邓瑞龙-化解多云转型带来的运维熵增

邓瑞龙作为作业帮SRE负责人，主导了公司的多云多活建设和云原生转型。核心背景包括单云稳定性不足、业务规模庞大、成本控制需求等。

多云选型需求背景：单云基础设施故障频发，无法满足教学经营场景的高稳定要求；业务已达到数千模块、数十万核计算资源，具备复杂化和规模化特征；单云部署成本优化手段有限。

多云建设要点：采用多云模型，关键技术要点包括双环组网实现多云互通、计算管理套餐抽象、服务管理、流量管理、观测管理等。

多云运维熵增：基于熵增定律，运维需通过技术架构和工程化维持系统有序性，多云运维同样面临熵增挑战。

多云管理实践：

• 资源管理：双环组网实现多云互通，计算管理采用套餐抽象。
• 服务管理：业务域名多，通过绕开LocalDNS自建DoH解决传统DNS问题。
• 流量管理：流量管理面临挑战，需通过技术手段优化。
• 观测管理：建立多云观测三大支柱，实现宏观定位和微观排查。
• 业务问题评价：采用多维评价和排榜赛制，通过差距驱动改进。
• 操作管理：建立多云操作变更模型和风险管控机制。

多云操作熵增挑战：通过正向工程和混沌演练，简化故障模型，实现规模运维。

多云转型总体收益：

• 掌控云选择权，增强议价能力。
• 大促后可直接缩容退还机器，降低成本。
• 京郊AZ部署大幅降本。
• 部分业务流量均摊到多云，单云故障可接受X%损失。
• 服务多活部署，具备分钟级故障逃逸能力。
• DevOps技术加持，小团队也能运维复杂化规模化业务。

多云建设未来规划：持续优化多云环境，提升运维效率和服务能力。