金山云云计算高可用策略：热升级与自动故障转移

"在云计算领域，高可用性是确保服务稳定性和连续性的关键因素。金山云在GOPS2016全球运维大会上分享了他们应对云计算高可用性挑战的经验和策略。面对快速发展的云计算环境，包括规模与增速的扩大、设备异构和老化等问题，以及各种计划内外的故障，如硬件错误、软件崩溃、系统升级等，金山云提出了相应的解决方案。" 云计算的高可用方案主要关注以下几个方面： 1. **服务等级协议（SLA）**：SLA是衡量服务可用性的重要标准，用户期望的平均不可用时间通常很低，例如20分钟/月。高可用的目标是降低故障的频率、减少单次故障持续时间和减小影响范围。 2. **计划内操作的无影响升级**：通过热升级和在线迁移技术，可以实现在不影响服务的情况下进行设备或软件升级。金山云利用ksplice和kpatch等工具处理内核热升级，解决高频函数调用问题，并且将停机时间控制在300毫秒以内。此外，他们还开发了自己的增量磁盘格式（ksc_inc），以降低本地数据传输时间。 3. **计划外故障的自动应对**：对于无法预见的问题，如硬件故障或软件崩溃，金山云采用AutoFailover技术，结合共享存储和精准监控来快速切换到备用系统，确保服务不间断。他们自研的高可靠弹性块存储（KDFS）提供了共享存储的高可用保障。同时，通过优化重启流程，减少了宕机时间。 4. **本地存储的高可用**：在线迁移过程中，本地存储的高可用性是一个挑战。金山云通过ksc_inc技术，实现了仅传输增量数据，从而降低了数据传输时间，提升了迁移效率。 5. **自动化备份**：除了上述措施，自动备份也是确保高可用性的重要手段，它可以在发生灾难性故障时恢复服务。 云计算的高可用方案需要涵盖预防、检测、响应和恢复等多个层面，以确保即使在复杂多变的环境中也能提供持续、稳定的服务。金山云的经验表明，通过技术创新和精细化管理，可以有效应对云计算的高可用性挑战。