【转】文章地址：https://mp.weixin.qq.com/s/iTtpa2zUpboKum6xfgXwQQ【该文章为李运华老师的演讲《阿里游戏高可用架构设计实践》文章】
李运华老师将演讲文章内容提炼出一句精华之语：“把运维的锅让研发去背！”即高可用的系统是设计出来的，不是靠运维保障出来的！
在很多时候，系统发生了故障，如机柜断电、交换机断机、服务器断机、程序Bug等故障，大家认为硬件设备的问题就跟研发组的同鞋没有关系，但事实真的如此吗？经过深入的讨论和分析，最后得出根本原因还是系统设计方案有问题，即技术上是比较弱的。得到根本原因后解决策略就比较容易看出，即“把运维的锅让研发去背！”，由此，可以确定一个目标：高可用性即是指几个九，是99%还是99.9%还是99.99%还是99.999%等等，这个指标的优点的是业界通用，但是除了技术人员，其他的同学不是很能理解这个指标。所以又制定了另一个目标：3分钟来定位问题，5分钟能恢复业务，而且问题的发生频率不能太高。这个目标的优点是聚焦业务、容易分解（首先要定位问题，其次是恢复业务，再次是故障的频率不能太高）、容易衡量（再做方案的时候，很多方案只要拿这个标准一套，基本上就能够判断这个方案是否可行）。
高可用性整体架构可以分为用户层、网络层、服务层、运维层四层。
用户层包括客户端重试，如果遇到后端故障，最快的、对用户影响最小的解决方式是立刻去重试，服务器1有故障的话，我们重新发一个请求到服务器2，就能够正确处理业务。重试有一个关键点需要特别注意，重试的时候必须保证这个请求不要再发到原来有问题的服务器上面，否则这个重试只是浪费时间。
网络层包括HTTP-DNS，即域名和服务器的对应关系，它有三个优点：①灵活。可以基于自己的业务特点做很多个性化的东西。②快速。因为它不存在缓存的问题，一旦运维人员甚至是测试同学把这个服务器下掉后，用户这个请求能够立刻拿到最新的结果，避免重复返回到原来有故障的机器。③方便。这个系统是运营商自己维护的，想做什么样的操作都可以，如果是公共的DNS那无法实现这个效果。
服务层包括架构解耦、业务降级、异地多活，架构解耦包括业务分离和服务中心，业务分离即把系统中的功能分开，因为对于游戏玩家来说，只有登录注册是强相关的，业务分离就是把核心业务和非核心业务拆分到不同系统中，调用时通过接口访问；服务中心类似于DNS，是实现整个内部系统之间服务调用时候的调度功能。业务分离将核心业务和非核心业务分开后，可能会出现一些极端情况，比如非核心业务启动不了了，或者数据库崩了，它就会影响核心业务。但是，在这种比较极端的情况下，我们可以通过人工的方式下发降级指令，把这个非核心业务系统的功能给停掉，这个停掉并不是把程序停掉，而是说把其中的一个接口或者url停掉，核心系统去访问的时候就得到一个500或者503错误。异地多活的优点有业务层数据业务、二次读取、可重复生成唯一数据。
360°监控整体方案从上到下分为五层：业务层、应用服务层、接口调用层、基础组件层、基础设施层。业务层就是业务上的打点，根据这些打点进行机型统计或者分析；应用服务层就是url的一个访问情况；接口调用层就是系统对外部依赖的那些接口的访问情况；基础组件层即使用的一些组件，包括MySQL等；基础设施层就是最底层的设备，包括操作系统、网络、磁盘、IO这些设备。
经过这些技术的修改，大大提高了系统的可用性，虽然设备还是会出现故障，但是系统对这些故障的处理很及时，最重要的是不影响用户的使用。