当年，我们是怎么平滑上云的？

2015年底的时候，到家集团启动了一个“凌云”项目，将所有系统从北京的M6机房迁移到阿里云，完成技术栈“上云”。项目涉及几百台机器，到家所有的业务，所有的系统，需要所有技术部门配合，耗时超过一个季度，是一个不折不扣的大项目。

今天，简单的聊聊当时的架构方案，我们是如何平滑进行机房迁移的。

【1】核心问题一，被迁移的系统是一个什么样的架构呢？

上图是一个典型的互联网 单机房 系统架构：

（1）上游是客户端，PC浏览器或者APP；

（2）然后是 站点接入层 ，做了高可用集群；

（3）接下来是服务层，服务层又分为两层， 业务服务层 和 基础服务层 ，也都做了高可用集群；

（4）底层是数据层，包含 缓存 与 数据库 ；

该 单机房分层架构 ，所有的应用、服务、数据是部署在同一个机房，其架构特点是“ 全连接 ”：

（1）站点层调用业务服务层，业务服务复制了多少份，上层就要连接多少个服务；

（2）业务服务层调用基础服务层，基础服务复制了多少份，上层就要连多少个服务；

（3）服务层调用数据库，数据库冗余了多少份，就要连多少个数据库；

例如：站点接入层某一个应用有2台机器，业务服务层某一个服务有4台机器，那肯定是上游的2台会与下游的4台进行一个全相连。

全连接如何保证系统的负载均衡与高可用？

全连接架构的负载均衡与高可用保证，是通过 连接池 实现的。不管是NG连web，web连业务服务，业务服务连接基础服务，服务连接数据库，都是这样。

划重点1：

单机房架构的核心是“全连接”。

【2】核心问题二，机房迁移的目标是什么？

单机房架构的特点是“全连接”，机房迁移要做一个什么样的事情呢？

如上图：

迁移之前，系统部署在机房A（M6）内，是单机房架构。

迁移之后，系统部署在机房B（阿里云）内，仍然是单机房架构，只是换了一个机房而已。

有什么好的迁移方案？

最容易想到的一个方案，把所有服务在新机房全都部署一套，然后把流量切过来。

这个方案存在什么问题？

问题1： 得停止服务， 丧失了可用性 。

问题2： 即使可以接受停服，当有几百台机器，几千个系统的时候，“ 部署一套，切流量 ” 一步成功的概率很低 ，风险极高，因为系统实在太复杂了。

机房迁移的难点，是“平滑”迁移，整个过程不停服务，并能够“蚂蚁搬家”式迁移。

划重点2：

机房迁移方案的设计目标是：

（1）平滑迁移，不停服务；

（2）可以分批迁移；

（3）随时可以回滚；

【3】核心问题三，暂时性的多机房架构能否避免？

如果想要平滑的迁移机房，不停服务，且逐步迁移，迁移的过程中，势必 存在一个中间过渡阶段，两边机房都有流量 ，两边机房都对外提供服务，这就是一个多机房的架构。

迁移过程中，多机房架构不可避免。

前文提到的单机房架构，是一个“全连接”架构， 能不能直接将单机房的全连架构套用到多机房呢？

如果直接将单机房“全连接”的架构复制到多机房，会发现， 会有很多跨机房的连接 ：

（1）站点层连接业务服务层，一半的请求跨机房；

（2）业务服务层连接基础服务层，一半的请求跨机房；

（3）基础服务层连数据层，一半的请求跨机房；

大量的跨机房连接会带来什么问题？

同机房连接，内网的性能损耗几乎可以忽略不计。

一旦涉及到跨机房的访问，即使机房和机房之间有专线，访问的时延可能增加到几毫秒，甚至几十毫秒（跟机房间光纤距离有关）。

举个例子，假设户访问一个页面，需要用到很多数据，这些数据可能需要20次相互调用（站点调用服务，服务调用缓存和数据库等），如果有一半调用跨机房（10次调用），机房之间延迟是20毫秒，因为跨机房调用导致的请求迟延就达到了200毫秒，这个是绝不能接受的。

划重点3：

想要平滑的实施机房迁移，临时性的多机房架构不可避免。

小结 ：

（1） 单机房架构的核心是“全连接”。

（2） 机房迁移方案的设计目标是： 平滑迁移，不停服务； 可以分批迁移； 随时可以回滚；

（3） 想要平滑的实施机房迁移，临时性的多机房架构不可避免；

多机房架构应该如何设计？

系统迁移步骤又该如何 ？

今天，且听 明天分解 。

架构师之路 -分享技术思路

讨论 ：

贵司是如何上云的？碰到了哪些问题？