作者 | 韩建飞
2023 年 2 月 5-7 日，QCon 全球软件开发大会在北京举行。作为全球领先的智能终端科技企业，OPPO 云服务中心高级总监韩建飞受邀出席，并发表了题为《OPPO 全球混合云建设之路》的演讲，与现场开发者共同探讨 OPPO 在混合云领域的探索与实践。本文为韩建飞老师的现场演讲实录
大家好，我今天分享的主题是《OPPO 全球混合云建设之路》。
众所周知，OPPO 是一家智能终端科技企业，我们今天将从用户视角出发，和大家分享 OPPO 的全球混合云建设和使用经验。
今天的分享会分为三个部分：首先介绍一下为什么 OPPO 需要混合云，其次我们会分享 OPPO 混合云的产品建设实践，最后是未来的发展规划。
1 全球化背景下的混合云需求及实施策略
作为一家全球化的企业，OPPO 在国内与海外均有业务。为了更好地支撑 OPPO 全球化的业务布局，混合云应运而生。
在去年的 OPPO 未来科技大会上，OPPO 发布了三大技术战略之一的“安第斯智能云”。作为智能终端科技企业，我们做的并非传统意义上的 IaaS、PaaS 或 SaaS。安第斯智能云是服务于个人和家庭开发者的一朵垂直云服务，通过云的能力，让终端变得更加智能。
当前，每个人拥有的终端设备数量日益增长，除了手机之外，还有手表、平板、手环、电视等。通过云赋能智能终端行业产生新的增长点，这是安第斯智能云发布和思考的关键方向。
OPPO 在全球有逾 5 亿用户，如何在全球范围内更好地为 5 亿用户提供技术支持，也是安第斯智能云落地的重要原因。简单介绍一下 OPPO 的业务，包括商店、主题、游戏、浏览器、视频、锁屏、家居等等，主要以互联网业务为主。OPPO 的业务形态多种多样，这些业务可能只提供给部分国家或地区，里面会涉及到安全隐私合规等，这些特征与 OPPO 混合云策略息息相关。
除此之外，我们还服务于 IoT 与终端，比如手环、手表、电视等，OPPO 也有自己的芯片业务，同时也为手机提供服务。OPPO 底层的网络、性能、多媒体、AR 相关的业务，以及前端、后端、验证、算法、系统编译等芯片业务，甚至是 IT 的业务系统，都是在 OPPO 全球混合云上运行的。这是我们的业务场景。
为什么 OPPO 要依赖于混合云呢？从目前的情况看，国内的基础设施建设可以说是相当不错，但是在海外一些国家或地区，存在着很多的业务不确定性，我们着重考虑的点包括：
1.从智能终端科技企业的角度出发，边缘云是 5G 时代比较关键的竞争因素。
2.我们不可能在全部国家或地区自建基础设施，建机房、服务器，搞网络，总体来说投入太大。在海外有一些较小的业务，可以依托公有云的能力快速扩容和全球化。
3.在国内的情况下，私有云是成本和核心技术的保障。
4.OPPO 混合云拥有统一的调度和多云管理能力。
5.安全隐私合规相关，很多互联网公司都提出海，在出海中更多是安全隐私合规的相关问题。
基于以上 5 点考虑，OPPO 混合云具有如下关键要素：
1.全球发布体验一致的云。
2.基于多云管理的云，在云上构建一套技术架构和基础设施。
这是 OPPO 混合云的目标：“晚于战略，先于业务”。什么是晚于战略呢？如果公司决定开拓海外市场，战略定下来之后我们就要开始行动。先于业务，就是在业务开始部署前，我们的云在那边已经准备好了。
在 OPPO 混合云策略设计之初，我们希望可以做到：统一管理；安全合规；一致体验；统一架构；敏捷灵活。
第一，统一管理。一是一个云管理多套异构的云资源，不管是 AWS、GCP、Azure 或者是阿里、腾讯以及华为等诸多的云厂商，我们可以通过统一的管理界面管理异构的资源。二是实现公有云无缝切换，迁移成本逐步降低。这里主要指的是计算和存储之间的网络，以及存储本身的迁移，对于我们来说是有一定成本的。三是达到海外资源负载阶段性高达 37%。我们需要尽可能地提升公有云的资源利用效率。海外的公有云如 AWS 成本较高，降本增效是我们的主要目标。
第二，敏捷灵活，一是主要利用公有云按秒级弹性计费的特点，弹性地使用公有云的资源；二是支撑大规模临时紧急的需求，如电商业务等，需要紧急快速扩容；三是海外快速开服，这个时间基本控制在一周之内，公司决定在哪个国家或地区扩展业务，我们就在哪个国家或地区相应的区域快速扩容；四是无关的基础设施交付周期，对于业务来说就是管好业务逻辑，我们提供已执行的体验；五是和公有云的合作，在国内常规的算力是自建的 IDC，负载基本能达到 80%-90%，自建机房的成本相对较低，尤其是 AI 对 GPU 的要求比较高，就将一些灵活的算力转移到公有云上。
第三，统一架构，就是混合云的基础架构一致。我们统计了一下手机版本不同的手机型号、不同的国家或地区、不同的配置，这样一个版本整体的软件包大概有一万多个版本。这一万多个版本需要考虑到云的复杂度，比如阿里云和腾讯云的区别，腾讯云和 AWS 的区别，AWS 和 GCP 的区别，对业务来说，如果以上版本的复杂度乘以公有云的复杂度，再加上语言的复杂度将是一个巨大的需求，我们的把目标是整个技术架构的一致性。
第四，一致体验。统一是架构交付，一致的业务使用体验和平台透明，降低技术的存在感。
第五，安全合规，安全合规隐私日益受到大家的关注，作为智能终端科技企业，我们必须保证安全合规，比如欧洲的 GDPR 要求核心的数据只能在本地保存，因而在混合云的建设过程中，尤其需要关注安全合规。
2 OPPO 混合云产品建设实践
这是我们在 OPPO 智能云（大湾区）数据中心自建的有 12 万台机器的机房图，底下一层是各个基础设施，往上走是计算、存储、网络这三个 IaaS 层的组件，再往上是中间件、数据库、安全、答案数据，更上一层是机器学习、数据产品、算法，旁边是运维和安全平台。
在这一过程中，OPPO 混合云的中间件、数据库所有能力都是在公有云上做的，我们主要使用公有云的四个产品：
1.ECS，虚拟机
2.EBS，块存储
3.SLB，负载均衡
这些都是底层的支撑，在此基础上，OPPO 构建了基于 K8S 的混合、编排、调度的一套能力，同时配合网络及存储，在部分场景实现了多租户，并在此上构建整个业务平台和运维管理服务。
值得一提的是，OPPO 混合云对 K8S 做了一些定制。OPPO 并非是一个完全的互联网公司，还有许多传统 IT 的部分，所以我们同时支持容器和虚拟机，当前我们所有的组件都是基于 K8S 来调度的，包括虚拟机。下面一层是 GPU、NPU，近期我们还自研了基于云原生的 GPU 虚拟化，上一层是 K8S 的版本，最上面的部分，一边是容器，一边是虚拟机，虚拟机之上还可以再部署容器。如果业务强要求合理，或是强安全性，我们在虚拟机里面跑，如果是一些内部的业务，我们可能就直接在裸机上跑 K8S 了。
总的来说，我们所有的应用都是在容器之内的，包括大数据的 Spark 和 Flink、中间件、数据库，包括应用网关都是运行在 K8S 之上的。从我们的使用角度来说，一是使用单一的云厂商容易被绑架，二是各家的云产品也有多样性，太复杂了。
面向第一点，如果平台可以实现多云管理，云上的许多产品包括网关、负载、计算、云原生产品等都是可以自由使用的，但是一旦熟悉了某个云厂商的产品，用户习惯是很难改变的，只能基于基础能力构建一套在公司内部统一的平台，不管底层是 AWS 还是阿里云，开发者用的都是你的平台，和底层公有云没有太大关联。这一布局和出海业务也有比较大的关联，公有云厂商也并非在各个地方都有布局，如何保障出海基础设施的完备性，就需要基于 K8S 进行统一管理。
这是 OPPO 混合云的弹性架构，底层架构和先前一致，包括 IDC 和公有云，上层是基础网络，计算和网络。上层有一个整体弹性伸缩的框架，这个框架并非仅限于在一个 K8S 集群内部的弹性伸缩，还包括在自建机房和公有云、公有云和公有云之间的弹性伸缩，当中需要配合的是存储迁移工具和同步工具，以保障整个弹性伸缩框架的一致。
第一，编译云、EDA 云和仿真云这三个场景，我们在内部叫 HPC，当中还包括机器学习的训练等，对机器的主频和规格要求比较高，所以我们可以做弹性伸缩。
第二，传统的互联网业务。
第三，机器学习，Notebook、Kubeflow 等。
第四，大数据，我们做了 spark-operator、YARN-operator、flink-operator、trino-operator，将 YARN 跑在 K8S 上，再通过 YARN 来调度整个大数据。
第五，运维平台。
刚才我们讲到了敏捷弹性、弹性扩容。在线业务、大数据、机器学习和高性能学习四个场景，通过弹性伸缩，我们将内部无法支撑的算力调度到公有云上，好处是可以快速交付业务需求，其次是购买流程的服务较长，对于公有云厂商来说可以相互竞争，对业务而言可以实现无感交接，并在业务交付上尽量压缩周期。
这是资源弹性伸缩小的框架，主要分为几个单元：
1.数据源。
2.触发单位，如何触发弹性伸缩。
3.计算单元，我们需要过滤掉一些指标，怎么弹性缩容，怎么弹性扩容，里面有许多坑，扩容比较好理解，但是缩容需要十分谨慎，我们会设置上限、下限等常规操作。
4.伸缩单元，垂直伸缩是基于事件还是基于故障，最终达到的就是资源的弹性交付。
这是公私一体的混合网络架构，为了适配各种公有云厂商和自建机房，我们内部自研了一个叫做“NetHouse”的产品，除了没有开源之外，支持 IP、Ingress、VLAN 等，直播场景内部使用得较少，暂时不支持，我们会把 IP 分配的性能提得比较高。
基础网络和虚拟化网络有很多需要相互配合的工作，包括基础网络和 VPC 网络等，提供公私一体的混合网络架构，打通网络是后续工作开展的前提。
一致构建，全球分发。当前我们业务的构建主要是在国内，在这一部分我们做得相对简单，通过 CDN 或是 cache 的方式同步到海外的各个业务地区，和各个公有云专线打通，再从各个公有云内部的专线将数据同步到全球各个地区。
一致的可观测能力，基本上是日志和时序数据两个可观测点，区别在于受地缘政治和安全隐私的影响，如应欧洲 GDPR 的要求，个人隐私数据不能传回国内。从整体上看，我们的控制还是统一的，但在访问欧洲区域时，日志默认是无法查看的，只有从欧洲区域访问才能打开。
对于业务来说，无需关注是自建机房还是公有云，很多用户用公有云查询，有公有云的一套监控体系，我们基本都在这上面重建了，将时序数据库和日志服务，通过块存储和虚拟机的能力，或是通过 S3 的能力重新构建，基本上可以满足整体的需求。对接监控的需求可以做到比较好的、一体化的感觉，无论你位于那个区域，上层业务的开发人员对于堡垒机的体验也是一致的，对日志、时序数据监控发展的持续调用和可观测用户体感都是完全一致的。
GPU 也就是所谓的机器学习平台也是一样的，公有云只管底层的 IaaS 资源，我们构建了统一的 StarFire 机器学习平台，它会将 KubeDL、Kubeflow、Volcano 或者是底层的 K8S 都管理起来。除此之外，我们还做了 mGPU 虚拟化的产品，使得整个机器学习的 Serving 或 Training 服务对接公有云基本上是一致的。
不管是自建云还是公有云，协议接口均需要保持一致。基于 K8S 本身是一致的，有各种 Service 文件，机器学习整个行业中存储的接口，对象存储和 SI 也对齐了，基本语法都是差不多的。
在负载均衡的层面，我们实现了公有云的 SLB 对接服务，在内部我们通过 DPDK LB 搭建了负载均衡体系，将负载均衡的创建、域名解析的创建，包括整个容器网络的块存储、对象存储和时序数据库、KV 在公有云和私有云的差别，主要在于一个是 DPDK，一个是 kube-proxy，但是语法是统一的。基于此，业务对于公有云和私有云的体验可以保持一致。
这是统一的平台入口。对于业务来说，K8S 还是相对复杂，他们更多关注的是业务逻辑，所以我们搭建了一个控制平台，里面包括持续交付、弹性计算、数据库。对于业务来说，在控制台中可以选择公有云区域或自建机房区域，在业务选择区域后，部署将在这一平台上进行，除此之外，我们还提供快速的配置、迁移，除了语言包不一致，其它业务的快速配置迁移也提供同步工具，使得在不同国家或地区的配置可以快速迁移过去。
在安全隐私方面，我们采取一刀切的政策。对于业务而言，他们无需特别关注 GDPR 或是安全隐私方面的事情，平台会进行集中处理。
3 OPPO 混合云后续规划
OPPO 混合云发展到目前的阶段，在内部基建的层面已经完善得差不多了，在这一平台上，大概已经有 100 多个产品。那么对于我们而言，下一步应该做什么？在这里，我想从用户的视角，分析 OPPO 混合云可以做哪些事情。
OPPO 用云的时间相比于业内较晚，从 2019 年到 2023 年，OPPO 混合云一共经历了几个发展阶段：
1. 应用容器化，自动化部署和平台管理，最初是物理机，后续我们使用了比较多的策略，将原来的平台部署到容器上。
2. 可扩展性，迁移到容器上之后，整体的可扩展能力较先前有所提升。
3. 在实现可扩展性之后，我们开始打造容错性和弹性伸缩，打通从网关到后端服务到数据库，实现某段挂了之后自动摘除，数据库权限自动打通。
4. 微服务架构的智能运维。
从业务上云到混合云建设，再到生态构建，在过往的两到三年间，互联网行业蓬勃发展，我再简单介绍下，从云原生或是混合云角度，应当如何切入传统行业。
第一个场景，以芯片行业、仿真行业为例，它涉及很多前端、后端设计，如果用云端能力或是统一技术架构能力，如何为它提供较好的使用场景。为此，我们落地了一个名为 EDA 芯片云的项目，主要满足在芯片投产前弹性算力的需求，充分调度资源，优化整个平台的 CPU、内存的使用比例，降低公司成本。
在编译和芯片领域，我们也曾尝试 K8S、容器化的方式，但这条路是尝试了一下走不通。本质上来说，在互联网行业很多项目是开源的，它天然是云原生的，但是在传统行业，许多工具无法通过 K8S 解决，只能从虚拟化的角度解决。
先前我提到，很多公司是从虚拟化到容器，我们是从容器到虚拟化，是先做了容器，再回头看发现一些场景并不适用，虚拟化的效果更好一些，进行反向尝试，从而构建 OPPO 混合云的整体生态。
第二个场景是万物互融，OPPO 作为一家智能终端科技企业，我们想做的并不是公有云，而是通过云将万物互融场景下的用户服务好。原先一个人只有一台手机，但后来我们增添了很多设备，家庭里面也有很多设备，设备之间还会牵涉到连接方式。在设备与设备之间的同步和连接，主要通过两种方式落地，一是近场，通过蓝牙或是 NFC 等方式进行连接，如果你设定了一个出行时间点，在你也需要通知家人的时候，是否可以将这个信息同步到家人的设备上，让他也拥有同样的提醒。二是远场，主要是设备间的数据流转，当近场连接无法直接触达时，我们更多的是从云的角度看到这个问题。主要是通过云为设备间的互融提供比较好的通道和捷径，面向垂直行业提供 SaaS 解决方案。
后续我们还会做几个方向的尝试：
第一，端云协同的存储体验。
第二，端云协同的机器学习平台，在使用机器学习时，用户主要考虑的是算力问题，我们和影像以及 AI 的用户沟通实发现，他们更多考虑的是模型裁剪的问题，端侧的算力无法满足当前的需求，如何通过云端配合使业务场景更优，这是我们的切入点之一。
第三，虚拟现实，设备的发展从传到设备到 AR/VR 等多种设备，在虚拟现实的领域，算力也是受限的，需要在云端有强大的算力来支持，比如云游戏，在这一领域，我们也希望让终端更智能的战略，使云发挥更多垂直领域的作用。
这是我今天的分享，感谢大家的聆听！
活动预告
你也被火爆全网的 ChatGPT 惊艳到了吗？你也在思索下一代“人机交互”的理想形态是怎么样的吗？机会来了！这一次，让我们相约 3 月 11 日北京线下，看专业学者分享研究成果，听技术大佬畅谈实践经验。探讨智能对话新方向，展望人机交互新未来。OGeek 小布沙龙与您不见不散！更多详情可扫描下方二维码或阅读原文了解更多。
