2015年底的时候,到家集团启动了一个“凌云”项目,将所有系统从北京的M6机房迁移到阿里云,完成技术栈“上云”。项目涉及几百台机器,到家所有的业务,所有的系统,需要所有技术部门配合,耗时超过一个季度,是一个不折不扣的大项目。
今天,简单的聊聊当时的架构方案,我们是如何平滑进行机房迁移的。
【1】核心问题一,被迁移的系统是一个什么样的架构呢?
上图是一个典型的互联网单机房系统架构:
(1)上游是客户端,PC浏览器或者APP;
(2)然后是站点接入层,做了高可用集群;
(3)接下来是服务层,服务层又分为两层,业务服务层和基础服务层,也都做了高可用集群;
(4)底层是数据层,包含缓存与数据库;
该单机房分层架构,所有的应用、服务、数据是部署在同一个机房,其架构特点是“全连接”:
(1)站点层调用业务服务层,业务服务复制了多少份,上层就要连接多少个服务;
(2)业务服务层调用基础服务层,基础服务复制了多少份,上层就要连多少个服务;
(3)服务层调用数据库,数据库冗余了多少份,就要连多少个数据库;
例如:站点接入层某一个应用有2台机器,业务服务层某一个服务有4台机器,那肯定是上游的2台会与下游的4台进行一个全相连。
全连接如何保证系统的负载均衡与高可用?
全连接架构的负载均衡与高可用保证,是通过连接池实现的。不管是NG连web,web连业务服务,业务服务连接基础服务,服务连接数据库,都是这样。
划重点1:
单机房架构的核心是“全连接”。
【2】核心问题二,机房迁移的目标是什么?
单机房架构的特点是“全连接”,机房迁移要做一个什么样的事情呢?迁移之前,系统部署在机房A(M6)内,是单机房架构。迁移之后,系统部署在机房B(阿里云)内,仍然是单机房架构,只是换了一个机房而已。最容易想到的一个方案,把所有服务在新机房全都部署一套,然后把流量切过来。问题2:即使可以接受停服,当有几百台机器,几千个系统的时候,“部署一套,切流量”一步成功的概率很低,风险极高,因为系统实在太复杂了。
机房迁移的难点,是“平滑”迁移,整个过程不停服务,并能够“蚂蚁搬家”式迁移。【3】核心问题三,暂时性的多机房架构能否避免?
如果想要平滑的迁移机房,不停服务,且逐步迁移,迁移的过程中,势必存在一个中间过渡阶段,两边机房都有流量,两边机房都对外提供服务,这就是一个多机房的架构。前文提到的单机房架构,是一个“全连接”架构,能不能直接将单机房的全连架构套用到多机房呢?如果直接将单机房“全连接”的架构复制到多机房,会发现,会有很多跨机房的连接:(2)业务服务层连接基础服务层,一半的请求跨机房;一旦涉及到跨机房的访问,即使机房和机房之间有专线,访问的时延可能增加到几毫秒,甚至几十毫秒(跟机房间光纤距离有关)。举个例子,假设户访问一个页面,需要用到很多数据,这些数据可能需要20次相互调用(站点调用服务,服务调用缓存和数据库等),如果有一半调用跨机房(10次调用),机房之间延迟是20毫秒,因为跨机房调用导致的请求迟延就达到了200毫秒,这个是绝不能接受的。想要平滑的实施机房迁移,临时性的多机房架构不可避免。(2)机房迁移方案的设计目标是:平滑迁移,不停服务;可以分批迁移;随时可以回滚;(3)想要平滑的实施机房迁移,临时性的多机房架构不可避免;