前几天AWS中国开了在线技术峰会，宣布咱成了AWS中国的战略合作伙伴和第一家中国的授权增值推广商（Value Add Promoter），一起干从销售到渠道还有MSP服务的活，目测又有很多事情要折腾了。

让我更感兴趣的其实是之后AWS CTO Werner Vogels谈的架构完善框架（Well-architected Framework）。这个框架是一整套的设计云上系统的方法论，包括卓越运营（Operational Excellence），安全性（Security）, 可靠性（Reliability）, 性能效率（Performance efficiency） 和成本优化（Cost optimization）五大支柱。通过描述关键概念，设计原则和架构的最佳实践，为架构师提供了一致性的方法论，评估架构和实施的设计原则。

这部分的工作一直都是云托管服务（Managed Service）里专业服务（Professional Service）的重要组成部分。我们在具体的工作中，通常也使用类似的方法给客户提供这五个方面的建议和意见。我记得六七年前AWS已经有过一篇白皮书讲这个，我当年也看过。不曾想到了今天，这篇白皮书已经被扩展成了特定领域的框架设计，动手实验，还提供了一个自动分析的工具能给客户建议，关键还是免费的！这么折腾下去，怕是专业干高端咨询的团队要擦汗了，毕竟他们的吃饭家伙正在被蚕食。

AWS提供了特定行业和领域的架构完善框架白皮书，例如金融服务，分析，机器学习，IoT，HPC，Serverless等等。我个人觉得金融服务这个白皮书写得有点水，故意回避了银行核心系统架构，其他几个技术领域的白皮书还是很专业的。

不仅是AWS，微软也有类似的框架，叫做Microsoft Azure Well-Architected Framework，内容结构几乎完全一样，也是成本优化，卓越运营，性能效率，可靠性，安全性五部分内容，给出了基于Azure的各方面建议。不过微软只提供了一个Review的问卷，让客户自己选择得到相关的建议，跟AWS那个自动分析工具比还是有差距。

鉴于亚马逊在云计算领域的领先优势，让我来近距离再看一下这个框架里提到的内容。看看他有没有可能成为云计算的架构设计框架的事实标准。毕竟AWS在Gartner今年 9 月1日发布的云基础设施和平台服务魔力象限里排名第一，遥遥领先。

框架介绍

AWS架构晚上框架其实是一个平衡的方法论，在定义里他说得很清楚：在设计架构的时候，我们根据业务的上下文，在5个支柱之中取得平衡。根据商业决策决定工程上的优先级。我们可能因为要优化成本而降低开发环境的可靠性，或者为了关键的业务场景提高可靠性而增加成本。安全和卓越运营比较通用，虽然没有明显的取舍，但是依然对成本有重要的影响。

传统IT的环境下我们通常使用中心化的IT架构，基于TOGAF或者Zachman框架设计企业架构（像不像中台的概念？）。而在云上，AWS倾向于把能力分布到不同的团队，而不是用一个中心化的团队（像不像区块链里去中心化的概念？）。这种分布式的方法产生了决策的风险，不过AWS说他们通过实践（practices）和机制（mechanisms）减轻了这种风险，先让各团队满足内部标准，然后逐渐提高标准，推动技术和业务发展。AWS说，这种分布式的方法由亚马逊领导力原则支持，我顿时惊掉了下巴，这个高大上的帽子绝对是政治正确，但是写在一份技术文档里真的合适吗？

插一句，亚麻的领导力原则有14条，包括

顾客至尚（Customer Obsession）

主人翁精神（Ownership）

创新简化（Invent and Simplify）

决策正确（Are Right, A Lot）

好奇求知（Learn and Be Curious）

选贤育能（Hire and Develop the Best）

最高标准（Insist on the Highest Standards）

远见卓识（Think big）

崇尚行动（Bias for Action）

勤俭节约（Frugality）

赢得信任（Earn Trust）

刨根问底（Dive Deep）

敢于谏言 服从大局（Have Backbone; Disagree and Commit）

达成业绩（Deliver Results）

技术架构文档和领导力文化紧密相连，这个和阿里的政委思想政治玩法也是同出一辙。因为有了这个思想武器的指导，所以亚麻的框架也不断改进。不管是新团队，还是现有的团队，都能够在这个框架下满足广大客户日益苛刻的要求。

顺便吐槽一句，这14条领导力的原则真是条条反人性，能全部做到真是太难了。话说回来也确实蛮有道理，比虚无缥缈微言大义的《论语》《道德经》啥的，实操效果好多了。

这个框架的一般设计原则有六个：

停止对容量需求的猜测

以生产规模进行系统测试

通过自动化让架构试验更简单

允许不断演化的架构

利用数据来驱动架构

通过实际演练（Game Day）不断改进

接下来就是对五大支柱进行分析和讨论了。毕竟做一个软件系统就像造房子一样，结构问题会导致楼房倒塌。对五大支柱的分析和设计会帮助我们构建一个稳固有效的系统。这个讲得还是很有道理的，不管是软件系统，还是组织架构的设计，一开始大家都差不多，到了一定规模以后，不好的结构问题迟早会出现，严重的可能会导致系统崩溃。

卓越运营

卓越运营主要包括了对开发和有效运行的支持能力，获得运营的洞见以及持续改进支持流程和过程来获得业务价值。

卓越运营的设计原则包括：

运营即代码

用频繁的，小的和可逆的改变

经常改进运营程序

预期失败

从运营失败中学习

卓越运营有四方面的最佳实践：组织，准备，运营，演进。在这四个部分里，AWS提出了各种需要注意的点和需要回答的问题：

组织（Organization）

OPS 1：如何决定优先级

OPS 2：如何定义组织架构来支持业务产出

OPS 3：组织文化如何支持业务产出

准备（Prepare）

OPS 4：如何设计工作负载以理解它的状态 OPS 5：如何降低缺陷，简化修复，并改进生产流程 OPS 6：如何减轻部署风险 OPS 7：如何知道你准备好对工作负载的支持

运营（Operate）

OPS 8：如何理解你的工作负载的健康状态

OPS 9：如何理解运营的健康状态

OPS 10：如何管理工作负载和运营的事件

演进（Evolve）

OPS 11：如何演进运营

其实卓越运营的核心就是自动化（Automation），运营的错误都是人的问题，自动化越多，错误就越少，内部的流程不断改进可以不断降低运营错误的发生。

安全性

安全性包含了利用云技术来提高安全性，保护数据，系统和资产。它的设计原则包括：

实现严格的身份基础

启用可追溯性

在所有层上应用安全

自动化安全最佳实践

保护在传输中的和静态的数据

让人远离数据

为安全事件做好准备

安全的最佳实践分为六个部分：安全，身份和访问管理，侦查，基础设施保护，数据保护，事故响应。

安全（Security）

SEC 1：如何安全地运营工作负载

身份和访问管理（Identity and Access Management）

SEC 2：如何管理人和机器的身份

SEC 3：如何管理人和机器的权限

侦查（Detection）

SEC 4：如何检测和调查安全事件

基础设施保护（Infrastructure Protection）

SEC 5：如何保护网络资源

SEC 6：如何保护计算资源

数据保护（Data Protection）

SEC 7：如何对数据进行分类

SEC 8：如何保护静态数据

SEC 9：如何保护传输中的数据

事故响应（Incident Response）

SEC 10：你如何预测、应对和从事故中恢复

安全里最关键的设计要点叫做Zero Trust，就是零信任，所有的这些问题都是在问这个零信任的问题怎么解决。

可靠性

可靠性谈的是工作负载如何按照预期的方式正确地，持续地运行。我们需要对工作负载全生命周期进行运营和测试。它的设计原则包括：

自动从故障中恢复

测试恢复流程

通过水平扩展增加聚合工作负载的可用性

停止猜测容量

自动化管理变更

可靠性的最佳实践有四个部分，分别是基础，工作负载架构，变更管理，故障管理。

基础（Foundations）

REL 1：如何管理服务配额和限制

REL 2：如何规划网络拓扑

工作负载架构（Workload Architecture）

REL 3：如何设计工作负载服务架构（面向服务架构SOA或者微服务架构）

REL 4：如何在分布式系统中设计交互以防止故障

REL 5：如何在分布式系统中设计交互以减轻或抵御故障？

变更管理（Change Management）

REL 6：如何监控负载资源

REL 7：如何设计工作负载来适应需求变化

REL 8：如何实现变更

故障管理（Failure Management）

REL 9：如何备份数据

REL 10：如何使用故障隔离来保护工作负载

REL 11：如何设计工作负载以抵御组件故障

REL 12：如何测试可靠性

REL 13：如何规划灾难恢复（DR）

在考虑可靠性的时候，我们可以考虑一个叫做爆炸半径（Blast radius）的概念。爆炸半径的意思是是系统发生故障时可能承受的最大影响，要构建可靠的系统，需要最小化任何单个组件的爆炸半径。

性能效率

性能效率包括了有效使用计算资源来满足系统需求，以及在需求变更和技术演化过程中维持效率。它的设计原则有：

让先进技术平民化

分钟级全球化

使用无服务架构

多做实验

考虑“机械同情”（Mechanical Sympathy）。这里解释一下，Mechanical Sympathy是赛车手Jackie Steward最早说的，然后被Martin Thompson用在了软件设计上。原话是:“You don’t have to be an engineer to be a racing driver, but you do have to have Mechanical Sympathy.” 你不必成为一名工程师才能成为一名赛车手，但你必须有机械同情。编写代码也是一样，你不需要成为一名硬件工程师，但是需要了解底层的运作模式，并在设计软件时考虑到这一点。我们有太多的码农没有打破砂锅问到底的精神，只是随便搭搭积木把功能实现了就好，不知道底层模块的实现方式，出现问题了完全没有办法解决。

好吧，搞技术的码农还是非常有文化的。性能效率的最佳实践包括选择，复查，监控和权衡。

选择（Selection）

PERF 1：如何选择最优性能架构

PERF 2：如何选择计算方案（实例，容器，函数）

PERF 3：如何选择存储方案（对象存储，块存储和文件存储）

PERF 4：如何选择数据库方案

PERF 5：如何配置网络方案

复查（Review）

PERF 6：如何利用新的发布演进工作负载

监控（Monitoring）

PERF 7：如何监控资源以保证他们正常工作

权衡（Tradeoffs）

PERF 8：如何利用权衡改进性能（降低一致性，持久性，空间换时间，延迟）

在考虑性能效率的时候，把服务想成牛，而不是宠物（cattle, not pets）。在传统机房模型下，服务器又贵又经不起折腾，所以我们把他理解成宠物，要很多关爱。而在云的模型下，服务器就是老黄牛，几秒钟就可以创建，完全不需要关爱。

成本优化

成本优化包括用最低的成本运行系统来交付商业价值，它的设计原则包括：

实现云的财务管理

采用消费模式

衡量总体效率

别再把钱花在毫无差别的重担上

分析并确定支出

成本优化的最佳实践包括：实践云财务管理，支出和使用意识，成本效益的资源，管理需求和供给资源，随时间优化。

实践云财务管理（Practice Cloud Financial Management）

COST 1：如何实现云财务管理

支出和使用意识（Expenditure and usage awareness）

COST 2：如何控制用量

COST 3：如何监控用量和成本

COST 4：如何解除资源使用

成本效益的资源（Cost-effective resources）

COST 5：在选择服务时如何评估成本

COST 6：在选择资源类型、规模和数量时，如何达到成本目标

COST 7：如何使用价格模型降低成本

COST 8：如何规划数据传输费用

管理需求和供给资源（Manage demand and supply resources）

COST 9：如何管理需求和供给资源

随时间优化（Optimize over time）

COST 10：如何评估新服务

在我们考虑云上的成本优化的时候，考虑OpEx而不是CapEx，即考虑运营性支出，而不是资本性支出。云毕竟是租用的生意，需要不断考虑持续的成本。

价值观又来了！

在这个框架下，AWS建议建立持续轻量级的Review流程，用不责备的方法不断进行深度分析，对架构进行改进。通过根原因分析（Root Cause Analysis），在关键的节点和产品发布的时候开始Review。

不断分析提高当然是必须的，也是反人性的，大量的工程师和技术人员是不愿意的，所以还是得通过价值观来推进。在这个技术框架的文章里，它提到了一些新的团队对这种框架设计的抵触可能，例如：

“我们太忙了！”

“我们没有时间对结果做任何事情“

“我们不希望别人知道我们解决方案的秘密”

说得真是挺到位的，我们的一些技术团队在要求提高效率或者横向对比的时候，也会找到类似的借口和理由。我也理解了AWS的员工流失率有点高的原因。刚才提到的AWS领导力原则条条都是反人性，多数人是做不到的，这里也是一样。不过正因为如此，才让AWS成为一家如此成功的伟大公司吧。

这个框架本身是一个云计算架构里很好用的方法论，如果有兴趣的同学还可以去AWS官方网站上找到更详细的内容。作为北美富士康的亚马逊在技术文档里也融入了他的文化主张，就更有意思了。从这个角度上来说，这个框架成为业界标准似乎是没可能了。

对于数字化转型而言，数字化技术并不是转型的关键，文化才是。在这点上亚马逊做得越来越有趣。当然，优秀的公司都是能找到一群认可公司价值观的人一起把事情做好的，亚马逊是这样，特斯拉是这样，连阿里巴巴和华为也是这样，凡事搞到最后，其实都是人事。