从 Ops 到 NoOps，阿里文娱智能运维的关键：自动化应用容量管理

作者| 阿里文娱高级开发工程师 金呈
责编 | 夕颜
出品 | 优快云（ID：优快云news）

概述

1. 背景

随着业务形态发展，更多的生产力集中到业务创新，这背后要求研发能力的不断升级。阿里文娱持续倾向用更加高效、稳定、低成本的方式支持快速软件交付，保障高可用。于是运维力从 “HaaS”（Handwork as a Service）到“PaaS”再到“SaaS”（System as a Service），运维生产力从 Ops 到 DevOps 再到 NoOps。

在传统应用容量管理模式下，应用、集群容量评估缺乏有效数据依据与支撑，往往牺牲效率或成本来平衡经验决策风险，另一方面，人肉决策和执行难以满足业务对稳定性和效能的追求。因此，阿里文娱急需一个能够把优酷所有应用的容量管理起来的能力。

2. 目标

整体目标分成 2 个阶段，一是摸清各应用容量水平，二是为所有应用赋予弹性伸缩的能力， 最终直观看到各应用及总体资源使用率的明显提升。

技术挑战与解法

1. 单机性能

既然谈到容量问题，已知的压测方案有链路压测方案、模拟流量压测方案等。为什么还要 自研一套基于单机引流的压测方案来评估应用容量水平？

1）更接近日常真实水平；

2）无人工决策，纯机器决策单机性能瓶颈；

3）全自动，比如配置成发布结束后进行单机性能压测。

2. 弹性

弹性指标选择：仅靠集群 CPU 水位弹性确实可以解决绝大多数类型应用，但若基于集群QPS 水位则可更精准的进行弹性伸缩。

1）多维度弹性指标，同时也需要支持自定义指标；<