从冷备到多活,阿里毕玄谈数据中心的异地容灾

原文链接：http://wx.shenchuang.com/article/2015-04-07/595023.html

什么是异地多活？

简单的理解就是在不同地方（一般指不同城市）建立多个数据中心，相对于冷备份而言，多活的特点在于，平时这些数据中心都是走流量的，会做业务支撑。阿里异地多活业务分为三个阶段，首先是单元化，然后是异地双活，最后是异地多活。为什么叫单元化？冷备份通常是备份全站，但是这样成本太高，而且由于平时不走流量，所以真正主站出问题时，进行站点迁移时不能保证冷备份站点一定能正常运行，或者把流量接管起来。单元化是异地多活基于成本考虑作出的决策，不会部署全站，通常只部署流量会爆发增长的部分（如跟买家交易相关的核心业务），在异地部署的只是一组业务，这组业务就称为单元。

异地多活面临的挑战

异地多活主要面临的挑战是延时，成本和一致性。

• 延时：异地项目最大的挑战是延时。跨城市一定会有延时的问题。在中国范围内，延时可能在一百毫秒以内。看起来单次好像没什么，但是像淘宝是个很大的分布式系统，一次页面的展现，背后的交互次数可能在一两百次。如果这一两百次全部是跨城市做的，整个响应时间会增加很多，所以延时带来的挑战非常大。怎样减少时延的大小，最简单最好的办法，就是让操作全部在同一机房内完成，那就不存在延时的挑战了。所以最关键的问题，就是怎样让所有操作在一个机房内完成。这就是单元化。
• 成本：虽然冷备份成本很高，多活可以降低成本，但是大部分人还是更喜欢冷备，不喜欢多活，是因为多活的数据正确性很难保证。数据在多点同时写的时候，一定不能写错。因为数据故障跟业务故障还不一样，跟应用层故障不一样。如果应用出故障了，可能就是用户不能访问。但是如果数据写错了，对用户来说，就彻底乱了。而且这个故障是无法恢复的，因为无法确定到底那里写的才是对的。所以在所有的异地多活项目中，最重要的是保障某个点写进去的数据一定是正确的。这是最大的挑战，也是我们在设计整个方案中的第一原则。
• 一致性：多个单元之间一定会有数据同步。一方面，每个单元都需要卖家的数据、商品的数据；另一方面，我们的单元不是全量业务，那一定会有业务需要这个单元，比如说买家在这个单元下了一笔定单，而其他业务有可能也是需要这笔数据，否则可能操作不了，所以需要同步该数据。所以怎样确保每个单元之间的商品、卖家的数据是一致的，然后买家数据中心和单元是一致的，这是非常关键的。