微博-黄阳全-新浪微博云原生 PaaS 平台降本增效与稳定性建设实践

背景与目标

互联网用户规模增速放缓，促使各大企业转向降本增效。同时，热点事件期间服务稳定性面临挑战，需要在降本增效与稳定性之间取得平衡。

微博平台基础设施现状与思考

微博平台基础设施发展历程中，存在资源整合不足、效率低下、稳定性瓶颈等问题。具体表现为：

• 成本：在线服务利用率不高，资源碎片化，局部成本优化难以达到全局最优。
• 效率：分散的运维体系导致运维壁垒，服务运行不统一，新特性推广难度大。
• 稳定性：全链路扩容时间已优化至4分钟，但多机房相互依赖导致容灾能力不可靠。

微博云原生PaaS平台建设

为解决上述问题，微博建设了云原生PaaS平台，整体架构围绕成本、稳定性和效率进行优化。

成本优化

• 资源使用标准化：统一性能、冗余度和规格标准，通过真实流量自动压测和多维度监控实现资源合理分配。
• 动态扩缩容：支持自定义指标、定时和预测性扩缩容，以及热点扩容，提高资源利用率。
• 在离线混布：在线优先但利用率不高，离线优先级低但利用率高，通过资源隔离和离线算力感知提升整体效率。

稳定性提升

• 服务质量分级：支撑第一波热点，统一热点应对体系。
• 多可用区建设：采用三可用区+双云部署，通过virtual-kubelet扩展下层集群，提升容灾能力。
• 依赖梳理与业务改造：基于Skywalking全链路追踪可视化服务依赖，通过Istio实现流量劫持和模拟多可用区环境，快速验证业务改造。
• 容灾演练：通过一键断网和恢复控制进行故障模拟，提升容灾演练效率。

效率提升

• 统一标准：服务描述、runtime、通用能力接入和应用交付标准化，通过gitops+argocd实现自动化部署。
• 应用交付标准化：通过标准化流程减少运维操作，提高效率。

总结与未来展望

案例启示：

• 快速验证关键技术点，落地MVP版本。
• 充分利用开源社区并回馈。
• 在现有架构基础上改造升级，减少迁移复杂度。
• 稳定性需要长期持续投入。

未来展望：

• 智能化服务画像、服务编排、热点检测与应对。
• 架构单元化，快速重建微博。
• 故障混沌化、攻防演练。