就在上個月底，阿里云發生了一次較大規模、較長時間的故障，很快在網上引發了熱議，很多的云用戶業務全部中斷一小時，帶來了很大損失。且不論原因如何，至少阿里云業務自身并未做好備份。當發現故障后，并沒有及時將業務切換到備份系統中，或者備份系統就是缺失的。現在的云全天候都有業務，時刻不能停歇，這給數據中心提出了極大挑戰，讓成千上萬臺設備上跑的業務一直正常，異常的時候還可以自動自愈，這需要大量的技術來保障，如果系統設計的不夠好，往往就會出問題。要保證數據中心業務不中斷，只有采用冗余備份技術一條路可走，并將備份技術滲透到數據中心的每個環節才行，確保任何一個環節故障，系統業務都能正常運轉。這就好比一架飛機，飛機的發動機、機翼、通風系統等等都有備份，以便在發生故障時，飛機使用備用系統，也能夠保持繼續正常飛行，這樣的設計使得飛機成為世界上最安全的設備，是冗余備份做的最好的系統。與飛機相比，數據中心的復雜性更高，零部件和設備數量更多，要做好整個系統的冗余備份就更加困難。

 

做數據中心備份對資金的需求量很大，最簡單的冗余備份就是再建一個災備數據中心或者重要設備都有冗余備份，顯然這樣會使得數據中心的支出大幅增加，原來需要10個億，考慮到各個環節甚至整個數據中心做備份，就需要20個億甚至更多，但這樣的投入并不能將收入提升一倍，這也是很多數據中心投入過多的原因。災備數據中心往往都是一些金融銀行這些完全不差錢的金主才會去建設，災備數據中心可以在一個數據中心發生故障時，將業務整體切換到災備數據中心，平時災備數據中心完全是陪太子讀書，不去承載任何業務，但還是要正常維護。所以，這樣建設和后期運維投入資金都是蠻大的。如果做不到數據中心的備份，那就對核心設備和業務做備份，當核心設備故障時，可以直接將業務切換到備份設備來繼續運行，保證數據中心業務不受影響。這就要根據數據中心的資金情況，有選擇地去選擇冗余備份的設備和系統，盡可能用最少的錢做更加完備的冗余。

 

除了資金，引入冗余備份的技術亦十分重要。當主用設備或系統故障時，能否感知到并平滑切換到備用系統，這也是需要很多技術保證的，否則備份設備和系統依然形同虛設。如果不能自動檢測和切換，采用手工切換也是一種辦法，總之要保證主用系統出故障時，業務能平滑切換到備份系統上，這樣的冗余備份才是有效的。還有除了設備備份，從技術角度出發，也可以達到冗余備份的效果，比如網絡層面部署等價路由，服務器部署集群和虛擬機，當路由出問題時，流量可以切換到其它網絡鏈路上，當虛擬機出問題時，可以自動遷移到正常的服務器上運行，通過引入備份技術來減少設備資金上的投入。不過，也要注意，不要引入過多的冗余技術，這樣會使得整個系統運行低效，而且設計過于復雜后，非常不便于運維，出了問題排查起來非常困難，一旦主用系統故障后無法切換到備用系統，排查和恢復業務可能會無從下手，反而造成業務更長時間的中斷，如此得不償失。所以，部署一些冗余備份技術是必要的，但不要過于復雜，不需要那些看著高大上的技術，要簡單有效，主備自動切換自如。現在的數據中心，云計算、軟件定義等新技術盛行，這極大地增加了系統復雜度，若引入過多備份技術，系統復雜度將呈幾何指數型增加，反倒不利于數據中心業務穩定。

 

當然并不能因為困難，就不做備份。現在的數據中心，如果不做任何的業務備份，是無法承載任何重要業務的，尤其是互聯網業務，已經不由地我們去拒絕，如果數據中心反復頻繁出現業務中斷，給客戶的業務帶來損失，在如今信息傳遞高度發達的今天，負面影響會迅速擴散，很快會讓數據中心流失大量客戶，最終無法繼續運營下去。現在的數據中心，需要全天候24小時都在運轉，一刻也不能停歇，不允許有半點中斷。比如像阿里云、騰訊云都要和客戶簽訂協議，一旦由于故障引發的業務中斷，要做出相應賠償，若總是中斷，賠償都賠不起了。我們一定要重視數據中心的業務冗余備份，從設備、網絡、業務、系統等方方面面都要考慮冗余，以便在遇到故障時，從容應對，在用戶無感知的情況下，處理掉故障。誰也無法預知未來在什么時刻會發生什么樣的故障，也許當我們建好備份數據中心后，主用數據中心一次也沒有出過大型故障，但也可能在我們沒有做備份數據中心時，數據中心發生了致命的無法修復故障，又有誰敢去賭呢?還是乖乖地將冗余備份系統做好吧，雖然要多花費些資金和人力，但值得。