腾讯专有云企业版（TCE）高可用技术白皮书

2025-09-11 腾讯苏吃吃

高可用目标：通过服务级别协议（SLA）衡量，关键指标包括可用性（Availability）、业务恢复时间（RTO）和数据恢复目标（RPO）。
可用性指标：以电信运营商企业专线服务为例，99.99%（4个9）可用性对应全年计划外停止服务时间不超过52.56分钟。
RTO与RPO：RTO衡量系统恢复能力，RPO衡量数据冗余备份能力，两者共同决定业务连续性和数据可靠性。
高可用建设要素：包括基础设施高可用、网络连接高可用、数据存储高可用和应用高可用，以及专业技术支持能力、运行维护管理能力和灾难恢复预案等非技术部分。
高可用建设目标四象限：
- 右上象限：业务级别分布式双活/多活，RTO≈0, RPO=0，实现业务连续性和数据零丢失，但成本最高。
- 左上象限：同步容灾，RTO≠0, RPO=0，核心数据同步复制，单AZ故障时可切换，常见且成本适中。
- 右下象限：互联网弱状态业务多活，RTO=0, RPO≠0，适用于非关键业务，如直播与社交平台。
- 左下象限：异地灾备（冷备/温备），RTO≠0, RPO≠0，高可用兜底手段，牺牲一致性和性能换取成本节约。

总体架构：TCE采用“八横四纵”高可用体系，包括硬件组件级、节点级、机柜级、AZ级高可用，以及中间件与数据库高可用、微服务框架高可用和应用高可用。
部署模式：
- 单AZ部署：低成本场景，通过冗余设计保证单AZ内部高可用。
- 双活AZ（可选仲裁区）部署：标准场景，通过跨AZ集群和仲裁区实现高可用，RTO≈0, RPO=0。
- 三AZ部署：优先考虑场景，各组件跨三AZ部署，任意AZ故障不影响业务。
- 多地多中心部署：增强场景，同城双活或多中心部署，异地灾备实现跨地域高可用。

总体设计：IaaS高可用包括基础网络、网络外连、负载均衡&VPCGW、计算和存储高可用。
基础网络高可用：通过物理设备与链路冗余备份，如bond上联、堆叠技术和BGP路由技术实现。
网络外连高可用：每个AZ具备冗余链路，推荐异构ISP接入，避免单线路或ISP故障影响。
负载均衡和VPCGW高可用：
- CLB跨AZ集群，同步用户会话状态，实现高可用。
- VPCGW主备模式部署，支持就近访问和流量垂直化。
计算高可用：
- CVM支持跨AZ热迁移和被动疏散，RTO≈0。
- TKE容器平台支持跨AZ高可用，通过Deployment机制保证Pod集群高可用。
存储高可用：
- CBS采用三副本机制，AZ内故障RPO=0。
- COS采用一致性哈希算法，跨AZ部署实现数据强一致性。
- CSP支持跨AZ多副本同步，实现高可用。

消息队列与流式数据引擎高可用：
- TDMQ-Pulsar和TDMQ-RocketMQ实现跨AZ高可用，RTO≈0, RPO=0。
- TDMQ-Kafka实现跨AZ高可用，RTO≈0, RPO≠0（最终一致性）。
缓存高可用：
- CRedis跨AZ部署，RTO≈0, RPO≠0（最终一致性）。
关系型数据库高可用：
- TDSQL-MySQL跨AZ部署，RTO≈0, RPO=0。
微服务框架高可用：
- TSF跨AZ部署，实现控制平面和数据平面高可用，RTO≈0, RPO≠0（部分场景）。