疫情期間，在線教育、在線辦公需求持續井噴，釘釘作為很多企業首選的在線辦公軟件，用戶量激增，特別是釘釘視頻會議、直播的需求隨之飆升。同時，釘釘為了響應教育部門“停課不停學”的號召，宣布老師們可以免費試用釘釘在線課堂。

　　流量如洪流般涌入釘釘，一場資源擴容的技術挑戰拉開了帷幕。中小學生集體對釘釘展開了五星分期與在線寫歌“泄憤”的策略，釘釘本釘不得不在線求饒。而在大戰間隙，一聲感嘆傳出：

　　流量這么大，釘釘為什么不崩？

　　從 1 月 28 日開始，釘釘音視頻會議、直播的訪問流量倍數級增長。作為一個在云上成長起來的產品，釘釘開啟了在阿里云的資源擴容之路，滿足了用戶在家辦公及在家上課的需求，保證了用戶良好的體驗，釘釘如何做到的？

　　如此大型的擴容，面臨著兩大困境：效率與資源供應

　　人工擴容困境：效率低下

　　時間太短。 面對流量暴增，留給釘釘技術團隊時間只有幾天。從 1 月 29 日起，釘釘團隊就已在阿里云上 24 小時開始全力擴容，截止 2 月 2 日，從最初的 2W vCPU 擴容到 3W vCPU，僅做到了數倍擴容，還遠未達到業務需求。

　　購買與配置非常復雜。 釘釘的系統架構包含多種資源，不同于單一的云服務器 ECS 服務集群，還包含 SLB、MongoDB、Redis、EIP 等產品。這些資源都需要一個個購買，其之間的關系也需要技人工自行配置。

　　人工部署效率低、失誤率高。 釘釘用戶群量級大。如果人工部署集群，一個人部署 1 個集群需要 1 小時左右，同時也只能操作 3-4 個集群，還需要大量的配置操作，很容易失誤。

　　部署復雜度高。 集群的服務能力自閉環，支持無限擴展，但也會相應提升部署復雜度，而這次擴容涉及 8 個地域、16 個可用區，傳統部署方式擴容場景效率低下

　　大規模集群管理難度大。需要快速擴容近千集群，才能滿足幾億人在家辦公及學生在家上課的需求。當資源上千后，就很難管理資源之間的關系了，更何況超百萬的資源規模。

　　人工部署，容錯率比較差，排查困難。 集群之間經常出現偏差，某個集群的 SLB 監聽端口是 300，另一個集群是 3000，出現問題很難排查。

　　除卻以上困難，建立和運維如此巨大的集群規模還會帶來更多的技術挑戰。

　　利用資源編排服務 ROS，實現快速自動部署

　　早在 2 月 2 日流量洪峰帶來之前，釘釘就通過阿里云的資源編排服務（Resource Orchestration Service，簡稱 ROS）提高集群部署效率、幫助其快速擴容。而這款服務不負重托，幫助釘釘在短短 2 小時內新增部署了超過 1 萬臺云服務器，這個數字也創下了阿里云上快速擴容的新紀錄。

　　什么選擇資源編排服務？

　　資源編排服務是一款幫助阿里云用戶簡化云資源創建、更新和刪除的自動化服務。其通過資源棧 (Stack) 這種邏輯集合來統一管理一組云資源（一個資源棧即為一組阿里云資源）。利用資源編排服務，云資源的創建、刪除、克隆等操作都可以以資源棧為單位來完成。在 DevOps 實踐中，資源編排可以輕松地克隆開發、測試、線上環境；同時，也可以更容易實現應用的整體遷移和擴容。

　　基礎設施即代碼（Infrastructure as Code）

　　資源編排服務是阿里云提供的基礎設施即代碼（Infrastructureas Code，簡稱 IaC）的云產品，使用 ROS 可以幫助最快速地實踐 DevOps 中關于 IaC 的理念。

　　全自動托管服務

　　ROS 產品為全托管服務，無需購買維護 IaC 模板本身執行所使用的資源，只需要關注業務所需要使用的資源，即模板中定義的資源。尤其需要創建多個項目（對應多個資源棧）時，全托管的自動化可以更快地完成任務。

　　可重復部署

　　無論客戶是需要部署的環境是開發，測試和生產環境，都可以使用同一套模板進行創建。指定不同的參數可以滿足環境的差異化，例如，測試環境的 ECS 實例數是 2 臺，而生產環境的 ECS 實例數是 20 臺。或是客戶需要進行多地域的部署，使用同一套模板可以進行重復的部署，從而提高部署多地域的效率。

　　標準化部署

　　在實踐中，不同環境的細微差異往往帶來非常復雜的管理成本，延長了問題診斷的時間，從而影響了業務的正常運轉。通過使用 ROS 重復部署，可以將部署環境標準化，減少不同環境的差異，將環境的配置沉淀到模板中。再通過類似代碼的嚴格管理流程，從而保證部署的標準性。

　　統一的身份認證、安全和審計

　　和其它的同類產品對比，阿里云官方出品的 ROS 與其它阿里云產品有著最佳的集成。集成資源訪問管理（RAM）提供了統一的身份認證，而無需為單獨建立用戶認證體系。所有的云產品操作都通過 OpenAPI 調用，意味著您可以使用操作審計服務（ActionTrail）來審查所有的運維操作，包括 ROS 本身。

　　ROS 如何服務釘釘擴容？

　　定義資源模板

　　ROS 幫助釘釘快速創建了描述其所需要用到的阿里云資源（如 ECS 實例、數據庫實例等）的模板，以定義它的集群架構。ROS 提供可視化編輯器能力，可自動可使用的模板。模板完成后，ROS 將自動地創建并配置這些資源，即可實現基礎設施即代碼（Infrastructureas Code）的理念。

　　模板解析與執行

　　當 ROS 接收到用戶創建資源棧的請求時，在執行創建前，首先會對模板進行解析。解析包括語法檢查、參數校驗、依賴分析等。

　　依賴分析就是分析出資源間的依賴關系，目的有兩個：

　　保證資源創建的正確性：被依賴資源創建完成后才會創建依賴資源。

　　提供并行化創建的能力：無依賴關系的資源可以并行化創建。

　　模板解析完成后，ROS 會按照依賴關系創建資源，只有所有前置資源完成創建，后面的資源才會開始創建，類似狀態機的機制。

　　該資源模板可以快速地重復部署，尤其多地域、多可用區部署的情況；同時也可以減少環境之間的偏差，將部署過程和結果標準化，減少因為環境偏差引入的系統問題。

　　總結

　　釘釘使用資源編排服務 ROS，擴容效率就提升了 100 倍，陸續為釘釘完成了 10 萬臺云服務器的快速擴容和部署，創下了阿里云上快速擴容的新紀錄。

　　目前 ROS 已經擁有平均每分鐘 1 個集群的擴容效率、每天超百萬 vCPU 彈性能力。未來，可以預見到，疫情結束后，數百萬資源回收釋放也將是一個浩大的工程。資源編排服務 ROS 具有一鍵銷毀功能，自動回收集群內所有資源，避免繁瑣操作及遺漏。

　　彈性是云計算最大的優勢，也是云計算對整個社會提供的普惠和便利，而阿里云彈性計算資源編排服務 ROS 作為阿里云上原生的自動化編排部署服務，讓云計算的彈性發揮到極致，為釘釘提供了強有力的支持，讓釘釘成為使用最頻繁最流暢的平臺。

　　————————————————

　　本文為CSDN博主「CSDN資訊」的原創文章。

　　原文鏈接：https://blog.csdn.net/csdnnews/article/details/104662294