云原生时代怎么应对机房故障

Source : mp.weixin.qq.com Author : 林沐

过去几年大规模自研上云实践中，使用 K8s 按集群维度管理遇到一些问题。例如集群资源不足，需要用户手动更换集群；缺少按可用区维度，需要用户手动挑选多个集群组合；机房故障时缺少统一操作的入口，如批量切流、故障迁移。尽管业界内有按条带化规划集群、通过多集群调度组件部署的案例，但都缺少面向应用、屏蔽集群，聚焦多可用区高可用的容器编排。 TKE 应用管理平台（TKE AppFabric）的一个核心特征，就是通过 TAD（Tencent Application Definition）Yaml 声明，简化容器应用的多活容灾编排流程。业务只需按可用区（Availability Zone，AZ）维度声明期望的分布，无需关注集群概念。例如指定多 AZ 按等比例的部署方式，或者指定多 AZ 且单 AZ 占比不超过上限值的部署方式；流量入口支持多集群跨 AZ 访问，以及变更发布按 AZ 维度进行灰度等。