相信創(chuàng)新的力量，AWS這樣搭建云基礎(chǔ)設(shè)施

對于承擔(dān)數(shù)據(jù)中心運維重任的人來說，睡安穩(wěn)覺是個奢侈的事情。

越是在別人過節(jié)的時候，心理壓力越是大——類似機(jī)房臨時停電、光纜被挖斷的故障時常發(fā)生，甚至系統(tǒng)死機(jī)、存儲溢滿這樣奇怪的事情，也在一些巨頭級別的云服務(wù)商身上出現(xiàn)。

作為全球最大的云服務(wù)商，亞馬遜云服務(wù)（AWS）為全球數(shù)百萬企業(yè)的業(yè)務(wù)運行提供不間斷的支持，其面臨的運維壓力可想而知。那么，AWS是如何來構(gòu)建和運行其云基礎(chǔ)設(shè)施的呢？

在亞馬遜re:Invent 2020期間，AWS全球基礎(chǔ)架構(gòu)和客戶支持資深副總裁Peter DeSantis，分享了很多AWS的經(jīng)驗和心得。

從他的介紹中我們可以發(fā)現(xiàn)，創(chuàng)新這一DNA貫穿始終，通過自主研發(fā)、生態(tài)合作、業(yè)務(wù)模式等方面的技術(shù)創(chuàng)新，建立起一個穩(wěn)定可靠、高可用、高性價比的云基礎(chǔ)設(shè)施，進(jìn)而為客戶的業(yè)務(wù)創(chuàng)新提供動力。

以用戶需求為驅(qū)動的技術(shù)創(chuàng)新

隨著數(shù)字化轉(zhuǎn)型的深入，越來越多的傳統(tǒng)企業(yè)開始將應(yīng)用向云端遷移，而且從外圍輔助型應(yīng)用，逐步深入到生產(chǎn)和決策等核心業(yè)務(wù)系統(tǒng)。這些企業(yè)并不關(guān)心云服務(wù)商的底層技術(shù)到底是什么，而是希望這些技術(shù)能夠為自己的應(yīng)用和業(yè)務(wù)提供高可靠、高性價比的支持。

在亞馬遜，有一個重要的原則叫做“技術(shù)創(chuàng)新，不是商業(yè)利益驅(qū)動，而是用戶需求驅(qū)動”。在AWS的數(shù)據(jù)中心基礎(chǔ)設(shè)施方面，我們能夠看到這一準(zhǔn)則的有效應(yīng)用。

隨著云計算市場的快速增長，云服務(wù)廠商的業(yè)務(wù)規(guī)模也迅速成長。目前，AWS已經(jīng)成為全球第五大企業(yè)IT廠商，年營收達(dá)到460億美元。近年來，AWS還加強(qiáng)了核心部件方面的研發(fā)，推出了自己的CPU、主板、網(wǎng)絡(luò)等產(chǎn)品。

AWS在選擇自主研發(fā)對象時，是把用戶需求作為首要考慮因素，而不是“為創(chuàng)新而創(chuàng)新”。僅以芯片為例，AWS新近的兩個明星產(chǎn)品AWS Graviton2和AWS Inferentia，都是在為用戶提供更多的選擇，尤其是更高性價比的選擇。

原有的x86處理器，在Web網(wǎng)站等應(yīng)用場景中，很多處理能力其實是被浪費了，改用基于ARM的Graviton處理器，則可以節(jié)省40%的成本。而采用Graviton2的M6g實例，與采用至強(qiáng)處理器的M5實例相比，性價比的提升也能夠達(dá)到40%。

在機(jī)器學(xué)習(xí)中，推理計算占到了絕大部分的成本。AWS自行推出的Inferentia，其推理計算成本只有GPU的一半。用于訓(xùn)練計算的芯片AWS Trainium也即將推出。

在異構(gòu)計算需求日益高漲的今天，以用戶需求為驅(qū)動的技術(shù)創(chuàng)新，是云服務(wù)商的必然之選，目的是要讓用戶充分享受到云服務(wù)所帶來的便利和性價比，進(jìn)而為自身的數(shù)字化轉(zhuǎn)型奠定基礎(chǔ)。

以生態(tài)合作為基礎(chǔ)的自主可控

數(shù)據(jù)中心基礎(chǔ)設(shè)施的產(chǎn)品范圍很廣，任何一家企業(yè)都不可能完全依靠自身的力量來實現(xiàn)業(yè)務(wù)全覆蓋。AWS同樣如此，盡管其具備了很強(qiáng)的技術(shù)創(chuàng)新能力，但仍建立起廣泛的生態(tài)系統(tǒng)，在與各大廠商進(jìn)行業(yè)務(wù)合作的基礎(chǔ)上，進(jìn)行自主研發(fā)。

這一方面能夠?qū)崿F(xiàn)對關(guān)鍵部件的自主可控，提高整個數(shù)據(jù)中心和云服務(wù)的可靠性，另一方面也能夠為客戶帶來豐富的產(chǎn)品組合，提供更高性價比的服務(wù)。

我們都知道供電系統(tǒng)對于數(shù)據(jù)中心的重要性，一旦出現(xiàn)市電中斷，就需要迅速切換到UPS和自備發(fā)電機(jī)上，以保證服務(wù)的連續(xù)不間斷運行。數(shù)據(jù)中心的供電系統(tǒng)，有專門的電源廠商來提供，其硬件產(chǎn)品經(jīng)歷了長時間的市場檢驗，成熟可靠，AWS并未自己研發(fā)。

然而，對于供電系統(tǒng)的控制器軟件，AWS卻是自己開發(fā)的。Peter解釋說，越簡單的系統(tǒng)，才越可靠，電源廠商的軟件中包括很多AWS并不需要的內(nèi)容，容易出現(xiàn)問題，導(dǎo)致可靠性降低。AWS自己寫的嵌入式控制軟件，在去除不必要功能的同時，可以按照自己的速度來更新迭代，并且對所有區(qū)域、不同供應(yīng)商提供的設(shè)備，實現(xiàn)統(tǒng)一控制。

這種在生態(tài)合作基礎(chǔ)上的自主研發(fā)，可以用最小的成本實現(xiàn)“自主可控”。在為客戶帶來99.99997%可靠性的同時，AWS自身也保持了良好的贏利水平，實現(xiàn)了可持續(xù)性的成長。

獨創(chuàng)可用區(qū)模式的服務(wù)創(chuàng)新

全球化，是當(dāng)今社會不可逆轉(zhuǎn)的大趨勢。當(dāng)下，各大云服務(wù)商都在加強(qiáng)全球化業(yè)務(wù)布局，國內(nèi)云服務(wù)商也不例外。不過，在全球化布局方面，AWS仍是絕對的領(lǐng)先者。這不僅表現(xiàn)在其全球22個區(qū)域的廣泛覆蓋，還表現(xiàn)在其獨創(chuàng)了可用區(qū)模式。

國內(nèi)企業(yè)常說“兩地三中心”，即在兩個城市建設(shè)三個數(shù)據(jù)中心：本地的兩個數(shù)據(jù)中心可以雙活運行，以保證業(yè)務(wù)不間斷；異地的數(shù)據(jù)中心則用于災(zāi)備，一旦本地數(shù)據(jù)中心出現(xiàn)問題，可以用來恢復(fù)數(shù)據(jù)。

AWS則創(chuàng)造了可用區(qū)的概念，其每個提供服務(wù)的區(qū)域，通常包括2-4個離得比較近的可用區(qū)，可用區(qū)總數(shù)達(dá)到77個。

值得注意的是，可用區(qū)并不是簡單的兩個不同數(shù)據(jù)中心，其選址既要足夠近，又要足夠遠(yuǎn)——近到能夠滿足低時延業(yè)務(wù)的需要，遠(yuǎn)到不會因為同樣的災(zāi)害而導(dǎo)致兩個可用區(qū)同時受損。

火災(zāi)、洪水、龍卷風(fēng)，甚至人為災(zāi)害，都會對數(shù)據(jù)中心造成破壞，類似的事故已經(jīng)多次發(fā)生。那些對于可靠性有更高要求的企業(yè)，通過把應(yīng)用部署在不同的可用區(qū)上，實現(xiàn)了響應(yīng)速度和安全可靠之間的完美平衡。當(dāng)然，這對于AWS而言，意味著更多成本的付出和更高難度的運維。

以上，我們分享了AWS在數(shù)據(jù)中心基礎(chǔ)設(shè)施方面的三個經(jīng)驗。這些經(jīng)驗，對于其他數(shù)據(jù)中心的運營者來說，僅供參考。

可以明確的是，數(shù)據(jù)中心穩(wěn)定可靠的運維，并不是某幾個環(huán)節(jié)、一時努力的結(jié)果，而是長期付出、一個個小小努力不斷累加的成果。

目前，云服務(wù)市場規(guī)模只占整體企業(yè)IT市場的4%，未來成長空間巨大，也意味著云服務(wù)領(lǐng)域的創(chuàng)新空間巨大，需要我們不斷地探索前行……