阿里云使用经验分享——小投入大收益

今天是 2014 年阿里云开发者大会的第二天，在伏羲二楼，我们见证了各种基于阿里云的框架实践，在高级框架分析自己的实战时，阿里人自嘲道：“您们懂阿里云，比我们自己更懂”。这个主题包含 CRM 框架实战、云物流平台、阿里云的集成整合使用、车载网及海量数据 RDS 等领域，吸引人的不是这些领域用了阿里云服务，而是这些领域怎样使用阿里云服务的，使他们的业务价值最大化——这种小投入大收益是不是很值的您期待呢？下面我将这些经验做个总结。

用过阿里云的朋友应该都知道，阿里云的服务包括：

• 云服务器 ECS：弹性伸缩，快速部署网址或应用
• 负载均衡 SLB：通过流量分发扩展应用系统服务能力
• 关系型数据库服务 RDS：用于高可用设计，远离数据丢失
• 开放存储服务 OSS：用于海量安全存储，支撑大规模并发访问
• 内容分发网络 CDN：用于安全加速，提高用户体验
• 开放存储服务 OCS：基于内存的高速缓存
• 开放数据处理服务 ODPS：用于海量数据分析
• 开放结构化数据服务 OTS：基于大数据，高并发快速访问。

分享经验一：电商行业怎样用阿里云进行数据采集和分析

本案例来自上海云贝网络科技有限公司架构师刘立谦的分享，他的整体框架中用到了阿里云的 OTS、OCS、TIS、ECS。正如架构师刘立谦所说，起初我们只把采集程序部署在 ECS 上，通过这个程序把天猫、一号店、PaiPai、Amazon、当当网等上面的数据，通过各种分库放在磁盘上面并进行查询，这样做，磁盘的负载能力极不平衡，而且时效性特别差，我们为了解决这个问题，在 ECS 端和查询端中在添加了 OTS、OCS、TIS 这三项服务，其中 TIS 服务还属于试验阶段，还不是公开的服务类型，从分享中爆料说“这个服务叫终搜，使用起来非常不错”。在数据分析阶段，我们把服务分为四种类型：简单非实时、简单实时、复杂非实时、复杂实时。其中复杂实时是最复杂的部分，我们用到阿里云的技术也是最多的，如：

• 快速存储部分：OTS 服务、OCS 服务、RDS 服务
• 快速计算部分：ECS 服务、ODPS 服务
• 快速查询服务：TIS 服务

分享经验二：“云物流”，搭建 SAAS 化平台

本案例来自奥林网络科技（宁波）有限公司 CTO 林雪挺做的分享，本公司发展初期，有自己的机柜，但是在业务扩展的时候，遇到了很多问题，不如说扩展问题，网络问题、老化问题，之后把功能部署到云上，正如讲师所说的：“阿里云已经脱变，犹如一件美丽的艺术品，稳定可靠，开始静静地享受它带来的便利”。他们使用阿里云分享心得如下：

• SLB：代替 F5，双线用户场景
• ECS：无边界防火墙下的安全
• RDS：SQL 管理方便，容错强
• CDN：Post 重试，SLB-TCP session 保持不支持
• OTS：吞吐性能好，高并发，统计差
• ODPS：吞吐差，逻辑处理强

该公司通过使用阿里云收获如下：

• 低成本：比实际使用方案降价 32%
• 快捷高效：快速应对活动或突发项目
• 服务生态化：综合解决方案
• ODPS：大数据分析
• OTS：大数据存储
• DRDS：海量数据下单实例 RDS 的升级方案
• SLS：集中日志分析

该公司对阿里云展望：

• 对阿里云的期望
• 全球 CDN，国际站点
• 站点间数据同步
• 镜像上传，更容易上云
• 更高的 IO，不再需要去 O
• 云操作审计，安全堡垒
• 更多灵巧的自动化服务，懒人的福利

分享经验三：阿里云产品实用技巧分享

本案例由上海驻云信息科技有限公司高级架构师李俊涛分享，这个架构师对阿里云的使用可以说是匠心独运，我们先看看他说的第一个例子：

“一次购买 1 台 50M 带宽的 ECS 4657 元 / 月，批量购买 10 台 5M 带宽的 ECS 157*10=1570 元 / 月，节省费用近 65%”。

第二个经验是直接用多块硬盘利用 Raid0 原理进行存储，可以大大提高磁盘 I/O 性能；第三点就是巧用阿里云的 API，这样可以通过二次开发实现批量管理、批量操作、批量监控。

我们再看看，面对这么多的服务，架构师是怎样进行组合使用的，他们的解决方案如下：

1. 使用 SLS 通过 logtail 监听实时获取日志数据，保存到 SLS 服务器，并自动离线备份至 ODPS；
2. RDS 用来存储关系型数据，可以通过 DPC 定时导入 ODPS；
3. ODPS 进行海量分析，分析结果在 DPC 中进行数据展示。

分享经验四：车载大数据分析及应用

本案例来自广州通易科技有限公司研发总监刘锬带来的报告，在报告中讲述，我们在使用云之前，面临了很多问题，比如托管网络、数据安全、数据存储、计算能力、运维。而云计算正好解决了这个问题，但是我们怎样选择阿里的服务呢？比如说，在数据存储这块，由于我们的数据没有冷热之分，也就是说，不同时间段的数据，价值是相同的。我们数据的第二个特点：同车型的数据相关性大，用户之间的相关性少，然而在阿里云中 RDS、OTS、OAS、ODPS 等这些都是稳定、可靠、安全、高性能的存储产品，但是我们选择了最成熟、简单、易用，存储空间最贵的 RDS。

在数据分析方面，由于我们应用牵涉到很多机器学习、统计方面的算法，由于阿里对这方面的提供还是不错，我们是基于 R 进行的数据分析。

使用阿里云后的感想和期待：

1. 希望阿里云的大数据处理工具 ODPS 算法库 Xlib 能与 R 语言算法库媲美
2. 连通 OTS 和 ODPS，也就是说，ODPS 可以直接从 OTS 获取数据，OTS 数据使用成本更低

分享经验五：企业 SaaS 应用海量数据的 RDS 解决之道

本案例来自杭州湖畔网络技术有限公司创始人陈耀辉的分享，他们的目的是用免费的 MySQL 和相对的云主机集群来达到小型机 + 大型商业 DB 的效果，这样可以减少大量的资金投入，降低运营成本。他们用的框架是结合 RDS 的 Sharding 方案，这种方案的效果如下：

1. 能够基于数据负载现状分配新的 sharding
2. 支持横向和纵向的扩展，弹性扩展技术很合适电商业务
3. 跨库 Join 通过业务的重新设计规避
4. 较少数据迁移量
5. 系统可用率在 99.9%，连续 2 年双 11 无漏单和错单
6. 投入和产出比（相较同行几十分之一）

我们采用的战略总结：

1. 水平切分数据库：降低单台机器的负载
2. 负载均衡策略：降低了宕机的可能性
3. 集群：避免数据库宕机带来的单点数据库不能访问的问题
4. 读写分离：最大限度提高应用中读取数据的速度和并发量

总结：通过上面的分享，我们发现，结合自己公司的实际应用场景，充分合理地利用云计算，可以实现小投入大收益的经济效益。