到今天，云計算的工業(yè)實現(xiàn)已經(jīng)不太難了?，F(xiàn)在有開源軟件KVM和Xen，這兩個東西基本把虛擬化搞定;而OpenStack則把管理、控制系統(tǒng)搞定，也很成熟。PaaS也有相應(yīng)的開源，比如OpenShift，而Java里也有N多的中間件框架和技術(shù)。另外分布式文件系統(tǒng)GFS/TFS，分布式計算系統(tǒng)Hadoop/Hbase等等，分布式的東西都不神秘了。技術(shù)的實現(xiàn)在以前可能是問題，現(xiàn)在不是了。
對于云計算工程方面，現(xiàn)在最難的是運維。管100臺、1萬臺還是100萬臺機器，那是完全不同的。機器少你可以用人管理，機器多是不可能靠人的。運維系統(tǒng)不屬于功能性的東西，用戶看不見，所以這是被大家嚴重低估的東西。只要你做大了，就必然要在運維系統(tǒng)上做文章。數(shù)據(jù)中心/云計算拼的就是運維能力。
為什么說運維比較復雜，原因有這么幾個。
一方面，云計算要用廉價設(shè)備取代那些昂貴的解決方案?；ヂ?lián)網(wǎng)就是要用便宜的東西搭建出高質(zhì)量的東西，硬件和資源一定不會走高端路線——比如EMC、IBM小型機、SGI超級計算機等等，你如果用它去搭建云計算，成本太貴。用廉價的解決方案代替昂貴的解決方案是整個計算機發(fā)展史中到今天唯一不變的事情。所以如果你要讓夏利車跑出奔馳車的感覺，你需要自己動手做很多事，搭建一個智能的系統(tǒng)。用廉價的東西做出高質(zhì)量的東西，運維好廉價的設(shè)備其實是云計算工程里最大的挑戰(zhàn)。
另一方面，因為機器多了，加上用的又不是昂貴的硬件，所以故障就變成了常態(tài)，硬盤、主板、網(wǎng)絡(luò)天天壞。所以，沒什么好想的，運維就必須要跟上。云計算的目標是在故障成為常態(tài)的情況下保證高可用——也就是我們所說服務(wù)的可用性，是3個9、4個9還是5個9。
最后，這一大堆機器和設(shè)備都放在一起，安全問題就是一個挑戰(zhàn)，一方面是Security，另一方面是Safety，保證數(shù)十臺數(shù)百臺的設(shè)備的安全還好說，但是對于數(shù)萬數(shù)十萬臺的設(shè)計，就沒有那么簡單了。
面對這樣的難題，人是無法搞得定的，只能依靠技術(shù)來管理和運維整個平臺。比如必須有監(jiān)控系統(tǒng)。這跟操作系統(tǒng)一樣，對資源的管理，對網(wǎng)絡(luò)流量、CPU利用率、進程、內(nèi)存等等的狀態(tài)肯定要全部收集的。收集整個集群各種節(jié)點的狀態(tài)，是必然每個云計算都有的，都是大同小異的。
然后，還要找到可用性更好的節(jié)點，這需要有一些故障自檢的功能。比如阿里云就遇到過磁盤用到一定時候就會莫名其妙的不穩(wěn)定，有些磁盤的I/O會變慢。變慢的原因有可是硬盤不行了，于是硬盤控制器可能因為CRC校驗出錯需要要多讀幾次，這就好比TCP的包傳過來，數(shù)據(jù)出錯了，需要重新傳。在這種硬盤處理半死不活的狀態(tài)時，你肯定是需要一個自動檢測或自動發(fā)現(xiàn)的程序去監(jiān)控這種事情，當這個磁盤可能不行了，標記成壞磁盤，別用它，到別的磁盤上讀復本去。我們要有故障自動檢測、預(yù)測的措施，才能驅(qū)動故障，而不是被動響應(yīng)故障，用戶體驗才會好。換句話說，我們需要自動化的、主動的運維。
為了數(shù)據(jù)的高可用性，你只能使用數(shù)據(jù)冗余，寫多份到不同的節(jié)點——工業(yè)界標準寫三份是安全。然而，你做了冗余，又有數(shù)據(jù)一致性問題。為了解決冗余帶來的一致性問題，才有了paxos的投票玩法，大家投票這個能不能改，于是你就需要一個強大的控制系統(tǒng)來控制這些東西。
另外，公有云人來人往，里面的資源和服務(wù)今天用明天不用，有分配有釋放，有凍結(jié)，你還要搞一個資源管理系統(tǒng)來管理這些資源的生命狀態(tài)。還有權(quán)限管理，就像AWS的IAM一樣，如果沒有像AWS的IAM權(quán)限管理系統(tǒng)，AWS可能會不會像今天這樣有很多大的公司來用。企業(yè)級的云平臺，你需要有企業(yè)級的運維和管理能力。
為啥云計算有這么多開源的東西，卻不是人人都能做?
一方面，這就跟蓋樓一樣。蓋樓的技術(shù)沒什么難的(當然，蓋高樓是很難的)，但是你沒地你怎么蓋?云計算也一樣，帶寬的價格貴得就像土地的價格。其實云計算跟房地產(chǎn)一樣，要占地、占機房、占帶寬。如果能把中國所有的機房、機柜、帶寬資源都買了，你就不用做云計算了，賣土地就夠了——因為這些是有限的。最簡單的例子，IP地址是有限的。你有帶寬、有機房，但是如果你沒有IP，這就不好玩了。尤其是你要提供CDN服務(wù)，這個就更明顯，因為有多少物理節(jié)點直接決定你的CDN服務(wù)質(zhì)量。
另一方面，正如前面所說的，運維是件很難的事，運維這個事并不是一般人能搞的事。沒有足夠的場景、經(jīng)驗和時間，這種能力很難出現(xiàn)。從用戶的角度來說呢，云計算是一種服務(wù)，你需要對用戶企業(yè)內(nèi)的解決方案要有很好的了解，這樣才能提高很好的服務(wù)。能提供“好服務(wù)”的通常都是把自己真正當成用戶公司。
賣汽車也是賣服務(wù)。造出汽車來，并不代表你搞定這個事了。如果沒有公路、沒有加油站、沒有4s店、沒有交通管理、規(guī)則等等，你要么用不了，要么就是亂七八糟。不能只讓用戶在那看著你的汽車好牛啊，但是用戶不知道怎么用。所以說，云計算最終旁邊必須要有一套服務(wù)設(shè)施，而這套服務(wù)設(shè)施也是今天被人低估的。
云計算有兩個東西個人覺得是被人低估的，一個是運維，一個是服務(wù)。做服務(wù)的需要有生態(tài)環(huán)境，有人幫你做。所以做云計算要落地并不簡單。還是那句話，云就是服務(wù)，只要提供了好的服務(wù)，無論公有還是私有都是會有價值的。
