| SOFAStack 源于自蚂蚁里面千里淀十多年的金融级散布式中间件时代体系，收受了支付宝自创立以来在要道金融来去系统磨真金不怕火出来的架构推行。SOFAStack 通盘的家具时代均经过蚂蚁集团自身严苛的金融场景考据，为金融来去时代保证风险安全的同期最美女教师，匡助业务需求敏捷迭代；同期满足他乡容灾、低资本快速扩容的需求，好像惩办传统集会式架构转型的贫瘠，并通过打造大领域高可用散布式系统架构，来复旧金融业务立异。 SOFAStack 由三大领域模块构成：散布式中间件、运维治理（应用 PaaS）、高阶运维保障。 
散布式中间件蚂蚁散布式中间件的家具发展旅途，一直继承着引颈和拥抱业界先进模范和推行的理念，同期亦能满足传统金融架构的平滑迁徙和和会适配，以稳妥搪塞业务升级变更，并积极搪塞金融来去系统所濒临的服务和数据彭胀性、事务一致性、秒级容灾、弹性供给与诊治等要道时代的挑战。 双模微服务微服务平台（SOFAStack Microservice Platform）通过微服务（SOFAStack Microservice，简称 SOFAStack MS）和服务网格（SOFAStack Mesh），提供了既支捏 SOFA 框架又支捏 Service Mesh 架构的微服务治理和治理才调。 微服务：提供了 SOFA 框架的微服务，包含 RPC 服务、动态树立、限流熔断。 服务网格：通过 Service Mesh 时代支捏原生 Dubbo 、Spring Cloud、SOFA 框架，无侵入地提供了对 Dubbo、Spring Cloud、SOFA 应用的服务治理和治理才调。 家具架构 家具上风高性能散布式服务框架 提供高性能和透明化的 RPC 良友服务调用，具有高可伸缩性、高容错性的特质。 微服务治理中心 提供一系列的服务治理计谋，保障服务高质地驱动，最终达到对外应许的服务质地品级条约。 高可靠的轻量级树立中心 提供应用驱动时动态修改树立的服务，并提供图形化的集会化治理界面。 多活数据中心 支捏同城双活/他乡多活架构，具备他乡容灾才调，保障系统的可用性。 应用场景传统应用微服务改良 通过微服务家具将传统金融业务系统拆分为模块化、模范化、松耦合、可插拔、可彭胀的微服务架构，可镌汰家具面世周期，快速上架，霸占商场待机；不仅可确保客户服务的成果，也胁制了运营资本。 高并发业务快速彭胀 通过微服务家具开发互联网金融业务，可提高研发成果，更生动地反应业务变化，快速迭代立异家具；并针对热门模块进行快速彭胀来提高处理才调，粗放搪塞突发流量，同期提高用户体验，为更多小微客户提供个性化的金融家具和来去资本较低的通俗金融服务。 多数据中心他乡多活 通过微服务家具可快速构建可彭胀、高性能的金融级散布式核心系统，领有弹性扩容和他乡多活的才调。 任务诊治任务诊治（Task Scheduler，简称 TS）提供散布式任务诊治框架，收尾任务的散布式处理，并能范例化、自动化、可视化和集会化地对金融企业不同行务系统的任务进行长入的诊治和全主义的监控运维治理。 家具架构 家具上风支捏集群任务 支捏对数据进行自界说维度的分片，不死心拆分层数，因此不错充分运用集群的通盘机器；当数据量较大时，多层诊治任务不错更快地处理完数据，同期支捏约略单机任务的驱动。 支捏任务的图形化依赖编排 将多个任务按推行的轨则编排成一张拓扑图，自动推行，无需东谈主工打扰，从而保证大齐任务诊治的快速高效的完成。 丰富的任务树立项 提供丰富的任务树立项，包括多种路由计谋、多种失败重试模式、多种漏触发处理计谋，并支捏在线树立诊治任务入参。 生动的触发限制 支捏任务通过定时触发、周期性触发、事件触发和东谈主工手动触发。 应用场景金融行业的批处理 该场景需要在轨则时代内处理完指定的数据。传统的处理方式是凭据数据库分片来处理，每台机器处理一个数据分片。这种方式的舛错等于当业务集群的机器数目大于分片数时，许多机器处于闲置景况，资源运用率低。集群任务允许用户我方对数据进行拆分，将待处理数据拆分红一个个索引块，业务集群中的每台机器齐会分派到数据进行处理，使用生动，并不错监控任务的推行情况。 金融行业的日切 金融行业的日切是一个很复杂的操作，需要多个任务按照指定轨则协同责任才不错完成。传统收尾方式是在系统代码里指定任务的推行轨则，当业务发生变化时需要修改代码才不错正常责任，可珍贵性很差。使用 SOFAStack 任务诊治中的任务编排功能，不错粗放完成任务之间的依赖调整，大大提高了可珍贵性，并不错直不雅地看到任务的推行情况。 讯息队伍SOFAStack 讯息队伍是基于 Apache RocketMQ 构建的散布式讯息中间件，为散布式应用提供异步解耦和削峰填谷的才调，支捏多种讯息类型，提供高可靠、高微辞量、高可用、事务一致性的异步通讯才调。 家具架构 家具上风开箱即用 多种讯息类型：事务讯息、定时讯息、轨则讯息。 多种订阅模式：Pub/Sub、Tag 过滤、集群消费、播送消费。 多条约多言语：TCP/HTTP 条约，多言语客户端 SDK。 通俗运维 可运维：讯息回溯、死信队伍、监控告警。 易会诊：多维度查询、全链路讯息轨迹。 高安全：多田户资源庇荫、实例限流、主子账号授权。 高性能 低蔓延：毫秒级端到端蔓延。 抗堆积：海量讯息堆积才调。 高微辞：千万级高并发处理才调。 可彭胀：可凭据业务需求弹性伸缩。 高可用 高可用：99.9% 服务可用性。 高可靠：99.99999% 数据可靠性。 同步机制、重试机制、数据捏久化。 应用场景异步解耦 通过坐褥消费模子解耦高卑劣业务系统，可普及业务连气儿性。上游应用行动坐褥方，将比较耗时且不需要即时（同步）复返捣毁的操作行动讯息放入讯息队伍；卑劣应用行动消费者进行讯息订阅和消费。只有保证讯息步地不变，讯息的发送方和接收方并不需要奏凯邻接，任何一方的系统故障齐不会对其他应用产生影响。 散布式事务的数据一致性 应用解耦后还需要确保数据的最终一致性，运用讯息队伍事务讯息和讯息的可靠传递机制，不错在收尾系统解耦的同期，保证最终的数据一致性。 API 网关 API 网关（API Gateway）是一个 API 治理平台，匡助企业长入治理对表里怒放的 API ，为汇集庇荫的系统间提供高性能、高安全性、高可靠性的通讯，同期保障里面系统的安全性；用于满足企业对外部协作伙伴怒放业务、企业自身夹杂云互通、企业内网异构应用集成的需求，匡助客户更好的进行场景和业务的立异。 家具架构 家具上风跨云/跨域互通 支捏对夹杂云和多业务域之间的汇集互通，收尾 API 的长入治理。 弱网优化 针对挪动端的脾气，优化弱网下的数据传输通讯条约，提高汇集通讯质地和成果。 异构集成 支捏不同言语和不同时代栈收尾的业务系统之间进行无缝集成。 多种客户端接入支捏 支捏挪动端（iOS，Android），也支捏非挪动端小设施（H5，Web，后端应用）。 端到端全链路追踪 支捏从客户端发起的申请到后端服务通盘节点的端到端的链路追踪。 超强的安全才调 支捏多种身份校验和数据加密方式（举例 CORS、SSL），以保障数据传输的安全性。 应用场景前后端分离场景 长入接入模范：通过 API 网关向客户端提供长入条约的 API，允许 IT 团队遴荐最适当里面架构的时代栈。 后端异构集成：屏蔽客户端与服务端各异，在不影响外部绑定客户端的情况下重构服务。 胁制业务代码复杂性：减少客户端与服务端的奏凯调用，流量限制、负载平衡等不需要重叠收尾。 提高研发成果：模拟或假造化服务，以考据联想要求或协助集成测试，提高研发成果。 异构系统集成场景 长入集成：胁制企业里面系统集成资本，无缝邻接不同的软件应用设施。 留传系统兼容： 遴荐最适其时代栈，在转型过程中兼容留传系统，加快企业转型升级。 集会治理：集会拜谒所稀有据，提高研发成果。 夹杂云场景 API 全生命周期治理：云间汇集互通的基础上提供 API 全生命周期治理，幸免通盘 API 齐对外显现，提高安全性。 高性能跨云 RPC 调用：支捏跨云的场景下的 RPC 调用，使用方式同云内调用。 超强安全保障才调：提供多种安全才调确保拜谒的正当性以及数据安全性。 散布式事务散布式事务（Distributed Transaction-eXtended，简称 DTX）是一款金融级散布式事务中间件，用来保障在大领域散布式环境下业务活动的最终一致性。在蚂蚁集团里面被无为地应用于来去、转账、红包等核心资金链路，服务于亿级用户的资金操作。散布式事务不错与服务框架（如 SOFABoot、Spring Cloud、Dubbo）、数据源（如数据拜谒代理 ODP、RDS、MySQL、OceanBase）、以及讯息队伍等中间件家具配合使用，粗放收尾服务链路级事务、跨库事务和讯息事务等种种组合。 家具架构 家具上风支捏多种接入模式 SOFAStack 散布式事务跟着业务的种种性发展而演变千里淀了多种接入模式，针对科技金融下多种业务场景生动适配。 TCC 模式：TCC（Try-Confirm-Cancel）是一种高性能的散布式事务接入决策，该模式提供了更多的生动性，竟然可满足任何您能猜测的事务场景。TCC 模式提供自界说赔偿型事务、自界说资源预留型事务、讯息事务等场景，用户不错介入两阶段提交的过程，以达到特殊场景下的自界说优化及特殊功能的收尾。 FMT 模式：为了惩办 TCC 模式的易用性问题，散布式事务推出了框架治理事务模式（Framework-Managed Transactions，简称 FMT）。FMT 是一种无侵入的散布式事务惩办决策，该模式惩办了散布式事务的易用性问题，最大的特质是易于使用、快速接入以及对业务代码无侵入。 Saga 模式：Saga 是一种赔偿条约，在 Saga 模式下，散布式事务内有多个参与者，每一个参与者齐是一个冲正赔偿服务，需要用户凭据业务场景收尾其正向操作和逆向回滚操作。 金融级品性的保障 金融级容灾保障：提供同城以及他乡等多种模式以及多种级别的容灾才调，以业界最高规格的模范来保障客户业务的连气儿性。 无与伦比的性能：比拟传统二阶段模式，减少捏有锁时代，大幅普及性能。特有的性能推动模式（Performance Bursting Mode）不错大幅普及微辞量，曾在 2019 年双十一活动中复旧 54.4 万笔/秒的来去操作。 使用轻松易于接入：蚂蚁金融科技（蚂蚁集团）多年千里淀的实操教养使家具具备了快速生动的接入才调，易于使用与运维。 兼容性保障：散布式事务是一个轮廓的基于 Service 层的主张，与底层事求收尾无关，也等于说在散布式事务的范围内，不管是关连型数据库 MySQL、Oracle，一经 KV 存储 MemCache，或是列存数据库 HBase，只有将对它们的操作包装因素布式事务的参与者，就不错接入到散布式事务中。 应用场景支付与转账 金融行业常见的支付、转账、账务等业务场景关于微辞量有很高的要求。SOFAStack 散布式事务在种种大促中的优异弘扬讲明注解了性能不会成为瓶颈。 资产领略 这类场景中时常触及的金额较大，是以关于家具的安详性要求额外高。SOFAStack 散布式事务领有金融级的品性，可为业务的捏续性与安详性添砖加瓦。 保障与监管报送 参与方多、业务复杂度高是该类业务的典型特征。SOFAStack 散布式事务历经十多年的演进历程，足以生动搪塞种种场景，满足事务一致性要求，保证与种种业务无缺团结。 数据拜谒代理数据拜谒代理（Open Database Proxy，简称 ODP）好像惩办海量申请下的数据拜谒瓶颈和数据库的容灾问题，提给水平拆分、平滑扩缩容、读写分离的在线散布式数据库服务，为海量数据拜谒提供低耗尽、高性能、高可用的轻量级惩办决策。 家具架构
家具上风分库分表 支捏 RDS/OceanBase/MySQL 的分库分表。在创建散布式数据库后，只需遴荐拆分键，数据拜谒代理就不错按照拆分键生成拆分法则，收余数据水平拆分。 透明读写分离 通过使用数据拜谒代理的只读实例或 MySQL 备机收尾读写分离，匡助应用惩做事务、只读实例或者备机失效、指定主备拜谒等细节问题。对应用无侵入，在数据拜谒代理限制台即可完成读写分离关联操作。 数据存储平滑扩容 当出现数据存储容量和拜谒量瓶颈时，数据拜谒代理支捏在线存储容量彭胀；扩容无需应用改良，扩容程度支捏可视化追踪。 服务升降配 数据拜谒代理实例不错通过编削资源数目收尾服务才调的弹性彭胀。 全局独一数字序列 数据拜谒代理支捏散布式全局独一且有序递加的数字序列，满足业务在使用散布式数据库下对主键或独一键以及特定场景的需求。 数据库账号权限体系 数据拜谒代理支捏类单机 MySQL 账号和权限体系，确保不同变装使用的账号操作安全。 散布式事务支捏最美女教师 数据拜谒代理团结中间件散布式事务套件，不错支捏散布式事务，保证散布式数据库数据一致性。 应用场景海量数据读写 提供生动的数据拆分机制，代码侵入性低，不错额外方便地收余数据的水平拆分与扩容，从而惩办数据库单机瓶颈的问题。 金融级数据容灾 基于蚂蚁集团里面多年的金融级数据容灾场景，针对不同行务场景提供了多种机房级数据容灾惩办决策，保障数据的安详性与业务的连气儿性。 数据库流量分派 提供了基于法则的流量分发机制，通过部署多个数据库实例（如一写多读）的方式来满足大齐查询业务的需求。 散布式链路追踪散布式链路追踪（Distributed System Tracing，简称 DST）是一款面向散布式架构、微服务架构和云原生架构的应用可不雅察性的金融级惩办决策，匡助用户厘清应用间复杂的调用关连，连忙定位故障或者逐步节点。 家具架构 家具上风散布式跨应用追踪 追踪每个来去的完整链路，按不同服务（应用）接口建立调用时代序列，收罗链路上每个服务的性能数据，按服务追踪来去性能问题。 多维度链路查询 凭据 Trace ID 按不同要求（作假、超时等）检索调用链，分析链路信息，查询各场景下的调用链集会。 多视角链路展示 提供链路图、链路细目、时序图、时代轴等，全主义可视化地展示系统性能。 业务日记关联查询 自界说树立应用系统的业务日记，自动关联业务报错和纲领信息，快速定位问题及追踪业务信息。 应用场景问题的分析和快速定位 在散布式场景下，服务调用纵横交错，问题分析与定位额外贫瘠。散布式链路追踪系统能连忙定位到有问题的服务，协助快速惩办问题。 稽查完整的应用调用拓扑关连：自动发现该服务之前的调用以及对通盘中间件的调用，画图通盘这个词系统的完整调用拓扑关连。 快速定位不健康应用：在调用关连拓扑中，对不健康应用进行炫夸标志，便于快速发现存问题应用并进行分析。 分析服务性能：调用拓扑中的应用齐不错单独进行下钻分析，不错从微辞、作假率、反适时代等目的对应用性能进行正式分析。 应用性能和架构的优化 在调用关连拓扑中能对各个应用的调用次数和耗时情况进行稽查和分析，找到负载较高和负载较少的应用，对资源进行一个合理的运用。 汇总团员调用链路：通盘的调用信息会被团员汇总，方便对各个应用的调用情况和反应情况进行分析。 定位要路阶梯：快速发现通盘这个词系统调用拓扑中的要道应用旅途。 优化分歧理调用：实时发现某些分歧理的调用并进行处理，如时常进行数据库操作等。 运维治理SOFAStack CAFE（Cloud Application Fabric Engine）云应用引擎，提供应用治理、发布部署、运维编排、监控分析、容灾救急等全生命周期治理的 PaaS 平台家具，满足金融场景中经典架构和云原生架构的运维需求，匡助传统架构平滑过渡，保障金融时代风险。 应用场景 长入的应用驱动平台 通过平台来惩办大领域运维中发布、监控和审计的难题，并集成云原生的种种功能，举例容器、Serverless 和 Mesh 等，来提高运维成果。 金融级高可用架构平台复旧 提供同城双活、单位化、他乡多活的 PaaS 平台复旧。 经典架构向云原生架构升级 满足金融基础架构向耐心器到云原生容器化的落地旅途，胁制向新兴架构和运维模式的转型时代风险。 单位化应用服务单位化应用服务（LDC Hybrid Cloud，简称 LHC）在云原生基础设施之上，在多机房、多地域的 Kubernetes 多集群场景，提供应用治理、发布运维、流量调拨、树立同步等才调。LHC 旨在提供从单 Kubernetes 集群向多活联邦集群演进的才调，提供具备容灾才调的同城双活、 两地三中心及更多机房级多活容灾场景。并不错配合 SOFAStack 各中间件家具、OceanBase 散布式数据库，形成单位化他乡多活架构惩办决策。 家具架构 家具上风金融级发布 发布过程安全可靠，可重试，可灰度，可回滚，可溯源。 支捏假造机和容器的夹杂发布，提供从假造机到容器的过渡决策。 驱动时监控 业务自界说大盘随时关爱业务动态。 实时监控应用基础目的，如 PV、Service（应用服务被调用）、SAL（调用外部服务）等。 全面收罗基础资源目的，如 CPU、内存、IO 流量等。 微服务框架 深度集成蚂蚁 SOFA Mesh 作念异构言语的服务注册发现及通讯。 汇集模式 支捏 VPC 和 Overlay 两种汇集模式。 支捏负载平衡类型的 Service 和 Ingress。 高可用和容灾 支捏同城双活、两地三中心容灾决策。 支捏升级至蚂蚁集团千里淀多年的单位化高可用容灾决策。 应用场景LHC 服务于云原生模式下，通过一套应用 PaaS 平台，提供长入的应用、资源治理，以及发布运维视图，收尾多集群治理、跨集群应用运维发布、资源治理、流量治理。 同城双活（active-active） 在归并个地域 Region，建立两个或更多可用区下的多个 Kubernetes 集群。 两地三中心 在同城双活的基础上，增多一个他乡机房，作念数据和应用备份。凭据汇集延时和带宽情况，可遴荐他乡热备、温备和冷备三种决策。 在他乡存在蔓延的情况下、业务可禁受的范围内，不错遴荐他乡热备。正常情况下拜谒同城双活测，在容灾期间切至他乡灾备机房，提供业务拜谒。 他乡多活（Multi-region active-active） 数据层作念分片（Sharding），不同的 AZ 不错分袂为更多的逻辑单位（Logic Data Center），处理不同的数据分片。 尽量保证数据拜谒的链路从接入层到应用层再到数据层不会出现跨可用区的调用。这种架构下，不错作念到大肆数目地域的多活。 异构基础设施下的夹杂云 通过 Kubernetes 屏蔽掉底层 IaaS 的各异性，可充分运用公有云上的资源，将业务同期在专有云和公有云上进行部署，并进行长入运维管控。在该场景下，不错匡助金融客户达到以下目的： 减少开发、测试资源的干与：专有云部署坐褥应用，公有云按需部署开发测试应用。 线下快速容灾需求：应国度监管需求，需要在线下部署一套环境，以搪塞公有云上的突发情况，客户案举例天弘余额宝） 弹性扩容：团结他乡多活架构，使业务好像按需进行机房级的无穷水平彭胀。 经典应用服务经典应用服务（Classic Application Service，简称 CAS）以应用为核心视图，对应用的版块、发布包、资源等进行可视化、自动化治理。经典应用服务提供自动化、智能化的应用全生命周期 DevOps 支捏，普及成果、胁制资本、减少东谈主为作假，让路发东谈主员专注于业务逻辑自身。 家具架构 家具上风以应用为核心视角的 DevOps 提供应用全生命周期的 DevOps 自动化支捏，将传统的以 IT 资源为核心的治理视角转换成以应用、业务为核心视角，使用户不错专注于业务价值的同期，普及研发成果、胁制东谈主为出错的可能。 可定制的自动化运维 以自界说的时代栈决策，为用户提供可定制的自动化运维，普及了云平台的生动性和对用户存量系统的兼容支捏性，方便用户在平台上使用我方纯属的、非 SOFAStack 原生提供的时代框架。 远大的发布部署才调 提供分组发布、Beta 发布、灰度发布、单机房发布、蓝绿发布等多种生动的部署计谋，从种种需求层面，支捏可视化、自动化、可重试、可回滚的发布部署。 生动的运维管谈才调 提供录入，推行用户自界说的运维号召和剧本通谈，方便用户作念自界说的运维辅导操作。 应用场景传统运维才调支捏 传统企业的大部分核心业务仍然未进行容器化，仍然使用传统代码包的方式进行假造机/物理机发布，CAS 支捏传统运维方式向容器化运维平滑演进。 解耦 IaaS 与 PaaS 在经典运维场景，CAS 也支捏阿里云的 IaaS 以及华为云的 IaaS 场景，后续的其他供应商 IaaS 正在捏续集成适配中。让用户不错无需对底座有强依赖关连，信得过作念到 IaaS 与 PaaS 的解耦。 CICD 的集成 提供全面的应用生命周期 API，供上游 CI 平台进行集成，形成 CICD 闭环。 容器应用服务容器应用服务（Application Kubernetes Service，简称 AKS）全面集成 Kubernetes，提供完整的集群管控、认证授权、容器汇集、捏久卷存储等方面的平台才调。在兼顾模范化一致性的 Kubernetes 才调的同期，亦将源自推行的应用全生命周期的发布部署才调通过家具化的表情请托。 家具架构 家具上风金融级发布 发布过程安全可靠，可重试，可灰度，可回滚，可溯源。 支捏假造机和容器的夹杂发布，提供从假造机到容器的过渡决策。 驱动时监控 业务自界说大盘随时关爱业务动态。 实时监控应用基础目的，如 PV、Service（应用服务被调用）、SAL（调用外部服务）等。 全面收罗基础资源目的，如 CPU、内存、IO 流量等。 微服务框架 深度集成蚂蚁 SOFA Mesh 作念异构言语的服务注册发现及通讯。 支捏原生部署 Istio 作念 Service Mesh 提供微服务才调。 汇集模式 支捏 VPC 和经典汇集两种汇集模式。 高可用和容灾 支捏经典的同城双活、两地三中心容灾决策。 支捏阿里云千里淀多年的单位化高可用容灾决策。 应用场景使用 SOFA 时代栈的传统研发运维体系 这类体系的应用使用 SOFABoot 进行开发或奏凯使用 SOFA Mesh，系统间关连复杂，有依赖关连，况兼深度使用了 SOFAStack 家具，需要和现存 PaaS 的发布部署才调作念无缝对接： 多应用同期发布运维，可作念应用分组、应用依赖关连调整等高阶发布运维才调。 需要蓝绿发布，单位化发布才调。 使用 SOFA 时代栈的轻量级研发运维体系 这类体系的应用使用 SOFABoot 进行开发或者使用 SOFA Mesh，和 SOFAStack 家具有细密团结。这类应用的特质为： 不需要多应用同期发布，即应用不错进行稀薄发布。 需要作念无损发布。 莫得历史背负，可禁受 CloudNative 方式运维。 使用云原生时代体系 这类体系的应用平日领受传统 Spring 或者 SpringBoot 时代栈，配合 Eureka，ZooKeeper 作念服务注册与发现，并配套 CNCF 生态的监控，链路用具，自成一体。这类的应用的特质为： 业务对作假容忍性高，或非要道链路系统。 进行稀薄发布。 莫得历史背负，可禁受 CloudNative 方式运维。 不需要和 SOFAStack 家具团结，比如监控、弹性伸缩、容灾、中间件等。 业求实时监控实时监控服务（Real-time Monitoring Service，简称 RMS）是一款具有可视化监测才调的金融级监控家具。 基于日记、目的、链路等海量数据进行多维团员，向用户提供业务监控、应用监控、云原生监控、基础资源监控、日记查询分析、散布式链路等多角度的可视化监测功能，有丰富的可视化大盘，并提供了告警订阅功能。 该服务不错匡助运维、研发、SRE （Site Reliability Engineer）等快速地发现问题、定位问题、分析问题、惩办问题，为线上系统可用率提供有用保障。 经过蚂蚁场景磨真金不怕火，为大领域和复杂业务场景提供全主义的可不雅测性和细察分析才调。 家具架构 家具上风全主义实时监控 提供业务、应用、基础资源、云原生等种种视角的监控才调，可收尾要道目的秒级、普通目的分钟级的监控，具有高可靠、高时效、低蔓延的特质。 生动的报警法则 可凭据业务特征、时代段、伏击程度等维度成立报警法则，收尾不误报、不漏报。 通俗的自界说树立 具有丰富的自界说家具树建功能，可通俗、高效地进行家具、报警树立。 怒放的时代栈树立 可收尾 Kubernetes、SOFA 时代栈应用部署即监控，通过约略时代栈树立，即可接入并监控非标业务应用。 可视化大盘 丰富的可视化大盘，匡助您定制个性化的监控大盘。 散布式链路 提供应用拓扑和链路查询功能，不雅测应用及服务之间的复杂调用关连、性能目的、出错信息与关联日记，从而收尾故障根因分析、服务治理、应用开发调试、性能治理、性能调优、架构管控、故障定责等运维开发责任。 日记查询和日记关联 提供日记查询和日记关联功能。用户不仅不错对日记推行查询操作，还不错进行历史查询和高下文查询，以及稽查 Error 目的关联的作沐日记和链路关联业务日记，愈加方便高效地进行问题分析定位。 低资源占用 在可靠传输大齐监控数据时，保证对宿主机的 CPU、内存等资源的极低占用率。 高可用 提供万台开采的分钟级监控部署才调，故障自动收复，集群可伸缩。 安详高效的时序和数据存储 在线捏续团员数据，保证数据容量可控，提供智能分级存储、存放计谋。 应用场景立体化运维 深度对接 Kubernetes、SOFA 等时代栈应用服务，一站式收罗基础设施、中间件、应用驱动时数据和业务数据，通过目的监控、日记分析、链路追踪、告警订阅等功能，对应用性能、驱动景况和资源使用等提供立体化运维分析，实时发现并定位应用、资源及平台的问题。 一站式分析：在应用总览中可稽查应用作假目的趋势、应用链路、应用目的和系统目的等，提供一站式的应用分析才调。 全主义监控：遮掩基础设施、云数据库、云中间件、应用等多个维度监控，提供一站式运维才调。 故障关联分析：以应用为中心，遮掩组件、实例、主机、云资源等多维度关联分析，连忙找到极度故障点。 问题分析与快速定位 在散布式场景下，服务调用纵横交错，问题分析与定位额外贫瘠，散布式链路追踪系统能连忙定位到有问题的服务，协助快速惩办问题节点。 完整的应用调用拓扑关连：自动发现该服务的历史调用，以及对通盘中间件的调用，画图通盘这个词系统调用关连的拓扑图。 快速定位不健康应用：在调用关连拓扑中，对不健康应用进行显式标志，便于快速发现存问题应用并进行分析。 服务性能细目：调用拓扑中的应用齐不错单独进行下钻分析，不错从微辞量、作假率、反适时代等目的启航，对应用性能进行正式分析。 应用性能优化 在调用关连拓扑中，不错对各个应用的调用次数以及耗时情况进行分析，找到负载较高以及负载较少的应用，从而对资源进行合理运用。 调用链路团员汇总：对通盘的调用信息进行团员汇总，对各个应用的调用情况以及反应情况进行分析。 要路阶梯：快速发现通盘这个词系统调用拓扑中，要道应用的旅途。 优化分歧理调用：实时发现某些分歧理的调用并进行处理，如时常进行数据库操作等。 高阶运维TRaaS 时代风险防控平台，是以蚂蚁里面 SRE 永恒推行方法论和里面用具千里淀为依托，形成的惩办用户上云和散布式改良过程中，可不雅测、故障救急、容灾、暧昧工程、资金安全、压测等运维问题的平台家具。 
高可用治理平台高可用治理平台（High Availability Service，HAS）是以容灾为主的高可用管控平台家具，可收尾容灾决策的端到端全体才调，从客户业务到中间件、PaaS 以及 IaaS 全体的容灾切换及收复、容灾筹划、容灾模拟演练等才调，并包含全体机房及容灾景况的监控才调、容灾大盘展示、环境巡检、风险救急等。 HAS 提供容灾服务视图、预案编排才调、切换和收复才调，支捏多机房部署架构下的机房级别一键容灾切换和收复。 家具架构 家具上风蚂蚁时代风险治理体系方法论+平台用具完整落地 通过高可用治理平台用具，不错输出蚂蚁多年积攒点的时代风险防控内容，并在此基础上助力用户建设适当用户实质情况的时代风险防控体系，普及用户全体时代风险防控水平。 时代风险防控成果有用普及 通过高可用治理平台时代风险防控才调，自动化、模范化、例行化日常运维，胁制操作复杂度，运维捣毁明晰可见，收尾风险事件的闭环治理。 通过日常巡检主动感知业务驱动风险，在对业务变成影响前实时处理。 自动化故障会诊和模范化救急预案快速定位并收复故障，减少因故障引起的业务中断时代。 故障演练主动试验应用高可用才调。 支捏蚂蚁家具双中心容灾切换，满足监管合规需求。 时代风险防控内容库快速更新 阿里云、蚂蚁时代风险团队基于域内、域外时代风险防控教养，共建日常巡检、故障会诊、救急预案内容库，用户可享受最新的时代风险防控内容。 金融级容灾 容灾品级最高可达 5 级。 容灾才调丰富，支捏容灾大屏监控告警、容灾仿真演练、容灾巡检等才调。 经过支付宝和网商银行领域考据。 全链路容灾 支捏从客户应用到核心态的全链路容灾才调，收尾端到端全体容灾，全链路监控和运维，无需多平台对接。包含用户应用、中间件、PaaS、IaaS 全链路多层容灾。 多场景容灾 支捏金融行业的一起容灾场景： 同城双活 他乡主备 两地三中心 LDC 单位化 应用场景日常风险防控 在日常的运维场景中，通过多功能模块的联动使用，自动化推行日常运维剧本，收尾如期可控的日常巡检运维；同期不停更新优化日常巡检、故障会诊、救急预案等内容的建设，不停丰富和完善应用时代风险防控体系，简化日常应用运维操作。 故障演练 为不停普及家具高可用才调，通过高可用治理平台的故障演练模块，联想并筹划演练策画和收复决策，继而在演练过程中不停发现、惩办容灾预案存在的问题。以此，胁制家具使用过程中故障发生概率，提高故障收复成果，进而收尾家具高可用性的有用普及。 机房级容灾 同城双活：归并个城市，建设两个机房环境，两地距离 50 km 以内，万兆光纤专线互连，业务应用层面不错两个机房同期提供业务服务，当一个机房故障，不影响另外一个机房业务使用。 他乡主备：满足容灾需求，两地不同城市分别建设两个机房，一主一备，两地距离跳动 1000 km，主机房承载业务流量，备机房无业务流量，只作念备用机房使用。当主机房故障，不错切换流量到备机房快速收复业务，等主机房故障收复以后，再回切流量到主机房。 两地三中心：两地三中心，也称为同城双活加他乡主备决策，即上文说起的同城两机房作念双活部署，外加一个他乡机房只作念备份，不承载任何业务流量，基本只作念冷备数据使用。最大程度地保障了数据的高可用备份。 LDC 单位化（他乡多活）：LDC 单位化架构是不错收尾他乡多活和高并发场景的架构体系，LDC（Logic Data Center）逻辑数据中心是联系于传统的 IDC（Internet Data Center）提倡的。逻辑数据中心所抒发的中心念念想是不管物理结构若何的散布，通盘这个词数据中心在逻辑上是协同和长入的。主要适用于大型互联网公司在线来去系统支捏，比如淘宝、支付宝、携程等。 全链路压测全链路压测（Loadcenter）为企业提供涵盖性能压测、压测陈诉输出以及压测风险防控的一站式压测服务。团结蚂蚁集团多年的线上全链路压测教养，为您提供高仿真、低资本、高风险识别的在线压测体验。 家具架构 家具上风复杂的场景建模才调 支捏多种流量模子，可快速导入树立流量。 支捏模板化剧本及自界说开发剧本，满足不同复杂度的业务场景压测需求。 远大的陈诉分析才调 压测记载归档、集会治理。 联自由时监控服务，压测捣毁中记载模范应用监控数据及业务自界说监控数据，可快捷地找出存在瓶颈的应用及关联性能目的。 陈诉对比分析，追踪应用性能基线演进。 勾引户外安详的压力输出才调 压力机横向扩容，秒级动态调整压力，可满足千万级 TPS 压测需求。 支捏内网接口压测 压力机资源池支捏公有和田户独到两种模式。公有模式下，您无需自备压力机，可随时推行压测；独到模式下，使用您的压力机，可简约带宽资本并胁制汇集延时，同期支捏里面接口级测试，无需显现在公网，更安全。 支捏多种条约 支捏旧例的 HTTP/HTTPS 及 SOFARPC 条约。 提供基于 Java 言语的自界说开发剧本模式，可自行彭胀独到条约。 可靠的坐褥压测风险防控才调 与多个金融科技家具买通，整合应用监控、业务监控以及运维才调，发现风险可自动住手压测。 团结金融科技 SOFA 中间件家具，使用影子全链路压测决策，可进行压测流量和正常流量的庇荫，让您不错在坐褥环境进行压测。 应用场景全链路压测适用于任何有压测或者模拟流量需求的应用场景。 新系统上线测试 新系统上线前，凭据预期的业务模子对系统进行压力和负载测试，测试系统是否存在性能问题以及预期容量是否好像搪塞上线后的业务压力。 原系统基线转头 如期对线上系统进行恒定场景的性能转头，不雅察系统的性能是否存在变化，实时发现迭代、时代升级带来的系统性能衰减。 系统容量评估 在开展运营活动之前，对系统容量进行压测评估，凭据业务场景捏续加压，评估系统容量水位，以便提前进行优化和扩容，如有限流措施，也不错通过压测来进行考据。 系统故障演练 运用捏续的压测流量来考据系统极度时业务是否会受到影响。不错运用压测流量配合故障注入演练、机房容灾演练，不雅察业务影响程度以及收复才调。 资金安全监控资金安全监控平台是一个通过旁路方式，对业务经由中资金流向进行实期间析和实时告警、从时代上保障资金安全的实时查对平台，旨在保障资金在流经业务系统时，不会出现资金流失的问题。 家具架构 家具上风对坐褥系统无侵入，旁路采集查对数据。 法则可树立，无需编码；法则随时不错新增或修改，满足多种查对需求。 支捏实时、准实时、T+1、T+H 等多种不同查对时效，满足您关于资损风险监控时效性的不同需求。 治理功能丰富，提供查对大盘、遮掩率度量等管控才调。 支捏短信、邮件、钉钉等见告渠谈，可为核心业务提供即时监控、即时救急保障。 提供资损风险监控遮掩的度量功能，并配备众人连系服务，将多年积攒的资损防控教养带给云上用户。 应用场景业务护航 匡助您阶段性地或如期梳理触及资金链路的核心业务——通过树立查对法则，对种种数据作互相查对，或对数据内容作逻辑检查，确保核心业务驱动无误。 变更风险检查 变更发布前，添加变更业务表与关联表的查对法则，或者变更业务表数据的检查法则，确保变更上线后不存在资损风险监控盲点。 历史数据扫雷 批量检查存量业务的历史数据是否已存在各异，及期间析各异原因并确立间隙，追回资损。 数据质地监控 数据罅漏也可能波折激勉资损。您不错树立查对法则来检查数据完整性，对数据质地进行监控最美女教师，实时发现故障。
|
