高德地图稳定性架构：主动容灾与故障诊断实践

"高德稳定性架构实践梁磊" 阿里巴巴高德团队的梁磊分享了关于高德稳定性架构的一些关键实践和设计理念。在这个分享中，梁磊首先强调了稳定性对于在线系统的重要性，特别是在高德这样的地图服务中，由于结果与地理位置紧密相关，且位置具有不可枚举性，稳定性显得尤为重要。此外，高德需要面对各种各样的业务场景，如手机端、PC、WebMO、开放平台、苹果地图、车联网和导航等，这些不同的业务需求对稳定性架构提出了独特的挑战。 为了应对这些挑战，梁磊提出了系统容灾的一般原则和主动容灾架构设计。他提倡建立一个主动防范体系，将在线服务分为不同的层次，每个层次都有相应的容灾能力： 1. 系统级：包括防止攻击的能力和快速流量切换与引导。 2. 接入层：通过有效的流控机制（如TMD）、异常流量检测和屏蔽以及降级预案来保障稳定性。 3. 服务层：服务应具备自我保容和容错能力，提供快速诊断机制，以及降级预案和分级发布及快速回滚功能。 4. 数据层：实施数据的预上线与分级发布，以及数据校验和异常保护机制。 在搜索领域，高德构建了主动容灾系统，以实现服务自我保护和过载保护。过载保护是服务在异常情况下主动进入保护状态，确保在保护容量内稳定服务输出。然而，确定过载指标和判断状态是一大难点。梁磊提出可以基于队列状态、CPU利用率或活跃任务状态来判断过载，并设计了相应的过载发现机制和防抖动策略。 为了进一步增强系统的容灾能力，高德采用了容灾Cache和延迟环境。容灾Cache可以在服务异常时承载大部分流量，而延迟环境则提供了历史版本的服务或数据镜像，用于提供有损的降级服务。这样的设计使得系统在面临故障时能够快速恢复，保障用户体验。 高德的稳定性架构实践涵盖了从系统层面到服务细节的全方位考虑，通过主动容灾、实时监控和灵活的降级策略，确保了在线服务的稳定性和可靠性。这种架构设计不仅适用于地图服务，也为其他依赖稳定性的在线业务提供了有价值的参考。