人工智能技术在容灾领域的应用.docx

?

?

人工智能技术在容灾领域的应用

?

?

互联网高度发达的今天，人工智能已成为各行各业数字化转型的重要课题，在企业的容灾领域同样是一个值得探讨并且具备相当潜力的应用方向。但在企业的容灾领域当中，企业IT技术从业者当前需要考虑在特殊的场景特点和不同的需求特性的前提下如何将人工智能技术的特质应用到容灾领域的哪些场景当中去。我们特意邀请了行业的专家同行来聊聊人工智能技术如何应用于容灾领域，未来有哪些应用方向。

人工智能技术如何应用于容灾领域？未来有哪些应用方向？

社区专家主张

议题主编苏海涛某集团公司首席数据官：本次议题由本人以及民生银行数据库架构师孔再华、兰州大学第一医院架构师于志轩分别根据议题方向发表了自己的观点，希望这些观点可以为众多同行看清前路趋势提供一点有益参考。

苏海涛某集团公司首席数据官：

数字化转型背景下容灾体系建设产生了新的需求，我们应当在当前被动式容灾体系的基础之上的提升能力构建主动式容灾体系。

数字化转型进程下的容灾体系需求

在今年3月国务院发布的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》的深化金融供给侧结构性改革中明确提出，要加快金融机构的数字化转型进程。这对当前金融机构的容灾体系建设也提出了新的要求。

在过去基于《银行业信息系统灾难恢复管理规范》（JR/T0044-2008）的规范体系中，实际上是将容灾体系的建设分为了三个部分：标准、制度和组织。而规范中所要求的内容，都是在围绕当灾难发生后所需要具备的业务恢复的相关能力要素，相当于这是一套被动的标准体系。

而在当前数字化转型的进程下，业务敏捷的需求，对于容灾体系的建设也提出了新的挑战，业务的敏捷首选需要基础设施的敏捷，而容灾体系往往是从基础设施的能力开始构建的。

我们认为，在新时期的容灾体系建设产生了以下几点新的需求：

1）由于业务敏捷和以客户为中心的现实需要，容灾体系将会由过去的被动处置模式转变为主动发现模式，通过主动发现，提前预防或预判灾难的发生，从而提升服务质量；

2）机器学习、深度学习和人工智能的应用，有利于降低组织在数字化转型过程中容灾体系建设中的人力成本；3）利用可编程的基础设施，简化运维难度，提升灾后重建的效率。

变被动为主动

以往的业务容灾体系是以灾难发生后如何处置为核心原则，从灾备中心建设、多级数据容灾保护的要求，以及每年度的多次容灾演练制度，其目的都是在于灾后的应急需要。

近两年行业中所提倡的主动式运维，其根本目的也是为了更好的保障业务的连续性，以客户为中心，为业务敏捷提供保障，而实际上主动式运维也包括了主动式容灾体系的建设。

构建一个主动式容灾体系，首先应当是建立在当下被动式容灾体系的基础之上的能力提升，而不是完全的抛弃。具体的说，由被动式的容灾转变为主动式容灾体系的第一步，首先应当是解决当下被动容灾体系的效率问题，即自动化问题。借由对当下体系的效率精益，积累经验，实现裂变，最终完全转变为可预测的主动式容灾体系。

这其中我们认为首先应当解决的是数据效率的问题，随着数字化进程的加快，数据的增长其实已经成为了制约实现容灾效率的主要障碍。尤其在基于云原生应用的场景下的被动容灾体系建设，非常困难。当下现实的做法是将无状态的应用基于云原生环境部署，而有状态的应用仍然以传统的方式来构建，从而降低容灾体系的建设难度，但是这种架构实际上是因为缺乏有效的技术手段而不得不采取的折中方案在考察了国外同业的架构设计后发现，其实已经有大量的持久化应用基于云原生的实践，往往是基于多云部署分布式的应用来提升业务的可用性，这是是行业内通常的做法，但是这其中也存在一些潜在的风险要素：

1）分布式跨云部署的共识效率问题，因为链路、分布式共识机制等问题造成的执行效率降低，这显然是不符合收益的；

2）数据膨胀，基于跨云的MPP架构，多副本的数据效率问题，可能会增加数据容灾的管理难度；

3）仍然缺乏逻辑保护和立体的容灾体系建设解决方案，仅仅是解决了高可用问题，缺少有效的数据逻辑保护，以及多层次的业务保障。

针对这三点问题，在应用层或PaaS层也有不同程度的相关解决方案，但是技术方法适用性相对较窄，不具备普适性，这也为构建自动化的被动式容灾体系造成了障碍。从业务的数据构成来说，当下的现代化应用实际是以半结构化或非结构化的数据类型为主的数据应用类型，这就为我们从基础设施层考虑一体化的自动容灾体系建设提供了契机。

从制度上来说，应当遵从当前的行业规范对于业务连续性的相关标准，避免过度的高可用建设，要理清各业务的容灾边界。

在此基础上利用充分利用基础设施的能力来简化建设的难度，数据膨胀带来的数据备份窗口问题，可以通过快照、数据全局去重和全局压缩等解决方案来实现数据备份的敏捷。利用快照技术作为数据逻辑保护的基础能力，基于快照数据副本的D