刘昊-B站轻量级容灾演练体系构建与业务实践.pdf

B站轻量级容灾演练体系构建

与业务实践

演讲人：刘昊

个人介绍

刘昊

⚫哔哩哔哩基础架构部平台工程负责人

⚫从业十余年，专注于运维效能、质量运营等领域。

⚫参与B站从百万级到亿级用户规模的技术演进，主导运维技术体系、中间件

体系与稳定性体系的设计和落地

⚫目前主要负责SRE体系化建设和人员转型培训，设计落地应急响应、变更

防控、蓝军演练、运维数据资产和资产成本等系统，持续优化业务稳定性、

提升人员效率和降低资产成本。

目录

01新形势下稳定性挑战02轻量级容灾演练体系

03业务场景演练实践04总结展望

01

新形势下稳定性挑战

行业面临的稳定性挑战

业务的复杂性和多样性不断提升基础设施的故障和隐患不断增多

随着信息化不断深透进各行各业，软件架构也在不断演进。从最随着基础设施类的故障不断提升，对整个软件的基础架构和

初的单节点、单线程向分布式、微服务，从网站黄页导航/移动业务架构的容灾建设带来了很大挑战。IT系统的各类容灾建

互联网再到产业互联网/AI大模型。软件的复杂度和多样性不断设，像服务高可用/服务多活/同城双活等，将面临真实大考。

快速攀升，软件系统逐步成为稳定性事故的重灾区。

机房火灾光缆被剪断

B站面临的稳定性挑战

热搜体质，小故障，大流量持续性的多活建设，结果有效性急需验收

第三方故障

•某商业CDN故障，引起回源级联故障，导致图片用户访问APPWEB多屏灾备、降级

服务不可用，全链路图片容灾方案欠缺，多业务

受损DCDNDCDN三方

CDN

性能、架构

接入层SLBSLBSLB容灾、多活

•IDC网络设备故障导致专线异常，业务未多活或