云原生架构中的核心原则02

上期分享了云原生架构中的服务化原则和弹性原则，这期我们来了解下其他两个原则。

1.1 可观测原则

1.1.1 核心要素

在云原生架构中，可观测原则指的是一种设计和实施系统以便于理解和监控系统内部运行状态的能力。它强调在分布式、微服务架构中如何有效地收集、处理系统生成的各种数据和事件。

具体来说，云原生架构中的可观测原则通常包括日志（Logging）、指标（Metrics）、分布式跟踪（Distributed Tracing）、事件（Events）、告警（Alerting）这几个核心要素。

1.1.2 使用场景

云原生应用于分布式环境中，其核心理念是利用容器、微服务等现代化技术构建和部署应用，以提升灵活性和可扩展性。可观测原则在这一背景下至关重要，通过实时监控、日志记录、指标收集和追踪技术，帮助云原生系统实现对复杂、动态分布的服务和组件的有效管理和故障排除。

可观测能力能够在分布式环境下对多个节点的信息做关联，对各个服务和中间件性能指标做采集和数据可视化，了解清楚服务为什么宕机、什么业务导致数据库产生大量慢SQL、目前的故障影响哪些用户、最近这次变更对哪些服务指标带来了影响等等，是确保分布式系统稳定运行和高效管理的关键因素之一。

1. 通过关联多个节点的信息和分析性能指标，快速定位服务宕机或性能下降的原因，例如发现某个服务因资源耗尽或错误配置而导致宕机。
2. 通过监控和分析各个服务的数据库请求和响应时间，确定是哪些具体业务操作导致了数据库产生大量慢SQL，优化查询或调整服务调用方式。
3. 分析系统中各个服务的运行状态和用户访问数据，了解当前故障对哪些用户或业务流程产生了影响。
4. 对系统进行变更时，监控变更前后的性能指标，评估变更对服务稳定性和性能的实际影响。

1.1.3 应用价值

可观测性覆盖了系统内部的所有层面和组件，包括日志、指标、追踪和事件，提供了更全面的运行状态和行为理解，强调在复杂环境中的全面监控和问题诊断，更广泛地适用于分布式系统和微服务架构。

在云这样的分布式系统中，可观测性主动通过日志、链路跟踪和度量等手段，让一次页面点击背后的多次服务调用的耗时、返回值和参数都清晰可见，甚至可以下钻到每次三方软件调用、SQL 请求、节点拓扑、网络响应等，这样的能力可以使运维、开发和业务人员实时掌握软件运行情况，并结合多个维度的数据指标，获得关联分析能力，不断对业务健康度和用户体验进行数字化衡量和持续优化。

1.2 韧性原则

1.2.1 概念

韧性是指系统能够在故障发生时继续正常运行或快速恢复，而不至于导致严重的服务中断或数据丢失。云原生架构中的韧性原则指的是系统在面对各种异常情况和负载变化时能够保持稳定性和可靠性的能力。

当业务上线后，最不能接受的就是业务不可用，让用户无法正常使用软件，影响体验和收入。韧性代表了当软件所依赖的软硬件组件出现各种异常时，软件表现出来的抵御能力，这些异常通常包括硬件故障、硬件资源瓶颈（如 CPU/ 网卡带宽耗尽）、业务流量超出软件设计能力、影响机房工作的故障和灾难、软件 bug、黑客攻击等对业务不可用带来致命影响的因素。

韧性设计确保系统能够在硬件故障、资源瓶颈以及意外的业务流量激增等情况下仍能继续运行。即使出现故障或异常，系统也能通过自动化的恢复和备份策略，避免因为故障而导致的长时间不可用情况。

韧性设计使系统能够快速识别和应对软件 bug、黑客攻击等问题，通过熔断、重试、降级等策略来限制故障扩散并快速恢复到正常状态。跨区域容灾和数据备份策略，确保即使在机房工作故障或自然灾害发生时，系统也能保持高可用性和数据一致性。

1.2.3 架构设计

韧性从多个维度诠释了软件持续提供业务服务的能力，核心目标是降低软件的 MTBF（Mean Time Between Failure，平均无故障时间），即延长系统连续运行的时间。

从架构设计上，韧性包括以下几个方面：

1. 服务异步化能力：使系统能够异步处理任务，提高响应速度和吞吐量，避免同步调用导致的阻塞。
2. 重试 / 限流 / 降级 / 熔断 / 背压：这些是处理服务间通信和资源使用的策略，如重试失败的请求、限制流量、根据负载降级服务、熔断服务以避免级联故障、背压机制来控制资源消耗。
3. 主从模式：使用主从复制或者主从架构来确保数据的高可用性和备份。
4. 集群模式：将服务部署在多个节点上，通过负载均衡和故障转移来提高服务的可靠性和性能。
5. AZ 内的高可用：在同一可用区内部署多个实例或服务以提供高可用性。
6. 单元化：将系统拆分成小单元，每个单元都能够独立运行和扩展，降低整体系统的复杂度和风险。
7. 跨 region 容灾：在不同的地理区域部署副本以保证在某个区域发生灾难时仍能提供服务。
8. 异地多活容灾：在多个地理区域同时运行主要服务，实现数据同步和双活架构，提高整体系统的可用性和灾难恢复能力。

点击关注，更多内容下期继续分享！