向上而生，华为云基础设施服务高可靠之路

　　科学家钱学森说过：”可靠性是设计出来，生产出来的，管理出来的“。公有云的可靠性，一直被人关注，并作为用户选择重要指标。可靠性做的好就无感知，当你感知到，那肯定已经出现问题了。华为云近期推出了“选择华为云更可靠”的海报，今天我们就谈一谈华为云基础设施服务的高可靠之路。

　　产品设计理念：”可靠性为先”

　　华为云基础设施服务的设计理念是以可靠性为先，所以在技术规划阶段，就已经包含了包括业务连续性、持久性、健壮性、数据冗余、数据完整、数据一致等一系列可靠性的规划和分析，并导入到产品或系统架构设计中，最终在研发阶段完成可靠性能力实现。

　　例如最常见的云主机，云主机其可靠性需要硬件架构、网络链路层面考虑冗余，故障时能够快速切换和隔离，确保客户业务正常运行。而客户保存在云硬盘上的数据，更是采用三副本跨磁盘、服务器、机柜分布式部署，再通过数据强一致性复制协议，保障副本之间数据一致，使得任意类型节点故障都不会导致数据丢失。

　　研发管理流程：引入流程，通过流程保障端到端可靠性

　　可靠性是一个系统工程，除了可靠性为先的设计理念，在研发管理流程上，还通过可靠性部门以及专业人才，制定可靠性规范，从机房、工程组网、互联网出口和云服务软件等端到端的设计系统级可靠性。

　　第一，引入潜在失效模式及影响分析FMEA(Failure Mode and Effect Analysis)。FMEA即在产品设计阶段和过程设计阶段，对构成产品的子系统、部件逐一进行分析，找出所有潜在的失效模式，并分析其可能的影响，从而预先采取必要的措施，以提高产品的质量和可靠性，从而确保用户满意的一种系统化活动。FMEA让华为云上产品服务在设计阶段就限度消除了潜在的可靠性隐患，确保了各系统、组件之间最有可靠的协同状态，在产品没有发生故障之前就可以提前进行分析，在出现故障之前提前预知，把损失降到最小化。

　　第二，建立三线一库：可靠性需求基线、可靠性能力基线、可靠性测试基线和故障模式库。故障模式库是华为基于自身经验与业界故障分析，建立的包括机房、网络、硬件整机和部件、操作系统资源、软件架构、服务之间依赖等多种故障模式。通过故障模式库不断梳理可靠性需求，验证形成可靠性能力基线。同时可靠性测试也不断对故障模式库进行补充，使可靠性建设形成循环，不断演进。

　　高质量硬件设备：采用广受市场认可的高可靠硬件底座，无后顾之忧

　　数据中心、服务器、存储、网络等是公有云的底座，华为云采用的有着严苛的质量要求的自研自产设备，加强华为云的整体可靠性。如服务器生产过程，有元件严选、硬件设计流程、设计创新以及品质检测等多重手段来保障服务器的可靠性。其中元件严选是华为在选择供应商时选择采用TQRDC和ES原则，分别对技术、质量、响应、供货表现、社会责任以及环境保护等方面进行考量，在众多供应商之中选出能满足这些标准的供应商。生产过程中的严格标准，使得服务器质量更加可靠。目前华为服务器全球发货量排名第4、中国市场发货量排名第2(Gartner，2018Q3)。华为存储产品销售到全球150多个国家和地区,4家全球Top 10的银行选择了华为存储，获得了市场的广泛认可。

　　业务可靠性：依托华为自身实践，帮助客户提升业务可靠性

　　华为依靠在其自身IT系统可靠性建设和企业级市场的多年历练，积累了大量针对企业场景的可靠性技术和工程实践经验。通过华为云在线云服务的形式提供给客户。华为云率先推出SDRS存储容灾服务，构建同城RPO=0容灾能力，保障数据零丢失。华为云还是提供完整公有云灾备解决方案的云厂商，凭借华为17年的容灾实践，提供全栈容灾能力及创新云服务，助力客户以改造成本灾备上云，提升客户业务的连续性和稳定性。

　　不仅如此，基于自身技术能力与经验，华为云帮助某大型互联网客户分析其业务架构，识别出中间件，数据库，NTP使用，DNS使用等5大类21个业务风险点，并提供了解决方案。针对某互联网货运客户，华为云根据客户容灾诉求，细致分析客户的业务系统，结合自身在企业容灾系统构建上的成熟经验，帮助客户快速完成业务系统的跨云容灾设计，并给出长期演进的合理化建议。