上云效率提升 ||物理机（云下）|神龙裸金属（云上）| |---|---|---| |交付周期|周|分钟级| |弹性扩缩容|\-|支持| |性能|独占|独占（优于普通ECS）| |硬件故障率|硬盘1年故障率 2%|0.8%（无本地盘）| |硬件维修周期|\[周，月]|\[分钟，天]| ## 效率 成本 ## 稳定 ## 云化架构 上层业务 集团业务 k8s extended Service

master，所以 master 节点的可用性直接关系到集群的稳定，但从实践经验来看，由于 master 节点只存元数据，只负责 SQL 的解析、分发以及最终计算结果的展现，所以承担的负载一般都非常小，故障率也极低，在我们维护阿里 Greenplum 集群 3 年的时间里，以及接触到的客户中，基本上没有碰到由于 master 故障导致集群不可用的情况，唯一一次，还是因为客户误操作同时将 master 和 · 分布键： 均匀为第一大原则，选取更有业务意义的字段，并非必须选择原库的主键（PK）。 ## · 压缩表使用： 大表都要采用压缩存储，既节省空间也节省IO资源。长远来看还可降低阵列卡和磁盘的故障率。 ## ·行存还是列存： 列存储有更高的压缩率，合适于聚合运算，但不合适于宽表。一个数据库中不应只有一种存储方式，每张表应依据实际情况设计存储方式。 ## ·临时表： 对于程序中所使用到的临时表和中间表，上述

[Image](/uploads/documents/f/6/9/2/f692d374e70babf491cc67f5a925e030/p17_1.jpg) 3454.8公里累积里程 0 (未解决0) 当天故障数 0% 故障率  出入库任务运营日统计 ![

[Image](/uploads/documents/4/4/6/6/44668c418367f4f67b6cff6d55c4e684/p2_3.jpg) 微服务的精细管理带来服务的弹性伸缩、开发团队变得敏捷、服务之间隔离、降低故障率 但是同样的带来的一些问题: 接口之间通用的功能重复开发、膨胀的服务数量、难以管理 使用API网关模式 ![Image](/uploads/documents/4/4/6/6/44668c4

为全体业务侧，提供一致的使用体验 • HTTP服务强依赖DNS、Nginx，调用路径依赖多，易受故障影响 ## 收敛内网 Http服务 • 内网服务统一收敛到OCTO-RPC，提升性能、降低故障率 · 降低业务开发内网服务时选择成本 ## 服务治理实践(3): 易用性 - 黄金段位 轻量级服务框架 - 底层治理功能下移到SGAgent，动态功能上移到OCTO-Portal - 简化配置，减少第三方依赖

数仓，企业往往会需要配备运维人力，且对运维、开发人员要求高，需要相关人员掌握复杂的技术栈，技术的更新迭代迅速，相关人员需保持积极的知识更新意识。相关人才市场较小，人才匮乏。高昂的学习成本造成用户使用过程中性能差、故障率高、故障修复时间长等问题。 ## 云时代的数据处理要求 随着数据量和计算能力的爆发式增长，云计算技术的迅猛发展，云原生架构愈受欢迎，云原生时代应运而生。云原生时代，越来越多的企业将应用向云上迁移

稳定性层面，云上系统稳定性挑战持续存在，系统稳定性保障 体系不断完善、技术不断创新。云上系统自带“分布式”属性，各模块之间依赖关系错综复杂，给服务性能分析、故障定位、根因分析等带来了诸多困难；云上系统故障率随设备数量的增加而呈指数级增长，单一节点问题可能会被无限放大，日常运行过程中一定会伴随“异常”发生；同时，节点分布范围更广，节点数量更多，对日常运维过程中的日志采集、变更升级等都带来了新的挑战。基于

从公式看，C（R，N）对于一个既定的Ceph集群值是不变的（从侧面也证明副本数越多，集群规模越大，PG丢失的概率也越低），所以尽量缩小Pr、M的值。 从上面看出Pr值关联因素，一是缩小OSD硬盘的故障率，二是缩短恢复的时间。 缩小OSD故障率就是选择可靠的硬盘。 恢复时间的多与少取决于故障域的大小。默认的CRUSH的故障域是Host级。对于一个Host有3个OSD的主机，同时可恢复的OSD就是两个，如图10-7所示。

未注册的手机号码验证后自动创建点评账户 登录 登录遇到问题 短信验证码暂时不可用，请使用其他登录方式！ Debug 3. 异地多活 除了柔性可用，还有一种思路可以来延长不出故障的时间，那就是做冗余，冗余的越多，系统的故障率就越低，并且是呈指数级降低。不管是机房故障，还是存储故障，甚至是网络故障，都能依赖冗余去解决，比如数据库可以通过增加从库的方式做冗余，服务层可以通过分布式架构做冗余，但是冗余也会带来新的问题，比如成