揭秘10亿+高并发应用如何实现高效稳定的开发和运维
本文分享自华为云社区《DTSE Tech Talk | 第60期：构筑云原生时代的应用稳定性》，作者： 华为云社区精选。
本期直播主题是《构筑云原生时代的应用稳定性》，华为云aPaaS DTSE技术布道师韫欣，与开发者们交流了云原生时代的应用挑战、趋势，跟大家分享了华为云应用平台AppStage的实践经验和优秀案例，并展望了智能运维的未来。
云原生时代的应用挑战和趋势
在飞速发展的数字时代，云原生已经成为了许多企业的首选，它不仅提供了灵活性和可扩展性，还为应用程序的稳定性带来了全新的技术革命。企业应用上云经历了三个阶段：
• 第一阶段，应用以“设备”为中心，工程师们看到的是一台台物理服务器，软件是部署在服务器上的进程，硬件和软件相对割裂。
• 第二阶段，以资源为中心，形成了云化的资源池，大幅提升了资源的利用率和使用效率。
• 第三阶段，是从以“资源“为中心走向以“应用” 为中心的云原生阶段，与第二阶段相比，主要区别在于应用的设计和部署方式。云原生应用是指使用微服务架构对应用进行解耦拆分，并以容器形式部署，更加灵活和可扩展，能够更好地发挥公有云的优势，以应对业务的不确定性，带来更高的开发、运维和运营效率。
在这个转变过程中，也会面临一系列的挑战。
• 第一个挑战是云原生时代的技术复杂度比较高，工具非常的碎片化，比如服务的编排与调度、容器化、安全合规等各方面的工具。云原生应用设计、开发、运维过程中，对开发和运维人员的技能要求高，无形中增加了企业的开发成本，降低了开发效率。
• 第二个挑战是大量工作消耗在工程能力构建上，开发人员真正的业务代码开发工作只占20%左右，隐形成本非常高。首先，每个应用构建都要考虑可靠性、可用性、安全、韧性、多云部署等一系列能力，存在重复造轮子的问题，造成了大量工作浪费。其次，国家、行业、企业对安全可信、技术规范等有诸多要求，缺乏统一的平台来支撑落地，每个开发人员对规范的解读不同，实现方式也会有差异，大幅降低了效率。以华为的经验，如果这些问题得以解决，30%以上的隐形工作是可以被节省的。
• 第三个挑战是云原生时代，维护一个复杂且快速变化的系统，会面临一系列的问题，比如碎片化的运维工具、版本的迅速迭代、人工效率低且不够规范等，随着业务链路越发复杂，问题跟踪和定位会越来越困难，业务数据量的增长也会导致数据库治理的问题变得尤为突出。
这一系列的运维问题需要未雨绸缪、提前规划，迫切需要云原生的运维尽快完成数智化转型。
华为云应用平台AppStage实践经验
针对以上挑战，华为对内部云原生应用经验总结提炼后，打造了华为云应用平台AppStage产品，为客户提供了一站式智能运维平台，不仅避免了不同厂商和三方的众多运维工具拼凑的问题，并且围绕无人值守变更、故障全生命周期管理、业务稳定性治理等三大站点可靠性工程 (SRE)的工作内容，来构建自动化和智能化能力，在提高运维效率的同时，也提升了服务质量、优化了应用可靠性。
自动化无人值守变更：帮助企业提升运维效率，减少人为错误
1. 核心理念就是基础设施即代码，将资源、配置、环境、状态等进行声明化定义，避免传统变更理解的差异，可确保任何环境、任何地点执行结果的一致性。在变更自动化的评审、执行和验证过程中，实现全流程的自动化。
2. 通过一系列的变更灰度评估以及中断回滚等保险措施，确保变更过程和结果的安全可信。
3. 部署和变更的过程完全不需要人工干预，减少了人员误操作的可能，保障了变更质量。
通过这些优化，10分钟就能完成一个服务的全新部署，省去了大量的人工时间。华为内部统计，在变更工作中，故障率减少了40%，部署效率提升了30%。
监控与故障管理：全栈可观测性和故障全生命周期管理，降低了业务从故障发生到恢复的时间，提升云原生应用整体服务质量
1. 通过对端、管、云全链路可观测能力，打通数据孤岛，将这些数据有机关联起来。
2. 通过智能化的运维底座，将资源、配置、事件、可观测数据建模管理，配合AIOps智能算法，驱动根因诊断和异常检测等运维的高阶智能化应用。
3. 通过定期业务巡检、监控告警、故障演练等活动，做到故障全生命周期管理，实现1分钟AI异常检测和故障发现，5分钟故障根因诊断定界定位，并基于预编排的故障恢复模板和微服务治理体系，实现核心业务场景10分钟故障快速恢复。
可用性与连续性管理：通过混沌工程演练，实现确定性恢复，助力可用性达到99.99%
1. 按IaaS-PaaS-SaaS分解可靠性要求，形成应用稳定性指标体系，对应用可用性进行度量与治理。
2. 构建混沌工程演练平台，提供了50多种故障演练场景，80多种故障注入的方法，来充分验证业务和应用可靠性。
3. 通过故障演练发现问题，主动提升生产环境的稳定性，做到问题的提前预防和发现。
数据库治理：WiseDBA提供可信数据库治理方案，快速诊断数据库疑难问题
1. 支持RDS、GaussDB for MySQL、GaussDB for Cassandra等多个数据库引擎的管理。
2. 可对纳管数据库进行IT化巡检和管理，针对数据库慢查询进行分级治理，建立风险评估体系。
3. 支持DBDesigner、SQL审核等正向设计，从开发阶段减少风险问题。
4. 提供数据查询、数据隐私白名单管理等能力。
FinOps：成本治理确保应用稳定的前提下，帮助企业降本增效
随着业务的快速发展，企业在华为云上的各类资源消耗也相应增长，需要对各类资源的使用情况进行有效管理，管控成本。
1. 应用平台AppStage资源管理系统可构建资源台账，提供成本可视化能力，清晰展示预算、资源用量和基于预测的趋势分析。
2. 识别成本浪费和异常增长的资源类型，并进行异常实时提醒。
3. 对资源进行智能检测，为业务定期生成资源使用报告，推荐资源优化方案，同时给出成本收益分析，支撑成本优化目标，提升资源利用率。
华为云应用平台AppStage案例分享
• 案例一：守护终端云全球数亿用户的全场景智慧生活体验
应用平台AppStage支撑了华为终端云服务11亿+华为用户和50+应用的托管和运维，助力全球业务可用性连续多年达到99.99%，持续保持优质、安全的用户体验，助力华为终端云服务活跃用户长期保持稳健增长。
• 案例二：XX公司基于应用平台重构软件生产能力，成为工业软件研发领域的领头羊
XX公司通过应用平台AppStage实现运维的统一入口、统一工具、统一数据，形成高效智能的运维体系，全面提升了软件工程协作效率，降低开发人员门槛，助力版本发布效率提升30%，问题定位时长降低45%，运维协作效率提升15%，维护总成本降低10%。
未来展望
运维大模型开启未来运维新时代
运维大模型：利用大语言模型的自然语言理解能力、推理规划能力和任务执行能力，从五个方面对一站式智能运维赋能
• 构建运维助手：帮助工程师解答日常运维工作各种问题，提升效率
• 助力巡检监控：自动执行巡检任务，实时监控指标，及时发现异常
• 帮助问题管理：自动探索分析日志，给出根因诊断，匹配应急方案
• 提供变更方案：分析变更要求，分解任务，编写脚本，协助测试执行
• 开发运维报表：自动分析运维数据，生成运维报表，支持自然语言互动调整
知识图谱与数字机器人融合，推动运维智能化持续发展
运维知识图谱：通过将业务数据分析提炼、抽取融合，加工成运维知识图谱，并沉淀算法能力，以支撑异常检测和根因诊断等高阶运维活动。
智能运维数字机器人：利用智能运维数字机器人（RPA）准确匹配恢复方案，并通过调用工具（API）做故障自愈和应急。