近日，中国信息通信研究院（以下简称“中国信通院”）主办，混沌工程实验室承办的信息通信领域系统稳定性保障沙龙·北京站成功举办。沙龙以“共筑数字免疫韧性长城，助力信息通信行业稳定安全运行”为主题，旨在促进信息通信领域系统稳定性保障技术交流，推动信息通信领域稳定安全运行水平提升，加强“稳保”领域的先进技术和人才合作。会上，天翼云科技有限公司高级运维专家尹磊以《天翼云分布式多场景云服务稳定性探索实践》为题发表演讲。
在应用全面上云的大背景下，云计算已经成为现代通讯系统的核心基础设施之一，其稳定性对于通信业务的正常运转至关重要。云服务作为部署在大规模硬件系统上的分布式软件系统，面向租户提供一系列的共享服务，其运行环境十分复杂。由于底层硬件存在一定的不稳定因素，如何在不稳定的环境中为用户提供稳定的服务，是云服务提供商所面临的一项重要挑战。
作为云服务国家队，天翼云探索出一套有效的稳定性保障体系并积极实践落地。围绕少出故障、不出重大事件、故障快速恢复、用户对故障无感知的目标，天翼云进行了分布式多场景云服务稳定性能力建设探索，率先以稳定性指标体系为牵引，以演练为有效验证手段，在可观可测、故障快速恢复、变更可信三大方面优先建设，构建了天翼云分布式多场景云服务稳定性保障能力的基础。
具体而言，天翼云为实现故障快速发现与精准定位，构建了“监”“测”“控”“观”“量”五位一体的立体化全链路可观测能力；在打造高效的故障处理与快速恢复能力方面，天翼云构建以SLO为目标的、基于正向的故障快速恢复能力；此外，变更风险是影响云服务稳定性的重大因素之一，针对可信变更，天翼云建立变更风险评估模型和规则，使变更风险的评估从依据个人经验变为依靠变更系统的功能。
高可用、高可靠、稳定安全的云服务能力建设，需要现网的效果反馈和不断迭代升级。天翼云构建了事前、事中、事后一体化的稳定性保障能力评价体系，推进稳保能力的正向建设与负向改进。同时，天翼云建设故障自动化注入的演练平台，通过演练场景、能力验证、效果复盘等步骤，来验证稳定性保障能力水平。
近年来，数字技术日新月异，信息化系统的重要性日益突显，系统稳定性成为企业顺利开展业务、实现可持续与高质量发展的关键。一直以来，天翼云为客户提供安全可信的产品和服务，并在稳定性保障体系建设方面走在行业前列，未来天翼云也将继续深耕云技术，通过提供更加稳定可靠的云服务，帮助企业构建起数字免疫韧性长城，护航企业行稳致远。
