文藝復興三杰之一的米開朗基羅，被稱為“天才建筑師”。其實他一生留下的建筑并不多，僅僅有美第奇禮拜堂、卡比多廣場、圣彼得大教堂穹頂?shù)攘攘葞鬃?。但米開朗基羅卻憑借對建筑層次與結構的精妙把握，影響了此后數(shù)百年的建筑風格。很多人認為，米氏特別擅長在立體的空間與繁雜的結構中，尋求建筑的最大確定性。得益于此，像圣彼得大教堂穹頂這樣原本被認為不可能的作品才最終問世——探尋確定性，也就此成為建筑設計師的目標之一。

在今天，數(shù)字化和云化正在容納一切。每天，不計其數(shù)的硬件連接云端，軟件完成云上開發(fā)、迭代。這讓云端變成了一個空前復雜的賽博空間，同時也產(chǎn)生了海量的不確定性。但是，這種不確定性又是必須被治愈和解決的。根據(jù)GIV預測，至2025年，全球企業(yè)云技術使用率將達到100%。全面云化的不可逆趨勢下，企業(yè)必須確保自身數(shù)字化、智能化過程中的安全、穩(wěn)定與可靠。

誰來再為全球企業(yè)尋得云時代的確定性呢？答案是運維團隊。

過去，我們普遍認為運維應該是消防員，哪里著火撲滅哪里；但在云時代的浩瀚業(yè)務與海量數(shù)據(jù)面前，這種模式顯然杯水車薪。于是，SRE應運而生，云服務商和企業(yè)用戶開始追尋確定性的運維價值。運維人需要成為“云上的建筑師”，去設計可靠的建筑結構，去預知建筑可能面臨的種種風險，去構建安全與穩(wěn)定的結構閉環(huán)。

在這樣的背景下，華為云SRE團隊，是國內(nèi)成長最快、發(fā)展最好的SRE團隊之一。他們不僅肩負起了華為云業(yè)務體系的運維確定性，同時還為行業(yè)帶來了充沛的溢出價值。

今天，我們走進華為云SRE，去了解一個運維人從消防員變成建筑師的故事，一個如何成為“云上的米開朗基羅”的故事。

圖紙之下：不確定性疊加的云紀元

SRE，即Site Reliability Engineering，站點可用性工程師。這個概念起源于2003年，主要針對傳統(tǒng)IT運維中人工為主的操作模式，希望以整體設計、自動化工具取而代之。簡單來說，SRE的核心就是用軟件而非人工，來解決運維與安全問題。

當時代的鐘擺悄悄回蕩，SRE的價值愈發(fā)凸顯了出來。因為在不經(jīng)然中，我們已經(jīng)來到了一個不確定性疊加的云紀元。

一個全云化的業(yè)務與服務系統(tǒng)，究竟會面臨多少安全問題？可能誰也無法給出精準答案。網(wǎng)絡異常、軟件故障、流量洪峰、硬件老化、機房斷電，都可能帶來一次運維問題。甚至一次技術人員的崗位調(diào)換，都可能造成意想不到的考驗。

而伴隨著云原生的落地，云上承載的軟件開發(fā)與業(yè)務上新更加頻繁。增加新的業(yè)務模塊，也將考驗現(xiàn)網(wǎng)的穩(wěn)定性與可靠性。隨著云上軟件開發(fā)與業(yè)務迭代成為常態(tài)，運維效率會成為考驗運維團隊與運維能力的最大難題。

另一個云時代的不確定性，來自云計算網(wǎng)絡急速發(fā)展。隨著現(xiàn)網(wǎng)規(guī)模的不斷壯大，云服務體系連接的計算節(jié)點、用戶節(jié)點都在不斷增多，同時參加運維的人員規(guī)模也在不斷增加。這種網(wǎng)絡規(guī)模擴張，讓運維不確定性呈現(xiàn)出幾何級增長。傳統(tǒng)意義上“頭疼醫(yī)頭，腳疼醫(yī)腳”的運維模式，將難以抵御網(wǎng)絡規(guī)模的海量沖擊。

這種情況下，就需要有一種工程性的方法，可以在承認這種不確定性的前提下，依舊能夠保障云服務體系的穩(wěn)定可靠。比如說，讓運維能力參與到前端設計中來；強化運行中的動態(tài)風險治理；建設高可用，可用容納故障與風險的業(yè)務架構——這些方法的統(tǒng)合，就是SRE。

或許可以這樣理解，SRE就像是在充滿不確定性的云時代，畫上一張確定性的建筑圖紙。它不是具體解決哪個運維安全問題，而是帶來宏觀的安全與可靠。

華為云SRE，就是看到了這種必然趨勢，同時積極進行了嘗試與探索。

建筑師的眼與手：先一步成長的華為云SRE

未來，云計算將會像水、電一樣觸手可及，隨取隨得。這個結論可以推導出一個必然：云計算體系，必須像電網(wǎng)、水網(wǎng)一樣安全可靠。如今，我們再也不會常備蠟燭，預防停電。這背后的努力，是電網(wǎng)進行了大量運維工作來保障高可用——云計算也將如此。

在華為云的眼中，這個結論清晰可見。于是華為云自成立的那一天起，就成立了SRE團隊。SRE負責維護華為云的整體質(zhì)量，看護整個云計算網(wǎng)絡的安全與穩(wěn)定運行。

（在新華社智庫《中國云計算創(chuàng)新活力報告》中，華為云斬獲安全可靠能力排名第一）

如今，華為云SRE這位建筑師，已經(jīng)用雙手畫出了一張宏偉的“確定性”建筑圖紙。在全球范圍內(nèi)，支撐著華為云在全球170多個國家和地區(qū)，超過240個云服務、370萬開發(fā)者和海量企業(yè)業(yè)務，以及百萬級別的節(jié)點實例。這樣龐大的業(yè)務藍圖，都需要SRE團隊統(tǒng)一參與開發(fā)與部署規(guī)范，確保上線運維安全。

在這個過程中，華為云SRE的“看家法寶”，就是構筑了華為云的高可用架構，讓云服務在產(chǎn)品開發(fā)的前端就具備高可靠、高可用特性。整體而言，高可用結構在應對故障時可分為三個維度考量：首先是軟件具有確定性的失效率，確保不會頻繁發(fā)生故障，將軟件問題控制在一定范圍之內(nèi)；其次是給出確定性的恢復時長，明確可以在怎樣的時間之內(nèi)進行業(yè)務恢復；接下來是構筑確定性的爆炸半徑，確保單點的故障擴散范圍有限，只影響到很小的范圍，而不影響整體業(yè)務。

在這樣的架構下，最終華為云SRE實現(xiàn)了將可靠性、可恢復性、影響范圍控制的特性全面融入，真正面向萬千企業(yè)提供安全、可靠、高質(zhì)量的服務承諾。從實際結果來看，在近幾年華為云業(yè)務高速發(fā)展的同時，其出現(xiàn)的故障概率與故障烈度顯著低于全球主流云廠商?；蛟S可以說，華為云SRE的運維能力做到了與公司業(yè)務規(guī)模一同成長，甚至先一步成長。

米開朗基羅的“溢出”效應：讓千萬企業(yè)從SRE中受益

我們知道，數(shù)字化技術會在發(fā)展到一定程度時，出現(xiàn)明顯的“溢出”效應。比如說數(shù)字化價值賦能，就從虛擬經(jīng)濟溢出到實體經(jīng)濟，帶來了“數(shù)實融合”的發(fā)展契機。

對于華為云SRE“建筑師”們而言，其也在云上運維的探索上展現(xiàn)出了明顯的“溢出”效應。

華為云SRE的基礎價值，就是通過確保華為云服務與網(wǎng)絡的穩(wěn)定，帶給客戶更好、更優(yōu)質(zhì)的云體驗，尤其是在Devops 的場景下，保障了華為云用戶敏捷創(chuàng)新、快速迭代的開發(fā)模式。讓用戶不僅能夠上云，還可以有質(zhì)量地用云、有保障地用好云。

再向前走一步，華為云SRE通過服務客戶與無數(shù)應用的經(jīng)驗總結，提出了“確定性運維”的發(fā)展方向與方法論，繼而梳理出適用于云上業(yè)務的“確定性運維”能力體系和成熟度模型，供千行百業(yè)的企業(yè)進行參考。

這一業(yè)界獨有“確定性運維”能力體系成熟度模型包含：第一級基本運維，即基礎運維的能力構建，以此確保業(yè)務基本生存；第二級標準化運維，其能夠將運維帶到更加規(guī)律、規(guī)范的發(fā)展階段，確保業(yè)務的穩(wěn)定可靠；第三級SRE轉型，意味著運維團隊開始從“消防員”轉型為“建筑師”，開始勾勒整體的確定性運維藍圖；在第四級，企業(yè)獲得SRE帶來的初步確定性，而到第五級企業(yè)將獲得高度確定性。

在可見的未來，大部分企業(yè)都會上云，每一家企業(yè)都需要開發(fā)、運營軟件的時代里，確定性運維可以說是一種剛性需求。即使每家企業(yè)的業(yè)務訴求與業(yè)務種類不同，但對穩(wěn)定可靠的追求其實是高度統(tǒng)一的。

面向這一趨勢，華為云SRE的一系列自我成長，都可以變成賦能萬千企業(yè)的成熟價值。比如，通過智能運維工具提升組織的效率和可靠性；通過全質(zhì)量管理的流程理念，形成組織人員管理的可控性；運維團隊變成設計師，參與前端標準設計，構筑高可用架構。

這些由華為云SRE綜合和探索出的技術與方法，或許是每一家企業(yè)的決策者、管理者，都應該看到的現(xiàn)實價值。

在全云化紀元，每家企業(yè)都需要運維能力的提升，那或許每家企業(yè)也都可以成為“云上的米開朗基羅”。SRE的核心文化，依舊需要各界攜手去探索和發(fā)揚。但就像運維所需的確定性那樣，SRE探索對每家企業(yè)的未來價值來說，也是充滿確定性的。

審核編輯黃宇