海量服务 | 论服务器极致化海量运营交付的未来

看标题一定会有些歧义, 总觉着是来讨论航运的, 其实是来和大家研讨我厂海量服务器的营运。 出厂诞生之后, 经过物流环节抵达指定数据中心, 移动上架构后通过检测和配置, 再交付应用部门使用，在数据中心恒温恒湿的小波动环境中运行几年后，一台服务器便可以光荣地退休回收，也意味着走完了它的一生。这样安安稳稳的小日子，是每个运营人员梦寐以求的好时光。

然而现实往往是残酷的，腾讯服务器的巨大保有量，诸多的供应厂商和系统体系，广泛分布的数据中心，不同业务的供配时效和SLA要求， 每一个点都对运营的纬度和深度提出新的挑战，也让腾讯服务器运营团队多年来“有机会”去探索和解决“业内无参照”的挑战。今天给大家呈现的是现有运营能力，更多的是探讨未来。

认识腾讯服务器运营的能力，可以从腾讯云的黑石裸金属服务器入手，从一组数据让大家有感性认识：标准型黑石服务器，复用腾讯海量机型的5种服务器机型，可以支持29种操作系统预装（含客户定制操作系统），95%情况下2小时交付，最晚不超过4小时，这满足了大部分客户的配置需求，覆盖了Web接入/缓存/KV/数据存储/大数据计算/数据库等通用场景。

不止于此，另一种是黑石弹性机型服务器，以更灵活的方式提供了27000多种配置组合，2天极速交付，满足客户端自定义的诉求。纵观国内和海外，没有一家云服务商能提供对等的配置种类和交付SLA，黑石对裸金属服务器进行了一次重定义。

下一张图是对黑石服务器交付流程的一个概括，简单而直观，反映了弹性配置机型的整体流程，通过种子机的物理改造和测试验证，确保交付配置的一致性，系统的可靠性和预期的性能。其实标准机型也使用这样一个流程，但是交付的切入点不同而已。对于5类标准机型，进行预购和预检，形成资源池，在客户下单后更新BIOS/BMC配置，并灌装操作系统，最终验证交付。只有这样，4小时以内的交付才有可能。这里要给黑石服务器和背后的运营团队一些掌声，展现了腾讯运营能力，也体现了运营的智慧。

能有这样的交付能力， 得力于多年以来几个关键运营能力的构建：部件标准化使得部件库扁平化，实现部件资产管理和跨厂商集中后备模式；弹性配置体系的构建，让我们拥有了Configuration-To-Order的流程体系，构建了基于部件与系统的质量认证体系；运营自动化打通引入/测试/运营/管控/质量等关键点，实现部件与系统的生命周期管理精细化和高效化，辅以自维保体系的建设，逐步形成设备故障自维保和改造。快速响应和交付效率，始终是运营团队追求的目标。

由于海量的存在，腾讯服务器运营能力站上了一个新的高度，但必须保持自省的态度：我能做得更好么？对现有部件引入流程进行复盘，我们不难发现并非所有部件都能支持灵活配置。例如，GPU和其他一些部件可能需要厂商的深度配合，对系统设计规格需要做工程评估和验证，这完全依赖于厂商的资源，时间和成本不可控，快速响应就无从谈起。由于我们与现有系统供应商之间为简单的供配模式，系统规格和设计黑盒化，对现有采购系统不具备工程化能力。“教育从娃娃抓起”，未来运营的入口，必须从系统设计开始，搭建深度的联合开发模式，确保部件导入时的规格兼容性和验证能力。

通过服务器系统BMC和BIOS的自主实现为例，可以统一运营侧的监管控接口，简化管理封装成本，丰富管控路径。深入系统和部件设计来拓宽采集数据的纬度和颗粒度，有助于精细化的健康管理，也为后端分析平台提供了更有价值的信息。把握系统散热和供电控制设计，利于建立宽泛规格的支持能力。

从服务器系统的设计阶段开始，我们就会融入对于运营的理解，无缝对接运营系统，实现高效交付和后期管理。始于此，而不止于此，新运营的时代正在到来！