最近，我们做了一次“实景”容灾演练

保障头部新闻客户端的业务连续性，阿里云帮助客户在真实场景下完成容灾演练。

云计算和新闻 APP，能有什么关系？

2021 年，传媒行业某头部媒体的新闻客户端进行了全新改版并升级上线，以 “内容+技术”的融合驱动效率提升，加速其新媒体业务的数字化转型进程。

该客户端作为这一媒体在移动互联网端发布新闻的重要渠道，客户对发稿的时效性、直播的流畅性等方面有着极高的要求。具体到云平台侧，客户要求除了要保障云平台整体的稳定性外，还需要云平台能在极端情况下具备容灾逃逸能力，同时针对可用区级别的容灾提出了更高的 RTO 和 RPO 要求。

客户的命题看起来似乎很简单：“一个机房挂了，另一个机房要能用，这样不会影响到稿件的正常及时发布，保证新闻的时效性”。

这个命题对于阿里云团队来说，意味着要基于同城双 AZ 容灾架构，保证平台的可用性，进而提升客户业务的连续性。

更有挑战性的是，对于这个命题的解答，客户要求不能仅仅提留在“理论”层面，还需要阿里云接受“实实在在的实景考验”，即在预期时间范围内，在设定的故障场景下，我们要验证：当第一个 AZ 故障后，云平台具备切换至第二个 AZ 的能力，证明阿里云的云平台具备在 AZ 之间 30 分钟内完成切换的能力，同时在修复主机房的故障之后完成回切。

看似简单，实则不然

从拿到命题，到交卷，这用了近五个月时间，其中规划期就用了近 2 个月。同城双 AZ 架构本身并不算是很复杂的架构形式，但这道题的难点在于客户业务作为新闻客户端的特殊性。新闻具有突发性和时效性，业务难以被预测，所以每一次给到阿里云进行变更的窗口期都很珍贵，且不能失败，这对于技术和评估就提出了很高要求。

其次，客户对于这次容灾演练也是既谨慎又大胆，愿意创新突破，但同时也因为担心影响到真实的业务而非常忐忑。虽然该传媒客户没有金融级客户对于数据的强一致性要求，但是因为容灾演练要基于真正的生产环境，对于可用性的要求极高，云产品的所有组件在演练完成后都要尽快回到切换前的终态。此外，容灾演练需要联动云平台和上层应用，不仅涉及云平台，还要考虑到云外的网络和公共云等因素，要求对业务的影响时段和影响面可控。

最终，阿里云 TAM 团队现场调研、摸底，并结合产研团队的技术评审，针对平台业务、产品、所有组件进行了多轮摸底调研，制定了数百个 CHK 项，对客户应用负载、调用链路、应用配置、部署形态等多方面进行了全面的诊断和治理。全程阿里云团队通过了 20 多次灰度切换验证，熬过 6 个通宵，涉及十几个演练场景，对原有产品、演练方案进行了 30 个改进项的完善和落地，还做了一个模拟客户业务访问的模型 demo 监控，来确保演练在最终实施时的可行性。

一次充满“反差感”的演练

就这样，来到了真实演练的那一天，整个过程并没有想象中的惊心动魄，反而是平稳顺利。在主机房注入故障后的 10 分钟内，整个云平台就完成了应急切换；历时 7 个小时，顺利完成带生产业务的机房级容灾演练，整个过程对业务影响不超过 1 小时，并进行了全场景、全流程的业务测试，通过率 100%。演练过程中，阿里云进行了多次预案执行的有效性和应急处置，拟定好的组织、角色按演练 SOP 有效执行，确保了整个演练流程的规范和有序。

在孤岛演练之后的三天内，阿里云和该客户进行了无业务影响的长尾问题修复，使平台恢复到演练前状态。这次演练不仅验证了云平台、业务的容灾能力，还帮助客户完善了网络容灾能力的建设，进一步增强了客户对于云平台灾备能力的信心。

容灾，何以成为阿里云的竞争力？

阿里云飞天企业版同城容灾解决方案，让云平台的容灾能力全面覆盖网络产品、云计算产品、数据库产品、存储产品、中间件产品等核心云产品，采用网络互备、数据主备模式构建了整个云平台同城双 AZ 容灾能力。

除了覆盖产品广，阿里云飞天企业版还配备全栈式灾备管理平台，针对不同机房级故障提供一键式容灾切换能力（如下图）；一旦发生灾难（如主机房掉电/网络孤岛故障/单产品故障等），可通过灾备管理平台进行一键式切换，提高云平台抵御自然灾害、设备故障、系统故障等突发事件的能力，提升云平台及云上客户业务连续性。

相较于传统的容灾方案，阿里云专有云同城容灾架构提供了一致性的容灾切换体验，对客户业务透明，使用户能更加聚焦于业务开发，降低应用开发难度，提供更加便捷的体验。

阿里云飞天企业版灾备管理平台界面

在此基础上，TAM 团队针对客户业务的使用场景，结合项目现场运维和各类容灾架构平台的演练实施经验，不仅安全高效地完成方案实施落地，更在实施过程中不断发现方案与现场环境的缺陷并予以纠正迭代，使得解决方案更加完善；贴合客户平台真实环境，真正做到了最贴近真实故障、最小化业务影响、最快速应急恢复的技术目标。

通过产品技术能力和现场运维能力的双剑合璧，阿里云飞天企业版同城灾备方案得以无缝平滑落地，顺利完成本次容灾演练。

风雨后再回首，是更广阔的天空

回看这次容灾演练，带着真实业务做测试，就好像在飞机飞行中换引擎。阿里云 TAM 运维团队与产研团队携手，不仅建成了阿里云在传媒行业首个同城双 AZ 容灾云平台，更基于双方的紧密配合和对于平台的精细化管理，熟悉现场环境和故障应急处理的全流程，完成了平台上的不中断业务演练任务，让客户真正看到并相信了阿里云同城双 AZ 的容灾能力。

这说明了阿里云飞天企业版的容灾能力，并没有停留在文档或是方案里。这个能力是可被演练、可被验证的。而这份底气，是我们前进的意义，也是客户信任的根基。

最近，我们做了一次“实景”容灾演练