桌面云可靠性漫谈
漫谈两篇，上篇谈的性能，接下来聊聊可靠性。
1.关于可靠性
可靠性在技术领域实际有2个参数，一个是availability，一个durability，前者反映系统是否可用，后者反映数据是否丢失，有一定关联性，数据不可用，显然系统
也是不可用的。但就重要性来看，后者显然更重要。如：你的PC 机因各种故障导致2天不可用，心情会极其不爽，这是availability，如果告诉你保存在PC上的10几年
的相片丢失了，估计你砍人的心都有了，这就是durability。如果告诉你存在电脑上自拍的小电影泄露出去了，······这个，不是咱这次的重点，下次再聊。
可靠性问题，在传统的IT 系统中，是靠应用开发商和硬件、平台软件等供应商共同来保证的，从业界统计来看，应用开发商造成的可靠性问题占70%以上，所以选对
应用提供商是关键。剩下的30%可靠性事故是硬件和平台软件来保证的。应用开发商为了解决这部分的可靠性问题，需要进行大量的可靠性开发工作，这需要有经验
的工程师，同时也会导致应用代码急剧增加，进一步加大应用软件的可靠性风险---显然系统越复杂，可靠性风险越高。
有经验的软件工程师是很难招聘和不跳槽的，这需要投入很多的人力成本。精简IT，降低软件开发难度，这就是包括华为在内的大部分IT 厂商的追求。所以大家在这个
领域不断推陈出新，如现有小型机、FCSAN，后有IPSAN、NAS、中间件，再有容灾、备份等等技术手段，这些东西对企业IT来讲就是高昂的capex成本;像华为在
电信领域，或者如淘宝这类的互联网厂家，招聘大量的有经验的工程师，在最垃圾的硬件上构建最可靠的系统，一样也能达到目的，这种付出的人力成本是opex.
所以提升可靠性，要么购买昂贵的系统，要么雇佣昂贵的程序员，这是每个企业不得不考虑的选择。
2.云计算的可靠性基础
云计算的出现，在设备和程序员的选择之间达到了一个新的平衡，以合理的代价提升了可靠性。一般的云计算系统都提供的故障HA、容灾、备份、快照等手段，
不同的方案在成本上略有差异，从我的观点来看，相对传统IT，故障HA时一个最低成本、可靠性提升最明显的特性，最大的好处在于云平台对应用软件的硬件环境
做了标准化，应用不需要跟硬件打交道了，不用担心硬件厂家兼容性、停产替换等事情了，应用的开发难度答复降低。
云平台本身可靠性设计，在于大规模条件下的软件能力，10个刀片左右的虚拟化系统的可靠性其实比较好设计，如果一个云平台管理的规模上百、千、万服务器，
系统软件难度大幅上升。从特性对标上来讲，大家都差不多，就不啰嗦了。
3.桌面云的可靠性
桌面云是基于云平台的一种应用，革命的对象是PC机，其他好处不啰嗦了，就可靠性和可维护性上讲，提升太明显了。客户不用再担心PC机停产找不到配件，
数据中心的服务器替换不会影响用户，如果采用华为的DSWare(一体机内置的分布式存储），则硬盘更换也对用户不感知了，以前IT为了保证可靠性，如果硬件损坏
就需要立即更换设备，现在不用，每周推着小推车金数据中心，看见坏的硬件就把它换下来，这种惬意的维护方式不再是梦想，再不用羡慕Google数据中心的维护人员
在办公室可以遛狗的幸福生活了。
等等，愿景很美好，华为桌面云难道不会有故障吗？坦率地讲，可靠性是个概率问题，没人可以拍胸脯保证系统永远正常工作，但是华为的桌面云中有很多有意思的
可靠性设计，能够极大降低可靠性事故。
1）桌面云中管理系统的故障，不会造成数据面的不可用，如已经在使用桌面能够继续正常工作，不会影响用户办公，但会影响还未登录连接进桌面的用户。
2）所有的管理部件都是双部件运行，其中DB和ITA是准备运行，其他部件都是负荷分担方式运行，如HDC、WI部件，系统默认安装是2台，实际上可以部署更多，
以进一步提升可靠性。管理系统的进程异常都有自我保护，如果代码出问题，会自动重启；所有管理不见无论启动的先后顺序，异常情况下维护更简单；管理系统的
数据还提供自动备份到第三方设备上的能力。
3）对于用户连接的可靠性，所有在VM里的协议软件都有误删停机制，还有防止被修改等，万一还有问题，如用户删除了Windows 系统文件等，还可以通过自助维护
平台进行恢复操作。
4）对于第三方重要部件，如AD异常，系统日志会有提示，而且有工具来检测AD是否正常工作；网络如果有异常，客户端上有红黄绿灯来标识等。
5）前面说到，durability很关键，如果客户选择IPSAN来建设，那跟其他供应商没什么区别，IPSAN一般采用RAID0或者RAID5来建设，在可靠性上讲，这实际上
就是2跟数据，由于硬盘故障后，raid组需要有个重建时间，硬盘容量越大，可靠性就会越低，因此及时更换坏件还是必须的。如果采用华为的一体机DSware
来存储，系统默认是提供了3分数据，可靠性大幅提升，为了兼顾成本和性能需求，采用的大容量的SATA盘来降低每用户成本，采用SSD来提升性能。DSware
中任何硬件损坏，系统会自动把数据重新分布。这个数据重新分布的速度也远超SAN，可靠性也是有保障的。（如果三分数据仍发生故障，用户可以去买彩票了，
因为买彩票的中奖率远比DSWare三分数据发生数据丢失的概率高）如果真的还是不放心，那就要用到容灾和备份了，因为系统在底层无法判断数据有效性，只能
全部数据同步或者备份，这会极大增加成成本，系统复杂度大幅上升，比如除了增加1：1的计算和存储容量外，还需增加数据中心间的大带宽。最佳的方案建议
采用在用户虚拟机中安装第三方的网盘系统，用户自己选择少量的重要数据自动备份，同时在灾备中心建立pool型虚拟机，万一出现系统故障，用户登录POOL
虚拟机，从网盘上去下载用户数据，这样也能低成本迅速恢复办公环境。
6）最后，来谈谈综合能力。桌面云系统涉及到网络、服务器、存储、云平台软件、桌面云软件，还是比较复杂的，华为具备端到端的能力包括研发能力，同时
自己已经建设并用10万桌面云，该碰的问题全碰到了，所以尽管放心华为的品质，虽然华为刚进入IT领域，但多年在电信领域的技术积累，不能以一般眼光
来看待。举个例子，某国内著名的医疗设备制造商想上桌面云，华为和IXX受邀去投标，因为华为在IT领域是新兵，最后IXX以高价中标，其中集成由IXX
完成，设备情况是服务器IXX提供，存储EXX，云平台VXX，桌面云CXX，都是名牌货，但是最后项目在努力1年后失败，该企业CIO黯然离职，项目终止。
所以，别看各厂商各谈各的技术有多牛，系统异常情况下的端到端的问题定位和处理能力，才是选择供应商的关键。
