現代企業為確保軟件系統的持(chi)續可用而承受著巨大的壓力。系統宕機不僅會(hui)(hui)給企業造成數百萬美元的經濟損失，還(huan)會(hui)(hui)對品(pin)牌(pai)形象(xiang)以(yi)及客戶產生負(fu)面影響。
所有企業都面臨著越來(lai)越多的(de)(de)(de)IT系(xi)統(tong)挑戰。例(li)如，持續增加的(de)(de)(de)遠程(cheng)系(xi)統(tong)調(diao)用、日益復雜和分布式的(de)(de)(de)系(xi)統(tong)，以及系(xi)統(tong)功能的(de)(de)(de)頻繁更新(xin)等(deng)都會增加系(xi)統(tong)中斷(duan)的(de)(de)(de)風險(xian)。
企業遷移到云(yun)端可以(yi)大(da)大(da)降低(di)這(zhe)種風險。云(yun)服(fu)務提供商規模(mo)化的運營方式，讓(rang)其在基(ji)礎設施(shi)韌(ren)性方面持續深(shen)耕。在亞(ya)馬遜云(yun)科技，我(wo)們從一開(kai)始就在基(ji)礎設施(shi)、服(fu)務設計與部(bu)署、運營模(mo)式和(he)機(ji)制中(zhong)將韌(ren)性考慮其中(zhong)。例(li)如(ru)，亞(ya)馬遜云(yun)科技擁有99個可用(yong)區(qu)(截至2023年(nian)3月)，由部(bu)署在世界各(ge)地的數據中(zhong)心組成，可以(yi)承受幾乎(hu)任何類型(xing)或(huo)規模(mo)的中(zhong)斷沖擊。
亞馬遜云(yun)科技為客戶提(ti)供了(le)可(ke)靠的基礎設(she)施(shi)，讓客戶構建和運行(xing)他們(men)的應用。但同(tong)(tong)時客戶也需要確保運行(xing)在基礎設(she)施(shi)之上的應用同(tong)(tong)樣具有(you)韌性。下面三種方法可(ke)以幫助企業(ye)提(ti)高韌性。
1.盡可能擴大自動化范圍
根據Uptime Institute 的(de)數據，大約70%的(de)數據中心(xin)和服務中斷是(shi)由人為錯誤造成的(de)。(我預測這(zhe)個比(bi)例會更高，這(zhe)也(ye)(ye)是(shi)亞馬(ma)遜(xun)云科技如(ru)此專注于自動化的(de)原(yuan)因。)因為手動操作會帶(dai)來風險，為此從備(bei)份到(dao)測試(shi)需要(yao)盡可能地自動化，自動化是(shi)創建韌(ren)性架構(gou)的(de)關鍵。位于馬(ma)里蘭州農(nong)村地區(qu)的(de)一家(jia)獨立醫院CalvertHealth, 在將(jiang)其(qi)應(ying)用恢復系(xi)統(tong)遷移到(dao)亞馬(ma)遜(xun)云科技后也(ye)(ye)意識到(dao)這(zhe)一點(dian)。
以前，電子健康記錄(lu)的數(shu)(shu)據(ju)備份是(shi)在企(qi)業數(shu)(shu)據(ju)中心(xin)服務器上手(shou)動管理(li)的，這些記錄(lu)對于患者的護(hu)理(li)至關重要。恢(hui)復(fu)(fu)時間目標(RTO)用于衡(heng)量(liang)中斷和恢(hui)復(fu)(fu)服務之間的最大允許時間，這一數(shu)(shu)值曾為48至72小時。CalvertHealth將其應用恢(hui)復(fu)(fu)系統遷移到亞馬遜云科技后(hou)，RTO降至兩小時以下，縮短了(le)97%。
在部署之(zhi)前識別(bie)和解決代碼(ma)中(zhong)的(de)問題(ti)，也(ye)是(shi)構(gou)建(jian)高可用(yong)(yong)性(xing)(xing)、高韌性(xing)(xing)應(ying)用(yong)(yong)的(de)重要組成部分。手動審(shen)(shen)查依賴(lai)于審(shen)(shen)查人員的(de)專業(ye)知識和識別(bie)潛在問題(ti)的(de)能(neng)力。但是(shi)，借助機器學習(ML)加持的(de)代碼(ma)審(shen)(shen)查工具，企業(ye)可以實現這一過(guo)程(cheng)的(de)自動化，甚至(zhi)還(huan)能(neng)優化應(ying)用(yong)(yong)性(xing)(xing)能(neng)。
Cognizant是世界領(ling)先的專業服務提供(gong)商之一(yi)，它使用(yong)亞馬遜云科技的自動化代碼審查功(gong)能來幫助開發和運(yun)營(ying)團隊主(zhu)動識別(bie)和解決問(wen)題，并確保其(qi)部署的性(xing)能、安全性(xing)和合規性(xing)超出了來自不同行業和地區的客戶的要求。
2.持續測試來應對未知
持(chi)續測試是(shi)工(gong)(gong)程師理解系統(tong)如何應對未知情況(kuang)的方法(fa)。實(shi)現(xian)這(zhe)個目標的做法(fa)之一是(shi)故意搞“破壞”。這(zhe)被稱為“混沌(dun)工(gong)(gong)程”，由Netflix開(kai)創。
通過這種方法，企業能(neng)夠執行故障注入(ru)實驗，幫助(zhu)團隊營造真實世界所需(xu)的條件，來發現分布式系統中難以甄別的隱(yin)藏(zang)錯誤、盲點和性能(neng)瓶頸。
自21世(shi)紀(ji)初以來，亞(ya)馬遜(xun)一直在不會對客戶(hu)產生(sheng)影響的(de)精準(zhun)控制的(de)情況(kuang)(kuang)下，有意(yi)注入故障。這(zhe)提(ti)高了(le)我們的(de)應變能力，確保我們為最壞的(de)情況(kuang)(kuang)做好了(le)準(zhun)備。如果(guo)我們能觸發罕見(jian)事件，并更頻繁(fan)地調整應對措施，那我們就做好了(le)準(zhun)備。
另一(yi)種流行的(de)(de)測(ce)試方法是韌性“游戲日(ri)”(game days)，它通過模(mo)擬一(yi)個失敗或其他事(shi)(shi)件來(lai)測(ce)試系統、流程和團隊(dui)的(de)(de)響應。這種方法的(de)(de)目的(de)(de)是盡(jin)可能逼真(zhen)地演習如果異常事(shi)(shi)件真(zhen)的(de)(de)發生，團隊(dui)會采取的(de)(de)行動。企業可以在亞馬遜(xun)云(yun)科(ke)技中使(shi)用(yong)其生產環境的(de)(de)完整副本進(jin)行游戲日(ri)演練。
3.統一可觀測性指標
了解系統的(de)(de)運行(xing)情況對(dui)實現卓越(yue)的(de)(de)運營和(he)(he)韌性至關重(zhong)要。企業不斷收(shou)集和(he)(he)分(fen)析應用(yong)(yong)數據，才(cai)能更(geng)快(kuai)地檢(jian)測和(he)(he)解決應用(yong)(yong)可(ke)用(yong)(yong)性和(he)(he)性能方面存在(zai)的(de)(de)問(wen)題(ti)，從而改善(shan)最終用(yong)(yong)戶的(de)(de)體驗。但隨著應用(yong)(yong)復雜性的(de)(de)日益增加，問(wen)題(ti)出現時很(hen)難快(kuai)速定(ding)位并加以解決。
例如，Docebo是一家全球(qiu)電子學(xue)習技術(shu)供應(ying)商，他們(men)的開發人員在遇到(dao)問題時往(wang)往(wang)會(hui)花上幾(ji)(ji)天時間進行(xing)故障排除。Docebo使用亞馬遜云(yun)科技的多種分析服(fu)務，將(jiang)其(qi)所有日志記錄和跟蹤數據進行(xing)結合(he)，創建(jian)了單一事(shi)實來源(yuan)。為此，公司(si)將(jiang)故障排除時間縮短了90%，修復(fu)錯誤(wu)的時間從(cong)70%-80%減少到(dao)15%以(yi)下。過去需(xu)要幾(ji)(ji)天才可以(yi)完成(cheng)的工(gong)作(zuo)現在只需(xu)要幾(ji)(ji)分鐘。
行而不輟，未來可期
IT韌性(xing)是一段(duan)無盡之旅。新技術、新威(wei)脅和(he)新的處(chu)事(shi)之道層(ceng)出不窮。這就是亞(ya)馬(ma)遜(xun)云科(ke)技不懈努力改進基(ji)礎設(she)施、服務(wu)設(she)計、運營(ying)模式和(he)機(ji)制，持(chi)續(xu)加強(qiang)與發展云設(she)施韌性(xing)的原(yuan)因。亞(ya)馬(ma)遜(xun)云科(ke)技將持(chi)續(xu)為(wei)(wei)客(ke)戶提(ti)供(gong)(gong)廣泛、深入的架構及運營(ying)最佳(jia)實踐服務(wu)、工具和(he)指導，為(wei)(wei)他們的韌性(xing)之旅提(ti)供(gong)(gong)支持(chi)。
