爱奇艺会员服务在高可用架构的实战探索

最新推荐文章于 2022-11-17 09:19:37 发布

转载最新推荐文章于 2022-11-17 09:19:37 发布 · 389 阅读

本文分享了会员部门如何与网络等部门合作，实现服务高可用的实战经验。通过多备份和绕路回避策略，实现同一Region互备，涵盖DNS、应用、存储、消息和监控层的高可用方案。

点击“开发者技术前线”，选择“星标????”

13：21 在看|星标|留言, 真爱

▌概述

很多互联网公司在发展过程中大多出现过多次机房网络故障的情形，如果发生故障，一般需要动用整个IT部门的人力进行流量切换和客诉处理。为了避免此类情形的发生，公司计划进行服务的高可用建设。会员部门持续跟进公司网络基础设施建设，和网络等基础服务部门一起，实现服务的高可用。目前已经实现了同一Region的互备，这里分享一下会员服务的高可用建设的实战和探索。

对于网络、机房、硬件服务器之类的故障，一般采取多备份和绕路回避的策略，将流量从出故障设施切换到正常的集群中，将故障服务下线，待服务恢复后再切换回来。总体来说，须要求多副本部署、实时故障检测和服务快速切换。目前会员已经实现从最上层的DNS服务到底层的数据库的自动切换。

▌高可用的方案

网络层	多区域，多出口，出口有互备和切换的能力	根据目前的CDN结构，将地域划分为北方，华中，华南，海外四个区域，每个区域支持主流运营商，保证流量均衡
应用层	多机房部署，相互独立	到少保证两个机房互备，实现基础架构两地三中心的战略规划
储存层	多实例，可以指定切换方向	Mysql/Redis都可以自动将故障的实例下线
消息层	统一使用RMQ	RMQ支持高可用，可能自动备切，将amq替换为rmq
监控层	监控DNS，应用，数据库等实例，进行数据修复	提供监控功能，监控结点覆盖数据库和网络层，异常时，报警和切换。提供数据处理工具。

▌升级网络架构

1.运营商出口的互备

系统网络部门研发了域名，LB的运维管理平台，支持故障监测，业务异常时切换到备用资源，变更配置时进行通知。会员在使用过程中，提出了很多优化需求，如展示IP的地域和运营商信息，提升用户体验，目前部署了三套独立的出口IP，相互之间可以在网络层隔离和自动切换。因为数据库的主库暂时无法多机房部署，所以订单、权益等核心服务和数据库保持同城部署。目前在同城机房部署了两套出口IP，可以进行互备和自动切换。

用户访问最近的机房总是最快的，会员将DNS区域划分出北方，华中，华南三个独立的区域进行部署，设置独立的出口IP，区域划分上也保证了流量的均衡。网络组提供自动化的运维设施，通过故障演练，已经可以在故障时进行流量的自动切换。

在人员方面，邀请网络部门专业人员对会员团队进行网络基础架构和网络保障方案等的讲解，对过往故障进行整体分析总结，并一起对业务灾备方案做出调整。通过大家的共同努力，近一年来将业务故障率降为零。

2.内网IDC机房的互备

各机房通过专线互连互通。应用的部署与上下游的服务保持在同一个机房最佳，不占用专线带宽，提升服务稳定性，减少网络抖动和晚高峰的影响。在统计了应用的上下游的流量分布之后，应用在部署上覆盖了主要的机房，将最早的自建机房定义为备用机房。当主机房故障时，DNS系统通过定时检测，发现异常后会自动切换到备用机房。内网服务间东西向流量是很大的，高峰时直接切换到另一个机房可能会引起机房不稳定，所以每个服务从Nginx层配置了应用级别的限流。极端情况下的流量监控和限流成为保障服务安全稳定的最后屏障。流量可以在机房间进行切换，如果流量超过机房承载能力，会触发限流和报警。

▌升级应用服务

1.改造单点的应用

部分应用如worker一般都存在单点的情况，将应用改造成可以部署在多个IDC中，形成多个互备的集群。Worker一般会执行定时任务，通过改造定时任务，并使用了开源项目xxl-job，开发出了异步任务框架和调度系统(vip-job)，定时任务由调度系统触发，随机选择一台服务器进行任务调度，解决了单点问题。