天下網(wǎng)商記者 王安憶 黃天然

今年雙11，是考拉海購加入“阿里動物園”的第二年，其成績單備受外界關注。

加入阿里431天，考拉交出了一張漂亮的成績單：會員規(guī)模增長104%，刷新過往雙11紀錄。

很多人不知道，增長來之不易——2019年9月，考拉被阿里正式收購后，經(jīng)歷了一場“脫胎換骨”：數(shù)據(jù)庫應用架構重新設計、百萬級節(jié)點的容器集群大規(guī)模遷移、數(shù)據(jù)中心從杭州機房遷移到上千公里之外的張北、從基礎組件到中間件全面擁抱云原生……

2019年9月29日，阿里為考拉舉辦了入園儀式

在這一年里，黑卡會員們買買買的同時，考拉悄無聲息完成了一場數(shù)字基礎設施的徹底換血。

如今，全站業(yè)務全部平穩(wěn)過渡到阿里云后，考拉已棲息在一棵長在“云端”的參天大樹上。

一場大規(guī)模快速遷移

阿里收購史上，考拉體量不算最大，情況卻很特殊。

網(wǎng)易只出售了考拉的業(yè)務，卻沒有出售原本支撐考拉的數(shù)字軟硬件設施，比如物理機房、云端數(shù)據(jù)庫等均不在其中。

因此，收購完成之后，考拉核心數(shù)據(jù)勢必迎來一場大規(guī)模快速遷移。

根據(jù)阿里預定的計劃，從2019年9月6日到2020年3月31日，為“考拉入園”后的半年整合期，考拉需要完成所有數(shù)據(jù)遷移，且業(yè)務不停服，一年之內，考拉需要完成云原生的戰(zhàn)略升級。

焦灼的電商戰(zhàn)中，業(yè)務發(fā)展等不起，但這樣的速度，在阿里歷史上前所未有。

“原本的歷史數(shù)據(jù)和業(yè)務應用，就像是考拉的身體，現(xiàn)在我們需要給它換一個新的‘大腦’，重新連接起原本的數(shù)據(jù)，但不能影響它正常活動。”阿里云資深架構師吳明比喻道：“要以最快速度和最低成本完成這一任務，考拉上云是最佳方案。”

吳明（左三）和阿里工程師們

這是一場與時間賽跑的遷移，阿里和考拉都出動了最出色的工程師。

然而，第一個問題就成了難關。

考拉數(shù)據(jù)遷移的目的地遠在河北省的張北數(shù)據(jù)中心，按照慣例，大規(guī)模數(shù)據(jù)遷移，都需要拉一根實體的網(wǎng)絡專線傳輸數(shù)據(jù)，如果從杭州鋪設專線到河北，施工成本以千萬計，關鍵工程量還特別浩大，根本無法在半年里完成。

阿里工程師想到了一個好辦法——過渡時期，可以先將阿里云杭州數(shù)據(jù)中心做接入口，然后在云上做內部鏈路，云端跳轉之后，考拉只需從網(wǎng)易機房鋪設一條通到阿里云杭州數(shù)據(jù)中心的專線，就可以把數(shù)據(jù)遷移去張北。

張北數(shù)據(jù)中心機房

“最后只拉了5公里專線光纖，工期一周，還把原本幾千萬的成本壓縮到了幾千元。”考拉上云架構師伏見說。

很快，工程師們又遇到了新問題。

數(shù)據(jù)遷移要求打通阿里與網(wǎng)易的內網(wǎng)，可是兩家公司的防火墻都很結實，根本無法同時訪問兩家的內網(wǎng)賬號。

阿里云為此孵化了一個新產(chǎn)品——為考拉量身定制了獨立的虛擬私有云（VPC），既可以讓兩家公司的網(wǎng)絡流暢互通，又能確保數(shù)據(jù)安全。

“這種全新的產(chǎn)品，原本開發(fā)周期需要一兩個月，但是為了讓考拉如期完成遷移，我們只花了一兩周就完成了開發(fā)。”吳明說。

“如果是線下機房，涉及到兩家公司的安全方案，很難實現(xiàn)這樣的模式，解決這一問題，也是得益于阿里云可以快速靈活配置VPC的能力。”伏見說。

2019年11月12日，阿里巴巴集團董事局主席兼CEO張勇來到寧波保稅區(qū)的考拉1號倉

網(wǎng)上協(xié)同挺過最關鍵時刻

今年1月底，考拉進入了緊張的數(shù)據(jù)遷移內測環(huán)節(jié)。

數(shù)據(jù)遷移一旦正式啟動，順利的話只需三四個小時，但要確保過程萬無一失，前期需要花幾個月測試和演練，從虛擬流量到真實流量，確保規(guī)避所有問題，才能正式啟動。

緊要關頭，疫情來了，600多位參與數(shù)據(jù)遷移的考拉工程師，春節(jié)之后被迫開始“云辦公”。

“年初五就有同事打電話問我，年后大家不能去公司怎么辦，要不要延遲數(shù)據(jù)遷移的時間？”伏見回憶。

伏見明白，一旦遷移推遲，考拉就會錯過今年第一波的3.8女神節(jié)大促，還要延長與網(wǎng)易機房的合約期限，導致成本上升。

大家在“云辦公”時，還不忘加油打氣

“‘云上協(xié)同’有困難，但遷移不能延遲，無論如何也要頂著壓力扛過去。”伏見說。

云辦公的時間里，伏見成了最忙碌的“電話接線員”，有時候同時要開三個會議，手機開一個，電腦同時開兩個。

其他工程師大抵如此，都是接入多個會議持續(xù)通話，以保持“云辦公”時集體操作的協(xié)調統(tǒng)一。

數(shù)百名工程師在云上協(xié)同，哪怕一個環(huán)節(jié)沒確認好或是信息理解不一致，就可能發(fā)生誤操作，導致遷移后的應用功能出現(xiàn)差錯。

2月29日晚，所有測試完畢，考拉全站遷移阿里數(shù)據(jù)中心進入最后的關鍵時刻。

當時尚未全面復工，原本燈火通明的阿里西溪園區(qū)，大樓內空無一人。

將近凌晨12點，伏見與數(shù)據(jù)庫團隊和阿里云的兩位工程師來到園區(qū)，在漆黑的夜里點亮了大樓里唯一一間辦公室。

他們負責在一線第一時間確認考拉數(shù)據(jù)遷移的執(zhí)行進度，而考拉其他工程師們，則分散在全國各地，同時加入這場大規(guī)模遷移操作，每個人都凝神屏息，默默等待著關鍵時刻的到來。

大家制作了自己表情包，在群里相互打氣

“當時非常緊張，遷移的操作列表，每一個都非常長，每一個操作步驟后的驗證步驟也非常長，需要很多同學配合做出精細化操作。一旦切到阿里云時出現(xiàn)差池，會對用戶體驗產(chǎn)生直接影響，我們的目標就是零故障，因此必須非常謹慎。”考拉測試質量團隊負責人林兮說。

辦公室里，伏見盯著大屏上的進度條一點點向前挪動，就像瞭望著一艘夜航巨輪，正在航道燈的引導下駛過暗礁險灘。

“其實演練過很多次，基本上不會出現(xiàn)問題。”伏見相信。3月1日凌晨3點40多分，進度條順利走完，數(shù)據(jù)遷移大功告成。

考拉團隊從阿里濱江園區(qū)搬到西溪園區(qū)前的留念

全站切換至阿里云后，考拉立刻進入驗證階段，一有問題，工程師們迅速跟進解決，1日當天，成功閉環(huán)98%以上的問題。

“那天，這個數(shù)據(jù)在群里同步時，大家都很嗨，這可以算是一次‘零故障’遷移了。”林兮說。

數(shù)據(jù)搬完家后，考拉立刻開始備戰(zhàn)3.8女神節(jié)大促，迎接考拉遷移上云后的首個流量洪峰。

考拉團隊總結會后的留影

經(jīng)過連續(xù)幾天的壓測和緊急擴容，3.8女神節(jié)當天，考拉的流量峰值，較2019年雙12增長了72%，而運行在云上的考拉如磐石般穩(wěn)穩(wěn)地扛住了流量峰值，而且成本比之前大幅度降低。

考拉各業(yè)務線也在當天被證明已100%打通，形成閉環(huán)。

直到大促結束，吳明團隊沒有接到伏見的緊急電話，沒有消息，就是最好的消息。

每年節(jié)省2000萬元成本

3月31日，考拉如期從網(wǎng)易機房下線，鋪設在網(wǎng)易和阿里之間的5公里光纖專線，在完成歷史使命后也順利拆除。

至此，考拉全面上云、快速入園的任務，獲得了里程碑式的成功。

圓滿完成第一階段目標后，考拉開始了全面的云原生之路。

過去，每到大促前夕，考拉都要提前幾個月打申請，臨時購買服務器擴容。

如今，借助阿里云的彈性計算，考拉可實現(xiàn)單日內的彈性收縮。

還有同城雙活數(shù)據(jù)中心，考拉過去一直想做。

在同個城市部署兩個數(shù)據(jù)中心的好處在于，可以在一個數(shù)據(jù)中心發(fā)生故障或災難的情況下，實現(xiàn)用戶的“故障無感知”。

考拉曾在2019年做過一套方案，發(fā)現(xiàn)建設這個能力需要8個月，成本高達上千萬元。

阿里早已嘗試過“同城雙活”、“異地雙活”、甚至“異地多活”，在阿里云原生產(chǎn)品天然多AZ容災能力下，考拉在一個月內就完成了“同城雙活”的能力建設，具備了多AZ容災能力。

“工作被‘搶’走了，我還挺高興的。”這是考拉運維工程師李斌的肺腑之言。

3.8女神節(jié)后，考拉用戶量大增，卻苦了運維的同學。

一直以來，考拉使用自建的ZooKeeper（分布式協(xié)調服務），一旦負載增大，某臺服務器宕機后，就會自動選舉新的服務器，這個過程中無法對外提供服務。

宕機伴隨的警報聲，可能發(fā)生在任何時間節(jié)點，李彬不止一次在凌晨恢復數(shù)據(jù)，而且釘釘群里還有一線業(yè)務員“刷屏”式的催促。

伏見（左）

伏見發(fā)現(xiàn)阿里云有一套MSE（微服務引擎），相當一個全托管平臺，找阿里云問了兩句，對方工程師就拍著胸脯說，“沒問題的，以后的運維工作我們都包了。”

阿里云的資源彈性能力和自動化運維技術，預計為考拉每年節(jié)省成本近2000萬元，同時計算性能提升20%。考拉也不再設立專門的運維團隊。

“開箱即用”的云上產(chǎn)品，更像是一種共享經(jīng)濟，而且阿里云這些云產(chǎn)品經(jīng)過歷年雙11的打磨，解決過業(yè)界最難的問題場景和復雜度。

和阿里云一起吃第一個螃蟹

2019年9月到2020年3月31日，歸功于阿里云的成熟產(chǎn)品，“考拉遷云”順利完成，考拉基礎產(chǎn)品負責人玄圈對這一過程的評價是“穩(wěn)定”，但到了“考拉換樹”全面擁抱云原生時，阿里云一些“半定制”產(chǎn)品，卻帶來了一些新的挑戰(zhàn)。

吳明（左）和玄圈（右前）

在阿里云的PaaS層系統(tǒng)中，有一個名為ARMS（業(yè)務實時監(jiān)控服務）的中間件，可以通過實時監(jiān)控系統(tǒng)運行指標，評估系統(tǒng)健康狀態(tài)。

AMRS最大的優(yōu)點是改造成本低，一行代碼就能接入，原本的多數(shù)業(yè)務也不需要修改。但是ARMS也是個“考拉定制版”的產(chǎn)品，支持全鏈路壓測，上萬級節(jié)點體量的考拉，是第一個吃螃蟹的“自己人”。

第一次為伏見做ARMS介紹的人，是阿里云架構師涯海，兩人一見如故。

考拉第一次接入ARMS時，也沒出任何問題。

考拉團隊給涯海（左）送花以表感謝

然而，恰逢考拉“55大促”臨近，考拉將100多個應用上線ARMS，沒想到卻發(fā)生意外，顧客購物時偶發(fā)無法下單，反復出現(xiàn)“請重試”的提示。

伏見緊急回滾了百余個應用的版本后恢復。

5月，考拉團隊進行壓測

發(fā)生故障后，涯海立刻從西溪園區(qū)趕往濱江園區(qū)，親自給考拉團隊道歉。沒想到考拉技術負責人朱靜波走過來安慰他，“這個主責算我們項目組的，歸伏見。”

沒想到，涯海后來趕去濱江的次數(shù)越來越多，尤其是“99大促”壓測，小問題聚集爆發(fā)。

壓測，就是把大促最高水位的壓力，持續(xù)不斷地在線上系統(tǒng)模擬。

好比一個人平時走200米沒有感覺，突然暴走2萬米，腎、肝、肺的問題都會在高壓下暴露出來。

涯海（右二）和考拉樣板間的同學們

在涯海和伏見看來，早點發(fā)現(xiàn)故障是好事。

雙方制定了作戰(zhàn)方案，例如從灰度環(huán)境再到線上環(huán)境，分多個批次上線等等。5個月，雙方共同解決了200多個問題，ARMS迭代升級50多個版本，終于走到了“老夫老妻”的狀態(tài)。

5月28日，考拉海購全面上云

10月，考拉在ARMS上的業(yè)務一切穩(wěn)定，“邊開飛機邊造引擎”的日子終于告一段落。

考拉也經(jīng)受了雙11大考

很快，考拉又迎來了今年天貓雙11的壓測，玄圈專門帶了幾個組長，跑去西溪園區(qū)1號樓7層備戰(zhàn)雙11的“光明頂”，聽著雙11技術大隊長霜波站在臺上指揮，“第一輪壓測的目標是什么，加多少流量……”

天貓雙11期間，考拉團隊的會議

考拉過去也做過雙11壓測，但玄圈發(fā)現(xiàn)，阿里在壓測中的功能預演、時光機（雙11零點的流量）等功能從前都沒用過，“阿里是把雙11零點所有的可能性，都壓上來了，沒有十多年的實戰(zhàn)經(jīng)驗，不可能做到。”

10月21日，天貓雙11正式開啟，考拉也走進了李佳琦直播間，1秒賣出10萬張考拉黑卡。

緊接著是參與11月11日的大促，這也是考拉換樹后，第一次以會員電商的身份，參與阿里最大的項目。

11月11日零點剛過，天貓雙11的訂單峰值就達到58.3萬筆/秒，阿里云再次扛住全球最大規(guī)模流量洪峰。

阿里巴巴CTO程立表示，繼去年核心系統(tǒng)上云后，阿里巴巴進一步云原生化，將每萬筆峰值交易的IT成本降低了80%，這些核心技術也正通過阿里云向全社會開放。

今年雙11，云原生幫考拉減少了250臺服務器，節(jié)約成本約100萬/月，沉淀出一套落地實踐方案。

考拉在云上的研發(fā)效率也大幅提升，例如使用阿里云直播中心服務，考拉快速完成了海外直播服務從0到1的搭建。此外，“爬樹TV”、“Like社區(qū)”等新功能也相繼上線。

“阿里云能把集團內部的業(yè)務完全上云，本身就顯示出一種自信。”考拉技術負責人朱靜波認為，考拉雖是以樣板間身份在做嘗試，但云服務能力越來越完善，對考拉和外部企業(yè)的技術支持就會越好，“這本身就是一個相互成就的過程。”