摸爬滚打3年做云计算平台构建，我踩过的坑比需求还多

去年9月23号，我在南京驻场做项目。临上线前一天，半夜三点，运维的电话把我炸醒。我们搭了三个月的云计算平台，存储IO直接打满，整个平台连登录界面都刷不出来。 一行人穿着拖鞋蹲在机房走廊，吹着热风改配置，改到天蒙蒙亮才把问题找到——一开始为了图方便，我们把所有租户的存储队列都放在同一个根分区，某个测试租户跑了个全表扫描，直接把整个盘干死。 那时候我就明白，很多人对云计算平台构建的理解，从根上就错了。

不是买服务器装个系统就叫云计算平台

很多外行人，甚至刚入行的工程师，都觉得云计算就是把几台服务器拼到一起，放个管理界面就行。说白了，这不就是把原来的物理机换了个叫法？ 说实话，真不是。我最早接触云计算的时候，也这么想，直到第一次给客户做落地才发现，核心是弹性——什么是弹性？就是你业务突然多了十倍用户，平台能自动给你变出资源撑住，用户走了，资源又自动收回去给别人用。不是你买了一百台服务器放在那里，闲置着等峰值来。 我见过最离谱的项目，客户找了个外包团队，花了两百万搭云平台，所有资源都是手动分配，业务扩容要等三天审批，这也叫云计算？纯纯骗钱。 企业私有云计算平台服务器机房实拍 你去看那些跑了三五年还稳得一批的平台，从一开始规划网络就留了余量，存储做了分层，甚至连硬件选型都卡着业务的实际需求来，不是找最贵的买。

搭建过程中，绕不开的三个暗坑

做云计算平台构建这几年，我踩过的坑没有一百也有八十，挑三个最容易翻船的说。 第一个坑，资源调度没做隔离。刚才说的南京那次事故，其实本质就是隔离没做好。很多新手图省事，做租户隔离只做了逻辑隔离，没有做物理层面的资源限制，一个租户把资源全吃光，全平台跟着陪葬。现在我做项目，不管客户说需求多急，我都一定要给每个租户做CPU、内存、IO的硬限制，多花两三天时间，总比半夜蹲机房强。 第二个坑，存储分层想当然。很多人觉得，SSD速度快，全放SSD就完了。算过成本吗？同等容量的SSD，价格是机械盘的三四倍，对象存储更便宜，但是速度慢。我之前给一个做视频监控的客户做平台，他们90%的存储都是一个月以上的历史录像，根本没人看，我把这些全迁到对象存储，直接把存储成本砍了六成，客户老板笑到合不拢嘴。 第三个坑，容灾只做样子。很多客户听厂商说我们做了容灾，就以为万事大吉了。我见过不少平台，容灾就是把数据拷贝一份放在同机房的另一台服务器上，哪天机房停电，主的副的一起挂，哭都来不及。真正的容灾，至少要把备用资源放在不同地理位置的可用区，网络都是独立布线，才能扛住大概率的故障。 云计算平台多可用区容灾架构示意图 这些坑，看着都是小事，真出了问题，分分钟让你项目翻船。都是钱砸出来的教训。

别贪大求全，适合的才是最好的

别贪大求全，适合的才是最好的 现在很多厂商画PPT，都喜欢吹自己的平台全功能，什么都能做，很多企业客户就动心了，砸大价钱搭大而全的平台，结果用了一年，实际用到的功能不到两成。纯纯浪费。 我接触过一个做线下零售的客户，老板听了厂商的忽悠，非要搭一个能支撑百万并发的公有云级平台，实际他们所有业务加起来，同时在线最多几千人，一半的服务器常年闲置，每年光维护费就花不少。 说实话，云计算平台构建本来就没有标准答案。你是创业小公司，直接买公有云的服务就行，用不着自己搭。你是有敏感数据的企业，搭个小型私有云，核心数据自己管，非核心业务放公有云弹性扩，这不比硬撑着做全栈云香？ 对吧。很多人迷信大而全，觉得功能越多越厉害，其实做技术的都懂，能解决你自己问题的平台，才是好平台。 不过话说回来，哪怕你搭的再完美，也没有一劳永逸的平台。业务在长，用户在变，你的平台也要跟着迭代。我刚入行的时候，总想一次把所有功能都做完美，结果搞了大半年，业务需求都变了，之前做的设计全废了。现在我做项目，都是先搭核心骨架，能满足当前半年的需求就行，跑起来再慢慢迭代，反而少走了很多弯路。 还有一个常见的误区，很多人觉得安全是最后再加的模块，不对，构建云计算平台的时候，就要把安全嵌到每一层里，网络层要做隔离，数据层要做加密，权限要做细粒度的控制，不然哪天被拖了库，哭都来不及。 当然，风险永远存在。哪怕你做了万全的准备，也有可能出问题。你搭私有云，要自己扛硬件故障、维护的成本，你用公有云，要担心厂商涨价、服务中断。所以现在大多数企业选混合云，其实就是平衡风险和成本的选择，没什么不对的。 前几天整理旧电脑，翻出去年南京蹲机房那天的照片，一群人顶着黑眼圈蹲在地上，手里拿着罐装咖啡，屏幕亮着乱糟糟的监控界面。现在想想，挺有意思的。做云计算平台构建，从来不是照着文档拼积木，是贴着你的业务，一点点磨出来的。别信PPT上的完美方案，多踩几个坑，自然就知道该怎么搭了。