阿里云解决方案架构师张平：云原生数字化安全生产的体系建设

关于今天的分享主题——“安全生产”，内容主要分为三大部分：

• 第一部分是安全生产的背景，以及我们对于安全生产这个领域的理解；
• 第二部分主要介绍阿里巴巴集团的安全生产工作到底是怎么开展的，借此给各位有作为参考和借鉴；
• 第三部分是我们提炼的安全生产整体方案，帮助在座的各位去到我们自身的企业或者环境下，去落地安全生产。

数字化安全生产背景

谈到安全生产，首先我们要看一个行业大背景，其实刚刚我的同事已经讲到了，就是现在各行各业都在做自身业务的数字化转型升级。我们的业务开始做上云、线上化，应用架构开始做云原生改造。当我们每一个业务都跑到线上去之后，我们就会发现，原来传统的安全生产理念及管理模式，也需要转变成线上化、数字化。

随着线上化的系统越来越复杂，业务故障无法避免。故障的发生，对我们企业的影响是巨大的，怎么样提升故障的定位、处理能力及恢复能力，是现阶段安全生产工作中最重要的目标。在业务数字化转型升级的过程中，我们每个企业都应该同时去思考，怎样同步完成数字化安全生产体系的建设。

从业务视角的安全生产挑战说起

关于安全生产，从以上几个近期发生的故障可以看到，不仅仅是我们普通的企业，就算是在安全生产领域重度投入的国内外大型互联网公司，也会出现业务故障。故障发生之后不仅仅是业务中断、经济损失，舆情影响也会带来非常大的挑战。我们怎么样来帮助大家把安全生产工作体系建设好？就是今天我们讨论的核心主题

在阿里巴巴集团内部，经过十多年的探索，我们沉淀了一系列的产品和服务体系，以及安全生产建设的方法论。我们总结出了“高可用、稳定压倒一切”，作为我们面对业务侧安全生产挑战的指导思想。

什么是数字化安全生产

今天我们讲数字化安全生产，大家可能第一印象想到的安全生产还是比较传统的。比如一些工厂、车间、煤矿或者建筑工地上，我们经常会看到一些标语、海报和一些相关的理念。传统的安全生产，是指在生产经营活动中，为了避免造成人员伤害和财产损失的事故而采取相应的事故预防和控制措施。

我们今天讨论的这个数字化安全生产，其实是跟我们的业务数字化转型升级是相结合的，主要解决企业业务连续性管理问题。如发生预期或无预期的事故或灾害时，企业以合理的成本和资源保护重要的业务活动，确保在规定的时间内恢复持续运行，最大程度地减少灾害带来的冲击并将中断影响降至最低。

数字化安全生产，有以下几方面的特殊要求：

• 数字化赋能的安全生产。业务从线下转移到线上之后，完成业务全生命周期触点的数字化改造。这时，安全生产的重心也会从线下转移到线上，同时安全生产工作本身也需要数字化赋能。
• 云原生加持的安全生产。数字化转型带来了架构的升级，所有的系统都在云上，都是利用先进的云原生、微服务架构设计的。我们的安全生产平台也需要同步升级，去无缝衔接适配云原生的产品能力，以及面向未来架构的扩展能力。
• 最佳实践的安全生产。安全生产体系建设需要经过实践的检验。在阿里巴巴集团内部，我们有个一百多人的团队，在安全生产建设方面持续探索，沉淀了一套非常适合各行各业的最佳实践，并且还在持续演进。

数字化安全生产建设内容

基于以上探讨，为了做好安全生产工作，核心内容我们拆解成三个部分，就是事前、事中、事后建设。

• 事前：我们要有相关的组织架构保障，要有事前的制度流程体系、系统架构的建设，需要具备相关系统的水位监测、故障监测能力，以及与 SLA 匹配的防护、切流、变更管控管理能力。
• 事中：我们要做到敏捷快速协同，让故障快速发现、快速定位、快速恢复。比如在阿里内部，双十一或者说大的故障场景，我们通常需要协同上百人、甚至是上千人的团队。在这样的一个背景下，首先我们需要统一的机制保证步调一致，以及上一位同事提到的全链路监测（可观测）的能力，保障快速发现。另外还需要系统化的能力做事件处理过程的自动化协同，依赖系统的 trace 及拓扑能力实现快速定位，以及需要依赖系统的防护能力及单元化