阿里云+作业帮+小红书：论剑云原生时代的 SRE与智能运维

出品 | CSDN云原生

2022年4月12日，CSDN云原生系列在线峰会第1期“SRE与智能运维峰会”如期而至，本期峰会出品人、阿里云神龙计算平台稳定性负责人郑旭东（鹿棠）携手作业帮运维负责人聂安、小红书SRE业务运维组负责人陈鹏、阿里云高级技术专家周宇（屠虎），带来了一场云原生时代里，SRE与智能运维的前瞻观察和实践分享盛宴。 完整版直播回放请戳>>链接观看

下面先简单回顾本期峰会的内容。演讲视频、完整文章将从4月13日起在 CSDN云原生 微信公众号陆续发布，敬请关注。

SRE与智能运维的机遇和挑战

SRE全称Site Reliability Engineer，也就是网站可靠性工程师，其职责主要体现在交付、日常运维、容量管理三个方面。阿里云神龙计算平台稳定性负责人郑旭东（鹿棠）在开场分享中，将其发展归纳为五个阶段：

• 纯手工：单兵作战，突出个人能力

• 标准化：文档化、规范化、流程化

• 平台化：可视化、自动化

• DevOps：突破组织边界

• 智能化：云原生、AI

在智能化时代，一方面，SRE团队面临着Everything is code，物理设施逐步被屏蔽，多云资源带来管理复杂性等挑战；另一方面，K8s让Infrastructure as Code成为可能，为SRE的工作带来无限的想象空间。

作业帮的运维转型

作业帮运维负责人聂安在回顾互联网运维发展史、作业帮运维转型和探索历程的基础上，将作业帮的经验总结为五条。

• 传统运维职责是将工业制成品组装成服务、交付给用户，并维持服务运转；特点是强依附于业务。

• 云原生时代，公有云大量使用、DevOps真实达成，传统运维的职责不断被外包、转移、替代，出现了领域危机。

• 运维转型，核心是提升角色认知。运维人，要把自己从依附的运营角色、调整为独立的运维服务提供方，运维即服务OPaS。

• 作业帮做了一些转型实践，比如CloudOps借助洋葱模型转型为云服务提供商，SRE全力拓展超服务视角。

• 对于运维来说，平台是服务能力最有力的承接方式，但平台不是唯一方式。组织、规范、流程、平台，一样都不能少。

小红书的跨云多活能力建设

作为一个社交媒体和电子商务平台，小红书被誉为“中国的Instagram”，近年来发展迅猛，已经到了一个比较大的体量，这对其技术架构提出了较大挑战。因此，为了满足业务增长、技术架构迭代、容灾要求等方面的需求，小红书开启了跨云多活能力的建设。

作为小红书SRE业务运维组负责人，陈鹏从多活筹备（服务梳理、可行性验证、技术招标）、多活建设（东西向流量调度改造、南北向流量调度改造、业务改造）、多活治理（预案建设、容量管理、巡检）三个阶段进行了全面分享，并提出多活DB数据同步终极方案：shardmanager。 

阿里云神龙计算平台智能运维体系建设

神龙计算平台是一个百万级客户基础设施稳定性保障平台。阿里云在神龙计算平台基础上构建了一套智能运维平台，实现了数据采集、智能诊断、自动化运维、故障恢复等方面能力。

阿里云高级技术专家、神龙计算平台异常调度平台负责人周宇（屠虎）分享了阿里云是如何设计和建设这套体系，以及如何解决建设过程中遇到的技术难点。

• 问题和痛点=为什么要做建设这套智能诊断体系。

• 同类型智能化智能诊断运维产品调研与分析。

• 智能运维体系设计与实现，包括采集、诊断服务、算法支撑、自动化运维、故障快恢等核心组件设计思路，以及庞大体量背后，研发团队如何解决带来的问题。

聚焦云原生新技术、新实践，帮助开发者群体赢在开发范式转移的新时代。欢迎关注 CSDN云原生 微信公众号～