海兰信海底数据中心科普之可靠性篇

　　早在2011年，美国互联网服务提供商AOL公司就宣布推出ATC的小型无人值守数据中心，称之为“熄灯”数据中心(Lights Out Data Center)。根据波洛蒙研究所的报告，人为错误是导致数据中心故障的罪魁祸首之一。更加糟糕的是，机房的部署环境虽然适宜人类工作，却不是设备运行的理想环境，其他相应的配套设施，也需要大兴土木，投资甚巨。

　　人力运维就像是把双刃剑，“熄灯”数据中心意在解决这个矛盾。随着技术进步和运维流程的革新，尤其是在世纪疫情的大背景下，“熄灯”数据中心的理念再次被提及，无人运维的理念逐渐深入人心。更可靠的设备，更精准的监控，更智能的自动化运维工具，让这一些都变得可能。

　　海底数据中心(UDC)，就是这样一种免运维或少运维的数据中心部署形态。那么，海底数据中心又是如何保障系统的可靠性呢?

云服务的可靠性已提升到极致

　　近期，阿里云公布了最新的云服务器ECS服务等级协议SLA，单实例的可用性从99.95%提升至99.975%，多可用区多实例可用性从99.99%提升至99.995%，均为全球最高水准。99.99%的可用性，意味着云服务器一年内故障时间不超过52分钟，多可用区多实例则不超过26分钟。

　　阿里云是怎么实现这么高的可用性的呢?

　　首先是计算虚拟化层面的热迁移技术，它保证云服务器在发生故障时可以在用户无感的情况下，迁移到新的云服务器;其次，人工智能模型驱动的自动化运维平台，可实现高效的预防性维护，快速故障隔离，最小化影响面。

　　存储服务，其中云盘三副本，对象存储纠删码，基于合理的冗余和快速恢复技术，实现了99.999999999%(12个9)的可靠性和99.995%的可用性。

　　软件定义网络SDN技术已经非常成熟，部署在高可靠的物理网络设备上的Overlay虚拟网络，为业务提供了极大的灵活性和可靠性，远程运维更加更加便捷。

　　当用户把业务部署在云上时，就意味着将复杂的物理世界的事情留给了公有云厂商，系统的可靠性得到了保证。

　　后摩尔定律时代，服务器更耐用

　　1965年戈登·摩尔提出摩尔定律，距今已经过去近60年，芯片制程技术越来越接近物理的极限。

　　Intel CPU产品演进，从18个月的周期，延长到Tick-tock两步走的两年，又延长到三步走的三年。成本和时间的投入，相比CPU升级换代带来的算力提升，慢慢变得无足轻重。

　　可以预见，在更长的生命周期里，服务器提供的算力不会轻易遇到技术上的瓶颈，服务器更新的周期将更长，稳定性也将有所提高。

　　惰性气体环境，故障率低80%

　　研究发现，引起电子元器件故障的原因中，氧化占30%，温湿度变化占30%，其余为人鼠灾害。

　　在海底数据舱内，充满了惰性气体，消除了氧化风险;在20米以上深度的海水包围下，配合可靠的液冷散热技术，数据舱不会“中暑”，舱内环境近乎恒温恒湿。

　　在这样的环境下，服务器的各个元器件都工作在相对理想的环境下，可靠性和稳定性得到大幅提升。

　　根据微软海底数据中心项目的测试数据，运行在海底数据中心内的服务器，故障率仅为陆地数据中心服务器的1/8。

　　最近国外IT大厂又出圈了，Oracle和谷歌在伦敦的数据中心，因为高温天气冷却系统出现故障，进而导致机房故障!运维的同学真是操碎心了，想来还是下海吧……