摘要：?洛神是阿里云飛天系統(tǒng)的虛擬網(wǎng)絡(luò)系統(tǒng)核心，而在11月15日的GNTC 云專場峰會上，阿里云資深網(wǎng)絡(luò)技術(shù)專家宗志剛先生首先分享了“驅(qū)動阿里云的高性能網(wǎng)絡(luò)引擎- 飛天洛神”主題演講，深度探尋了洛神系統(tǒng)關(guān)鍵技術(shù)能力及未來應(yīng)用方向。

大家都知道阿里云部件的系統(tǒng)都是以神仙命名的，比如說洛神、伏羲、盤古、女媧等等。而在11月15日的GNTC 云專場峰會上，阿里云資深網(wǎng)絡(luò)技術(shù)專家宗志剛先生首先分享了“驅(qū)動阿里云的高性能網(wǎng)絡(luò)引擎- 飛天洛神”主題演講。洛神是阿里云飛天系統(tǒng)的虛擬網(wǎng)絡(luò)系統(tǒng)核心，提供了阿里云豐富的網(wǎng)絡(luò)產(chǎn)品同時也是阿里云所有云產(chǎn)品的網(wǎng)絡(luò)基礎(chǔ)設(shè)施。洛神也支撐了阿里巴巴集團和螞蟻金服集團的業(yè)務(wù)。此分論壇深度探尋了洛神系統(tǒng)關(guān)鍵技術(shù)能力及未來應(yīng)用方向。

以下為大家?guī)碜谥緞倢＜揖实难葜v摘要：

起名洛神的來由是因為在古代，河流是人們非常重要的一個交通方式，就好比網(wǎng)絡(luò)一樣是人類生活工作通訊重要的組成方式，所以阿里云網(wǎng)絡(luò)在剛剛成立的時候，就起了洛神這個名稱。洛神現(xiàn)在管理阿里云的基礎(chǔ)網(wǎng)絡(luò)系統(tǒng)已經(jīng)非常的龐大，到目前為止已經(jīng)有19個Region，20T的總出口帶寬以及超過200條的BGP線路，而且不斷在增長。另外阿里云推出了業(yè)界最豐富的網(wǎng)絡(luò)產(chǎn)品，從部署的位置來看可以分成四個組成部分：

1. 云上網(wǎng)絡(luò)（洛神）：如VPC、NAT網(wǎng)關(guān)、負載均衡這些網(wǎng)源，以及要大力發(fā)展的IPv6的網(wǎng)絡(luò)

2. 云間網(wǎng)絡(luò)（織女）：GEN云企業(yè)網(wǎng)、GA全球加速

3. 上云網(wǎng)絡(luò)（嫦娥）：高速通道、VPN網(wǎng)關(guān)還有智能接入網(wǎng)關(guān)

4. 大圣智能機器人（齊天）：通過阿里云運營的數(shù)據(jù)目前有的大數(shù)據(jù)分析，通過人機交互的方式給網(wǎng)絡(luò)的規(guī)劃者、運營者提供疑難雜癥的解答，幫助我們的網(wǎng)絡(luò)維護人員、規(guī)劃人員提高效率，現(xiàn)在正在試用，預(yù)計明年會推出。
   

阿里云的網(wǎng)絡(luò)架構(gòu)跟以上的網(wǎng)絡(luò)產(chǎn)品是一一對應(yīng)的，而洛神實際上是代表了云上網(wǎng)絡(luò)。從以下企業(yè)上云的路線以及企業(yè)的一個IT架構(gòu)的變化來看一看云對網(wǎng)絡(luò)的要求是哪一些。云進化的路線圖分幾個階段：

1. 第一階段，企業(yè)會將部分IT系統(tǒng)云化，主要是提升用戶體驗，提升運維效率。

2. 第二階段，企業(yè)會將基礎(chǔ)資源全面云化，主要用于優(yōu)化企業(yè)IT資源的利用率。

3. 第三階段，企業(yè)會進行架構(gòu)的微服務(wù)化改造，構(gòu)建以中臺為核心的業(yè)務(wù)架構(gòu)，共享企業(yè)之間的各業(yè)務(wù)模塊，快速構(gòu)建自己的業(yè)務(wù)系統(tǒng)，主要用于提高IT的敏捷能力

4. 到了最后一個階段，阿里云認為隨著企業(yè)的業(yè)務(wù)在云上逐漸運行，收集了大量的一個數(shù)據(jù)，后面會通過智能學習、大數(shù)據(jù)分析相關(guān)的工具對數(shù)據(jù)進行智能化的一個分析，用于指導業(yè)務(wù)更精準的服務(wù)，更精準的開展。

對應(yīng)阿里云的系統(tǒng)架構(gòu)轉(zhuǎn)變，最開始的時候業(yè)務(wù)都是應(yīng)用和數(shù)據(jù)一體化的單機部署方式，到后面應(yīng)用和數(shù)據(jù)分層、多級分層部署，再到分布式的集群，以及到現(xiàn)在越來越應(yīng)用廣泛的微服務(wù)化的改造，在這個過程中可以看到應(yīng)用和應(yīng)用之間，應(yīng)用和數(shù)據(jù)之間彈性越來越高。

進入云以后，企業(yè)的業(yè)務(wù)在云上是可以看到網(wǎng)絡(luò)的，所以最基本的要求是網(wǎng)絡(luò)首先要提供各種網(wǎng)關(guān)類的服務(wù)，其次還需要提供跟業(yè)務(wù)相匹配的彈性能力、安全、可靠性以及高效的運維。

另外是阿里云認為未來企業(yè)在云上的時候其實對基礎(chǔ)設(shè)施將不再可見，將看不到所謂的計算、存儲、網(wǎng)絡(luò)等等各種服務(wù)，只需要在云上的生態(tài)系統(tǒng)里面按需獲取自己所獲取的前臺、中臺稍微進行改造生成自己的生態(tài)系統(tǒng)。在這個階段阿里云認為最終的用戶將對網(wǎng)絡(luò)不可見，這正是洛神系統(tǒng)最終的使命。

阿里云網(wǎng)絡(luò)產(chǎn)品推進的時間點跟企業(yè)上云的系統(tǒng)基本上保持一致的。最開始只是提供AVS、SLB這些單實例，到后面因為基礎(chǔ)實例上云了之后需要云上和云下的高速通道，專線以及智能接入網(wǎng)關(guān)，到后面資源的力度越來越細，分布的范圍越來越廣，阿里云提供了比如說全球加速、云企業(yè)網(wǎng)，通過企業(yè)架構(gòu)在云上不停的演進，阿里云網(wǎng)絡(luò)還將繼續(xù)推進各種滿足客戶服務(wù)，各種業(yè)務(wù)系統(tǒng)的網(wǎng)絡(luò)產(chǎn)品。

接下來介紹阿里云網(wǎng)絡(luò)洛神系統(tǒng)的關(guān)鍵技術(shù)。三個關(guān)鍵詞：彈性、可靠和智能。

• 彈性：有兩個重要數(shù)字，第一個是秒級的轉(zhuǎn)發(fā)性能的彈性擴展。洛神可以支持轉(zhuǎn)發(fā)帶寬從1兆到1個T在1秒以內(nèi)可以彈性擴張。另外一個是容量的彈性能力，目前10萬太的單網(wǎng)絡(luò)內(nèi)ECS規(guī)模。

而阿里云有這樣的彈性擴展能力，主要有兩個原因：

1. 數(shù)據(jù)面：目前洛神系統(tǒng)包括X86、FPGA、ASIC，在轉(zhuǎn)發(fā)面可以支持多種方式，但不同的轉(zhuǎn)發(fā)技術(shù)及不同的轉(zhuǎn)發(fā)產(chǎn)品如何應(yīng)用在不同的場景里面？到目前為止大部分的網(wǎng)關(guān)網(wǎng)源類產(chǎn)品主要還是用X86軟轉(zhuǎn)發(fā)，但是后面會逐漸到智能網(wǎng)卡上面去。另外對于一些大帶寬，同時帶寬訴求不確定的應(yīng)用場景，例如阿里云一些VRP客戶訪問存儲這一塊帶寬要求非常的高，而且也不確定。這樣的話阿里云會專門部署ASIC的芯片提升客戶的能力。通過這么多的轉(zhuǎn)發(fā)技術(shù)洛神形成了龐大的轉(zhuǎn)發(fā)的資源池，用于快速提升轉(zhuǎn)發(fā)性能的訴求。

2. 管控面：洛神管理著一個非常龐大的網(wǎng)絡(luò)系統(tǒng)，所以使用傳統(tǒng)的集中式單點的控制面肯定沒辦法滿足要求，所以整個洛神系統(tǒng)一方面控制面是區(qū)別層次化的，另外一方面很重要的是在下發(fā)轉(zhuǎn)發(fā)表面的時候采用的是緩沖的機制，例如虛擬機之內(nèi)的表象生成，通過數(shù)據(jù)面通過緩存自發(fā)學習到表象，通過數(shù)據(jù)面學習到的表象而不是通過控制面一一下發(fā)的，這樣表現(xiàn)的深層效率、深層速度將遠遠超過集中式的這樣方式。通過這種方式可以快速的去讓計算節(jié)點上線或者是下線。

• 可靠性：去年阿里云所有的網(wǎng)絡(luò)實例故障是50毫秒，還不計算 vSwitch的網(wǎng)絡(luò)情況下得到的結(jié)果，這是一個很短的時間。

談到可靠，跨機房多活是最基本的要求，對于洛神來講它的關(guān)鍵節(jié)點包?
括控制器，包括各種網(wǎng)關(guān)，一方面是集群化部署，另外一方面在每一個機房基本上都會部署，節(jié)點與節(jié)點之間，機房與機房之間會互相備份，當某一個故障洛神會在集群內(nèi)倒換，如果超過了一定的值會在機房倒換，避免因為單一的一個點或者一個集群故障造成整個網(wǎng)絡(luò)的不可用。這個實際上是一個跨機房多活的方式。

跟大家介紹一下洛神的故障快速發(fā)現(xiàn)染色系統(tǒng)，這個系統(tǒng)會對特定的流?
進行染色并且加以匹配，作用于阿里云虛擬網(wǎng)絡(luò)和物理網(wǎng)絡(luò)上面。在整個設(shè)備的運行過程中會對特定的業(yè)務(wù)，特定的流染色進行景象采樣，打時間搓等等，會進行數(shù)據(jù)的實時分析。通過數(shù)據(jù)的實時分析快速發(fā)現(xiàn)特定的流的故障，比如說丟包了，立即通知網(wǎng)絡(luò)管理人員恢復(fù)故障，這是我跟我們現(xiàn)在IT的思維基本上一致的，但是阿里云的洛神平臺主要是從客戶的業(yè)務(wù)出發(fā)。

• 智能性：其實智能與可靠性是密切相關(guān)的，因為通過智能監(jiān)控、智能運維、智能故障恢復(fù)，可以有效降低故障的時間。

提到智能，就必須介紹阿里云基于大數(shù)據(jù)的智能運維平臺，在阿里云內(nèi)部叫齊天系統(tǒng)，通過數(shù)據(jù)面、控制面的各種數(shù)據(jù)收集，例如流數(shù)據(jù)、統(tǒng)計數(shù)據(jù)等等用戶信息，收集到大數(shù)據(jù)的分析工具（JStorm）里面去對數(shù)據(jù)進行分類，我們分為基礎(chǔ)數(shù)據(jù)、監(jiān)控數(shù)據(jù)和診斷數(shù)據(jù)，對這些數(shù)據(jù)進行規(guī)則的匹配、運算，會將分析結(jié)果輸送到各個界面，比如說報警、API、機器人等等，對于一些故障會進行故障隔離恢復(fù)，思路是差不多的。

介紹幾個現(xiàn)在正在使用的場景案例：

• 變更的案例：大家都知道線上很多的問題都是因為網(wǎng)絡(luò)的變更導致的，怎么樣降低變更時對業(yè)務(wù)的影響，阿里云一般會選取業(yè)務(wù)量最小的對客戶影響最小的時間點去進行變更。那怎么選擇時間點以往會通過人工的方式，這樣的話一方面工作量大，另外一方面其實也不精準，對業(yè)務(wù)的影響是不可知的。阿里云的齊天平臺可以通過大數(shù)據(jù)的分析，精準描繪用戶網(wǎng)源的畫像，選擇業(yè)務(wù)量最小的時間點進行自動的變更。這樣的話大大降低了影響業(yè)務(wù)運行的概率。另外很多時候要選擇版本上線的時間進行恢復(fù)，很多的時候難以判斷哪一些機房跟網(wǎng)源。利用大數(shù)據(jù)分析和齊天系統(tǒng)可以判斷哪些先進行可以對業(yè)務(wù)的影響最小，這也是基于智能平臺去做的，所以在網(wǎng)絡(luò)變更的情況下可以達到對業(yè)務(wù)的影響很小，而且都是自動化完成的。

• 異常的檢測：齊天會對多種策略異常檢測，并且用到線上去，在實際的運行過程中判斷這些策略是否異常存在并首先告警，其次會進行快速的逃逸過程。整個過程其實并不容易，因為要對全局全景進行判斷，到底是屏蔽電路還是屏蔽結(jié)點還是整機房的倒換，要根據(jù)業(yè)務(wù)場景做綜合判斷才可以得出。實際上在阿里云的網(wǎng)絡(luò)上運行時候正是齊天系統(tǒng)可以綜合判斷及決策，什么樣的故障逃逸對業(yè)務(wù)的影響是最小的。

看一下洛神的應(yīng)用情況。截止當前整個阿里云的網(wǎng)絡(luò)規(guī)模已經(jīng)非常的龐大，對于虛擬網(wǎng)源來講已經(jīng)有百萬級的網(wǎng)絡(luò)設(shè)備，千萬級的網(wǎng)絡(luò)實例，并且監(jiān)控著超過一千多個的網(wǎng)絡(luò)指標進行一些大數(shù)據(jù)的分析。當然對于運行壓力最大的肯定還是雙十一這樣的場景。今年雙十一的數(shù)據(jù)還沒有完全得到。峰值的交易筆數(shù)達到了32.5萬，單一的負載均衡實例帶寬達到了160G，而且現(xiàn)在所有的阿里的業(yè)務(wù)都是運行在阿里云的洛神系統(tǒng)上的，已經(jīng)都是VPC網(wǎng)絡(luò)上面的一個業(yè)務(wù)了。

最后總結(jié)洛神的使命，洛神有三代，第一經(jīng)典網(wǎng)絡(luò)，主要是解決連通性的問題，第二代推出了VPC的網(wǎng)絡(luò)用于安全隔離，當前是第三代，打通了接入云的解決方案，提供跟傳統(tǒng)企業(yè)網(wǎng)絡(luò)相同能力的能力，最后一個階段阿里云定義為Networkless，最終的網(wǎng)絡(luò)對最終用戶其實是不可見的，就像阿里云網(wǎng)絡(luò)的名稱— 洛神，其實他像神一樣你看不到他的存在，其實他也無處不在。