桌面云可靠性漫谈

　　漫谈两篇，上篇谈的性能，接下来聊聊可靠性。

　　1.关于可靠性

　　　　可靠性在技术领域实际有2个参数，一个是availability，一个durability，前者反映系统是否可用，后者反映数据是否丢失，有必定关联性，数据不可用，显然系统

　　　　也是不可用的。但就重要性来看，后者显然更重要。如：你的PC 机因各类故障致使2天不可用，心情会极其不爽，这是availability，若是告诉你保存在PC上的10几年

　　　　的相片丢失了，估计你砍人的心都有了，这就是durability。若是告诉你存在电脑上自拍的小电影泄露出去了，······这个，不是咱此次的重点，下次再聊。

　　　　可靠性问题，在传统的IT 系统中，是靠应用开发商和硬件、平台软件等供应商共同来保证的，从业界统计来看，应用开发商形成的可靠性问题占70%以上，因此选对

　　　　应用提供商是关键。剩下的30%可靠性事故是硬件和平台软件来保证的。应用开发商为了解决这部分的可靠性问题，须要进行大量的可靠性开发工做，这须要有经验

　　　　的工程师，同时也会致使应用代码急剧增长，进一步加大应用软件的可靠性风险---显然系统越复杂，可靠性风险越高。

　　　　有经验的软件工程师是很难招聘和不跳槽的，这须要投入不少的人力成本。精简IT，下降软件开发难度，这就是包括华为在内的大部分IT 厂商的追求。因此你们在这个

　　　　领域不断推陈出新，如现有小型机、FCSAN，后有IPSAN、NAS、中间件，再有容灾、备份等等技术手段，这些东西对企业IT来说就是高昂的capex成本;像华为在

　　　　电信领域，或者如淘宝这类的互联网厂家，招聘大量的有经验的工程师，在最垃圾的硬件上构建最可靠的系统，同样也能达到目的，这种付出的人力成本是opex.

　　　　因此提高可靠性，要么购买昂贵的系统，要么雇佣昂贵的程序员，这是每一个企业不得不考虑的选择。

　　2.云计算的可靠性基础

　　　　云计算的出现，在设备和程序员的选择之间达到了一个新的平衡，以合理的代价提高了可靠性。通常的云计算系统都提供的故障HA、容灾、备份、快照等手段，

　　　不一样的方案在成本上略有差别，从个人观点来看，相对传统IT，故障HA时一个最低成本、可靠性提高最明显的特性，最大的好处在于云平台对应用软件的硬件环境

　　　作了标准化，应用不须要跟硬件打交道了，不用担忧硬件厂家兼容性、停产替换等事情了，应用的开发难度答复下降。

　　　　云平台自己可靠性设计，在于大规模条件下的软件能力，10个刀片左右的虚拟化系统的可靠性其实比较好设计，若是一个云平台管理的规模上百、千、万服务器，

　　　　系统软件难度大幅上升。从特性对标上来说，你们都差很少，就不啰嗦了。

　　3.桌面云的可靠性

　　　　桌面云是基于云平台的一种应用，革命的对象是PC机，其余好处不啰嗦了，就可靠性和可维护性上讲，提高太明显了。客户不用再担忧PC机停产找不到配件，

　　　　数据中心的服务器替换不会影响用户，若是采用华为的DSWare(一体机内置的分布式存储），则硬盘更换也对用户不感知了，之前IT为了保证可靠性，若是硬件损坏

　　　　就须要当即更换设备，如今不用，每周推着小推车金数据中心，看见坏的硬件就把它换下来，这种惬意的维护方式再也不是梦想，再不用羡慕Google数据中心的维护人员

　　　　在办公室能够遛狗的幸福生活了。

　　　　等等，愿景很美好，华为桌面云难道不会有故障吗？坦率地讲，可靠性是个几率问题，没人能够拍胸脯保证系统永远正常工做，可是华为的桌面云中有不少有意思的

　　　　可靠性设计，可以极大下降可靠性事故。

　　　　1）桌面云中管理系统的故障，不会形成数据面的不可用，如已经在使用桌面可以继续正常工做，不会影响用户办公，但会影响还未登陆链接进桌面的用户。

　　　　2）全部的管理部件都是双部件运行，其中DB和ITA是准备运行，其余部件都是负荷分担方式运行，如HDC、WI部件，系统默认安装是2台，实际上能够部署更多，

　　　　　　以进一步提高可靠性。管理系统的进程异常都有自我保护，若是代码出问题，会自动重启；全部管理不见不管启动的前后顺序，异常状况下维护更简单；管理系统的

　　　　　　数据还提供自动备份到第三方设备上的能力。

　　　　3）对于用户链接的可靠性，全部在VM里的协议软件都有误删停机制，还有防止被修改等，万一还有问题，如用户删除了Windows 系统文件等，还能够经过自助维护

　　　　　　平台进行恢复操做。

　　　　4）对于第三方重要部件，如AD异常，系统日志会有提示，并且有工具来检测AD是否正常工做；网络若是有异常，客户端上有红黄绿灯来标识等。

　　　　5）前面说到，durability很关键，若是客户选择IPSAN来建设，那跟其余供应商没什么区别，IPSAN通常采用RAID0或者RAID5来建设，在可靠性上讲，这实际上

　　　　　　就是2跟数据，因为硬盘故障后，raid组须要有个重建时间，硬盘容量越大，可靠性就会越低，所以及时更换坏件仍是必须的。若是采用华为的一体机DSware

　　　　　　来存储，系统默认是提供了3分数据，可靠性大幅提高，为了兼顾成本和性能需求，采用的大容量的SATA盘来下降每用户成本，采用SSD来提高性能。DSware

　　　　　　中任何硬件损坏，系统会自动把数据从新分布。这个数据从新分布的速度也远超SAN，可靠性也是有保障的。（若是三分数据仍发生故障，用户能够去买彩票了，

　　　　　　由于买彩票的中奖率远比DSWare三分数据发生数据丢失的几率高）若是真的仍是不放心，那就要用到容灾和备份了，由于系统在底层没法判断数据有效性，只能

　　　　　　所有数据同步或者备份，这会极大增长成成本，系统复杂度大幅上升，好比除了增长1：1的计算和存储容量外，还需增长数据中心间的大带宽。最佳的方案建议

　　　　　　采用在用户虚拟机中安装第三方的网盘系统，用户本身选择少许的重要数据自动备份，同时在灾备中心创建pool型虚拟机，万一出现系统故障，用户登陆POOL

　　　　　　虚拟机，从网盘上去下载用户数据，这样也能低成本迅速恢复办公环境。

　　　　6）最后，来谈谈综合能力。桌面云系统涉及到网络、服务器、存储、云平台软件、桌面云软件，仍是比较复杂的，华为具有端到端的能力包括研发能力，同时

　　　　　　本身已经建设并用10万桌面云，该碰的问题全碰到了，因此尽管放心华为的品质，虽然华为刚进入IT领域，但多年在电信领域的技术积累，不能以通常眼光

　　　　　　来看待。举个例子，某国内著名的医疗设备制造商想上桌面云，华为和IXX受邀去投标，由于华为在IT领域是新兵，最后IXX以高价中标，其中集成由IXX

　　　　　　完成，设备状况是服务器IXX提供，存储EXX，云平台VXX，桌面云CXX，都是名牌货，可是最后项目在努力1年后失败，该企业CIO黯然离职，项目终止。

　　　　　　因此，别看各厂商各谈各的技术有多牛，系统异常状况下的端到端的问题定位和处理能力，才是选择供应商的关键。