谷歌服務(wù)為什么如此強大？

發(fā)布日期：[2016/4/11] 編輯：奇億廣州網(wǎng)站建設

谷歌服務(wù)在全球互聯(lián)網(wǎng)界已是穩定立足，無(wú)論是搜索業(yè)務(wù)還是其它業(yè)務(wù)，哪怕在退出中國的幾年里，我們依舊感受得到它的強大，谷歌是怎么做到的呢？

谷歌服務(wù)為什么如此強大？

      對于身處墻外以及自備科學(xué)上網(wǎng)技能的你，還記得上一次是什么時(shí)候，你想上谷歌搜索點(diǎn)什么結果網(wǎng)頁(yè)崩潰了嗎？
      真相是，這個(gè)答案本身就不成立，因為谷歌似乎一直都在那里，從來(lái)沒(méi)有宕機過(guò)，除非你連不上網(wǎng)。而除了搜索引擎，谷歌提供的各種線(xiàn)上服務(wù)，無(wú)論是Gmail、Google Docs還是其他，都似乎是同樣地穩定可靠。根據谷歌提供的統計數字，在2015全年99.97%的時(shí)間里，你都能暢通無(wú)阻地使用包括Gmail和Docs在內的全套谷歌應用。
      似乎全世界的用戶(hù)都對此習以為常，但這完全稱(chēng)得上是非常了不起的成績(jì)，只是使用谷歌的我們很少會(huì )去思考，這家公司是怎樣把“奇跡”變成日常的。
      谷歌只用了短短三個(gè)詞來(lái)解釋?zhuān)壕W(wǎng)站可靠性管理（Site Reliability Engineering，簡(jiǎn)稱(chēng)SRE）。
      聽(tīng)起來(lái)沒(méi)什么厲害的，但谷歌在十幾年前就提出了這一影響深遠的設想。這種管理哲學(xué)其實(shí)意蘊深厚且適用范圍廣泛，簡(jiǎn)而言之，可以歸結為這么一個(gè)中心思想：
      不要讓擅長(cháng)管理網(wǎng)絡(luò )服務(wù)的IT人員來(lái)管理你司的網(wǎng)絡(luò )服務(wù)。讓編寫(xiě)軟件的程序員自己來(lái)管理。
這么做的話(huà)，程序員就會(huì )自己開(kāi)發(fā)有助于程序運作的工具，而不需要其他人另外花力氣找bug。
      “我們期待著(zhù)有朝一日，不需要人進(jìn)行任何管理�！�
       ——TODD UNDERWOOD，谷歌網(wǎng)站可靠性主管
       谷歌工程副總裁Ben Treynor Sloss在新近的一篇文章里寫(xiě)到：“我們的方法呈現出來(lái)的效果是，整個(gè)團隊的成員都會(huì )對手動(dòng)執行任務(wù)很快地產(chǎn)生厭倦，也因此都掌握了編寫(xiě)程序的能力來(lái)代替之前的手動(dòng)操作�！�
      對許多硅谷中的人來(lái)說(shuō)，這并不算什么新鮮的觀(guān)點(diǎn)�；蛘哌@么說(shuō)，從亞馬遜到Box.com，整個(gè)科技界基本上都是這么干的。人們稱(chēng)之為DevOps，即開(kāi)發(fā)（development）和運維（operation）的合并，整合編程人員的技術(shù)與系統管理員的目標。不過(guò)，這場(chǎng)DevOps運動(dòng)的發(fā)展雖然源自谷歌內部的SRE管理體系和亞馬遜內部類(lèi)似的管理原則，但也大有不同并自成一體。只是谷歌一直都秘而不宣，就像人們好奇谷歌高效的線(xiàn)上運維是怎么實(shí)現的時(shí)候，他們還是保持低調行事。
      但谷歌已經(jīng)進(jìn)入了新時(shí)期，現在的它比以前更愿意對這類(lèi)話(huà)題開(kāi)門(mén)見(jiàn)山展開(kāi)討論，很大一部分原因在于谷歌想借此推廣自家的云服務(wù)，以引進(jìn)更多外部的公司，在谷歌的數據和機器網(wǎng)絡(luò )之上運行他們的軟件，甚至還出了一本專(zhuān)門(mén)論述SRE內功心法的書(shū)，就叫《網(wǎng)站可靠性管理》（Site Reliability Engineering）。
      無(wú)論是科技業(yè)的從業(yè)人士還是圈子外的每一個(gè)小白，系統管理或曰運維都是計算機技術(shù)領(lǐng)域最無(wú)趣的一個(gè)方面，往往出了問(wèn)題才會(huì )事后諸葛亮。然而，負責谷歌日常運作的副總裁Sloss可不這么認為。恰恰相反，他認為網(wǎng)站可靠性是“任何一款產(chǎn)品最基礎的特性”，畢竟“如果沒(méi)人能用得上，這個(gè)系統就毫無(wú)用處�！�
      從無(wú)到有的SRE
      Sloss算是這場(chǎng)SRE運動(dòng)的“發(fā)起人”。一開(kāi)始，谷歌把他招進(jìn)來(lái)負責運維，正是他后來(lái)提出了SRE這個(gè)詞�！癝RE就是你讓一個(gè)軟件工程師去設計一個(gè)運維團隊，”他說(shuō)，“我假設自己就是一個(gè)SRE系統，并按著(zhù)那樣的方式來(lái)設計并管理我的團隊�！�
      而對Todd Underwood來(lái)說(shuō)，公司聘請Sloss這樣的程序員是再自然不過(guò)的事。他向《連線(xiàn)》雜志表示，“當谷歌還處于創(chuàng )業(yè)階段的時(shí)候，其實(shí)還有很多其他的優(yōu)秀軟件工程師，他們更清楚問(wèn)題可能以怎樣的形式出現，也更明白整個(gè)工程該怎么做好。但沒(méi)有人真的想去親手落實(shí)�！�
      這是非�！肮雀琛钡囊环N現象。配置管理工具Chef的首席技術(shù)官Adam Jacob非常同意Underwood的看法并解釋道，當線(xiàn)上的運營(yíng)成長(cháng)到足夠大的體量時(shí)，這是一種意料之中的轉型�！鞍衍浖_(kāi)發(fā)和實(shí)際運營(yíng)結合起來(lái)，乃至讓二者密不可分，這是很自然要討論的問(wèn)題。全面地看問(wèn)題才能有更好的產(chǎn)出�！�
      若聯(lián)想到開(kāi)發(fā)和運維原本是兩個(gè)“死對頭”，這種轉型就顯得格外有趣了。開(kāi)發(fā)團隊希望開(kāi)發(fā)新軟件，并盡可能快地讓公眾得到不同的體驗，但運維人員更希望確保萬(wàn)事俱備、毫無(wú)差錯，最好的辦法就是盡可能減少變化。
     “這是不相稱(chēng)的兩個(gè)目標�！盪nderwood說(shuō)。
      竅門(mén)就在于，把開(kāi)發(fā)和運維結合起來(lái)，消除這種對立。
      Underwood把這稱(chēng)為“黑格爾式的正題-反題綜合體”。他也承認，這種說(shuō)法沒(méi)人會(huì )真正買(mǎi)單，因為“沒(méi)人還會(huì )讀黑格爾了”，他打趣道。但這種說(shuō)法恰恰正中命門(mén)，谷歌正是在這樣的哲學(xué)思想指導下，把其他的業(yè)務(wù)都結合起來(lái)，加速了整個(gè)SRE的轉型進(jìn)程。
      把犯錯概率編入預算
      其中一個(gè)重要的觀(guān)點(diǎn)是，為了減少開(kāi)發(fā)和運維之間的沖突，公司不會(huì )苛求正常運作時(shí)間達到100%。Sloss在文章中寫(xiě)到，真實(shí)情況是用戶(hù)并不需要網(wǎng)絡(luò )服務(wù)達到百分百可用。退一步說(shuō)，用戶(hù)也分不清正常運作時(shí)間達到100%和99.999%的區別（手提電腦、WiFi、電力和ISP宕機的概率可遠遠大于0.001%）。如果設定好一個(gè)合理的、低于100%的正常運作時(shí)間目標，也就是“錯誤預算”，你就有了更大的空間來(lái)調整變化，進(jìn)行試驗。
     “引入’錯誤預算’解決了開(kāi)發(fā)和SRE目標之間的結構性沖突問(wèn)題，”Sloss寫(xiě)道，
     “‘停電’再也不是壞事，而是創(chuàng )新過(guò)程可預見(jiàn)的一部分，也是開(kāi)發(fā)團隊和SRE團隊可以管理并且無(wú)需畏懼的正�，F象�！�
      與此同時(shí)，谷歌也制定了配套的制度，為的是確保新的SRE成員不會(huì )淪落成以前的系統管理員角色。大體上，谷歌規定了SRE組的成員不能把超過(guò)一半的時(shí)間用在開(kāi)發(fā)之外的傳統運營(yíng)上。如果運營(yíng)的部分開(kāi)始大于開(kāi)發(fā)，谷歌就會(huì )把一些運營(yíng)工作交給一般只負責開(kāi)發(fā)軟件的團隊，也就是軟件工程師�！坝幸庾R地保持運營(yíng)和開(kāi)發(fā)工作的平衡，讓我們得以確保SRE團隊的工作帶寬，能夠投入開(kāi)發(fā)創(chuàng )造性的自動(dòng)化工程，同時(shí)保留在運維工作中手機得來(lái)的經(jīng)驗智慧�！盨loss寫(xiě)到。
      Chef公司的Jacob則認為，50%的比例并不是那么重要，但他喜歡這種態(tài)度。他說(shuō)：“這就是經(jīng)濟學(xué)。我們總需要一些人來(lái)做運營(yíng)的破事兒，人們總有無(wú)限的破事兒希望運營(yíng)人員能夠解決。所以，給這些破事兒設個(gè)限額是完全合理的�！�
      在招聘SRE人員方面，谷歌甚至出臺了嚴格的指導方針。約有五成到六成SRE人員是通過(guò)工程師的招聘流程進(jìn)來(lái)的，其他人則有“85%到99%”的同等技術(shù)能力，再加上“大部分軟件工程師缺乏、但對SRE工作非常有用的技術(shù)技能”，比如深入了解UNIX操作系統的內部原理或硬件聯(lián)網(wǎng)協(xié)議。這也是為了確保開(kāi)發(fā)和運營(yíng)保持適當的平衡。
      登月計劃的啟示
      從許多方面來(lái)看，這是一種新的管理原則。但在進(jìn)一步的闡述中，谷歌團隊用了一個(gè)很老的案例。
      谷歌SRE原則的精神祖先其實(shí)是“代碼女神”Margaret Hamilton，她是MIT的程序員，也是數學(xué)和電腦科學(xué)的先鋒，在上世紀六十年代為阿波羅登月計劃開(kāi)發(fā)程序。Hamilton描述到，阿波羅項目的文化之一就是“從每個(gè)人、每件事上學(xué)習，包括你最不抱希望的人和事�！�
      Hamilton雖身為技術(shù)人員，卻在運維方面起到了重要作用。當年，她經(jīng)常把自己的小女兒Lauren帶到實(shí)驗室去。有一天Lauren不小心按下一個(gè)按鈕，結果把一個(gè)用于阿波羅發(fā)射前的程序輸入到正在運行發(fā)射后方案的電腦。這立馬使得電腦崩潰，此后Hamilton便嘗試給系統加入一個(gè)新的錯誤校驗代碼，讓其能夠在真正的飛行中預防這類(lèi)突發(fā)情況的發(fā)生。上司對她的想法表示反對，認為宇航員永遠不會(huì )犯這樣的錯誤。然而，在阿波羅八號的飛行中，宇航員真的發(fā)生了這樣的狀況，所幸Hamilton早在系統文檔中加入了一個(gè)變通方案。在此后的發(fā)射中，她給系統加入了錯誤校驗代碼。
     “光是指出‘那樣做會(huì )崩潰的’真的沒(méi)啥作用。但如果你說(shuō)，‘那樣做會(huì )崩潰的，我來(lái)告訴你怎么做’，這就非常了不起了�！盪nderwood是這樣解讀的，“她看到了程序將會(huì )崩潰，并看清了會(huì )怎么崩潰，然后設計出了預防方案�！�
      這就是DevOps，用谷歌的說(shuō)法就是SRE。聽(tīng)起來(lái)沒(méi)什么大不了，卻是非常強大的理念。它已經(jīng)成就了谷歌。不過(guò)，像Underwood這樣的哲學(xué)家型SRE人士還有更大的雄心。他們設想，在未來(lái)的世界里，運維能夠更進(jìn)一步變成代碼的一部分。Underwood說(shuō)：“我們期待著(zhù)有朝一日，不需要人進(jìn)行任何管理�！�
谷歌業(yè)務(wù)如何發(fā)展到今天，它的成功值得每一個(gè)創(chuàng )業(yè)者去深思。
      本文由奇億網(wǎng)站建設原創(chuàng )，原文地址：http://www.studstu.com/news/1470.html，轉摘請保留版權，謝謝。