20180623 百度技术沙龙 高可用性系统的架构与运维实践-王栋.pdf

高可用性系统的架构与运维实践 王栋 百度智能云 百度运维的历史回溯 Ø 2007 ～2012 ，基础运维时代 Ø 主要成果 Ø 机器管理，服务管理，权限管理 Ø 上线系统，数据管理系统，监控系统1.0/2.0 Ø 线上任务管理系统，服务寻址服务 百度运维的历史回溯(Cont.) Ø 2012 ～2014 ，开放运维时代 Ø 主要成果 Ø 可配置的监控3.0 Ø 升级的上线部署系统Archer Ø 主要问题 Ø 垂直场景重复造轮子 Ø 分散的运维知识和数据 百度运维的历史回溯(Cont.) Ø 2014 ～现在，智能运维时代 Ø 主要成果 Ø 智能故障/变更/容量管理 Ø 智能运维客服 Ø 三个核心组件 Ø 统一的运维知识库 Ø 一致的运维工具开发框架 Ø 全局可见的算法复用平台 运维所面临的技术挑战及变化 Ø 业务形态的演化 Ø 单一接入协议HTTP(S)到多种（私有）协议 Ø 流媒体业务占比增加 Ø 业务规模的增加 Ø 手百DAU1.5亿 Ø 用户习惯的变化 Ø 屏幕/键盘到语音的转变 百度智能运维整体框架 SSG FSG EBG IDG AIG 外部客户 故障处理场景 客服场景 变更场景 容量管理场景 解决 单机房止损 FAQ 持续部署 自动压测 方案 单机自愈 容量规划 Chatbot 分级发布 一致性维持 自动扩缩容 运维开发框架 运维知识库 运维策略库 智能 查询与 Schema 运维 Agent调度 运行时库 计算 管理 异常检测 止损决策 平台 运维操作库 开发工具 ETL 存储 根因诊断 容量预测 基础架构基础运维平台 智能运维和要解决的问题场景 智能辅助决策 复杂 智能决策和执行，经验可迁移 增强人的能力 替代人的能力 故障管理：