū)域中的運維，將故障分割；

“從最小的零件，到整個可用區(qū)的架構(gòu)，AWS是一層層思考如果發(fā)生了故障或者宕機會給用戶帶來哪種影響，并且盡量不影響到用戶的業(yè)務?！敝荇囱a充道。

定制芯片，讓數(shù)據(jù)中心發(fā)揮極致

在數(shù)據(jù)中心等基礎設施中，芯片擔當著計算的重任，對于整個數(shù)據(jù)中心的能耗、效率、性能、運維等都有著重要影響。同樣，AWS在針對不同應用和需求定制芯片上也在持續(xù)發(fā)力，持續(xù)打造數(shù)據(jù)中心的極致能。

在AWS Nitro方面，已經(jīng)成為數(shù)據(jù)中心物理資源的一個抽象層，AWS云平臺通過AWS Nitro控制器向Amazon EC2添加網(wǎng)絡，存儲和安全資源。今年，Nitro已經(jīng)成功發(fā)展到第四代。

在剛剛推出的Amazon EC2 Mac計算實例中，就是AWS通過在在Mac Mini上安裝了Nitro Controller，沒有Hypervisor的Nitro Controller可以安全快速地連接到Mac Mini。那些為iPhone、iPad、Mac、Apple Watch、Apple TV和Safari開發(fā)應用的開發(fā)人員，可以通過使用EC2 Mac實例，在幾秒鐘內(nèi)配置和訪問macOS環(huán)境，根據(jù)需求動態(tài)擴展容量。

AWS Graviton是基于ARM的芯片組，今年推出了AWS Graviton 2作為通用處理器；高性價比的AWS Graviton 2不僅可以很好地處理前端工作負載，對于IO密集型工作負載也很友好。

事實上，當前芯片處理器已經(jīng)發(fā)展到一個十字路口，最近幾年以來，芯片處理器能力的提升一直不太明顯，芯片頻率提升在減慢，取而代之的是芯片核心數(shù)在不斷提升，處理器走向并行處理的趨勢明顯。

“有三個條件在影響多核處理器的發(fā)展。首先是多核操作系統(tǒng)；其次是多核應用程序；另外一個就是微服務。2015年之后，容器、無服務等微服務化發(fā)展迅速，微服務將工作負載切分的很細，這就對計算資源要求很細，特別是和多核架構(gòu)。”周舸透露。

現(xiàn)在傳統(tǒng)處理器因為需要兼容傳統(tǒng)工作負載，所以芯片越做越大、越來越復雜，增加了很多功能，比如SMT多線程控制組件，SMT雖然可以多個線程共享和共用計算資源，但也會帶來工作負載不平衡、性能容易受影響以及安全隱患等問題?！癎raviton 2這樣的多核處理器就能很好地解決這些問題?！敝荇幢硎?。

可再生能源，讓數(shù)據(jù)中心走向環(huán)保

有人統(tǒng)計，目前全球數(shù)據(jù)中心的電力消耗總量已經(jīng)占據(jù)了全球電力使用量的百分之三，到2025年，全球數(shù)據(jù)中心使用的電力總量按現(xiàn)在的電力價格來估算的話，將會超過百億美元，年均復合增長率將達到6%。隨著全球數(shù)字化腳步的提速，未來對于超大型數(shù)據(jù)中心的需求也上升。AWS作為超大型數(shù)據(jù)中心的運營者，其對于數(shù)據(jù)中心走向環(huán)保的步伐正在持續(xù)加速。

環(huán)保，也是今年P(guān)eter DeSantis在re:Invent大會上演講的一個核心議題。

據(jù)悉，AWS致力于以盡可能環(huán)保的方式運營業(yè)務，并實現(xiàn)全球基礎設施100%使用可再生能源。AWS正朝著到2025年100%利用可再生能源的道路前進，比其最初的2030年目標提前了五年。

為此，AWS用多項舉措來提高用水的效率，減少用于冷卻數(shù)據(jù)中心的飲用水的使用。AWS通過評估每個AWS區(qū)域的氣候模式、當?shù)厮Y源管理和可用性以及保護飲用水水源的機會來制定用水戰(zhàn)略。

此外，亞馬遜宣布了五個新的公用事業(yè)規(guī)模的太陽能項目，為中國、澳大利亞和美國的全球業(yè)務提供電力，一共增加615 MW再生能源發(fā)電能力，預計每年發(fā)電120萬MW。

2020年亞馬遜對可再生能源的總投資項目已達到35個，裝機容量超過4 GW，這也是目前世界上單一企業(yè)在1年內(nèi)對可再生能源的最大的一筆投資。這些新項目將使亞馬遜所擁有的可再生能源的的總裝機容量在2020年達到6.5 GW，并成為有史以來最大的企業(yè)可再生能源采購商。

事實上，AWS對于數(shù)據(jù)中心環(huán)保的投入，不僅僅是對于自身成本的一直控制，更是踐行環(huán)保理念的責任體現(xiàn)。面向未來，AWS在數(shù)據(jù)中心基礎設施領域的建設理念必然會影響到全球更多用戶和同行，為基礎設施發(fā)展帶來全新的思考。