近几年，国内各大公司大规模生产落地Kubernetes和Service Mesh，拉开了云原生革命的序幕。从2019年开始，团队开始在部分场景中落地Istio Gateway，积累Service Mesh经验；2020年中，我们开始与公司的框架部门合作着手Service Mesh在携程的落地，目前生产环境已有数百个应用接入，覆盖率还在持续的推进过程中。

Service Mesh作为一项新技术，相比传统的微服务框架有很多优势。但在生产环境落地的过程中，若无法保证可用性，出现大的故障，将会大大打击对新技术采用的信心，也会影响最终用户，造成对品牌的负面影响。显而易见，可用性是一切的基石。我们在落地Service Mesh的过程投入了大量的精力进行可用性的建设，避免出现单点故障，保证服务的高可用。Service Mesh在携程的落地并不是平地起高楼，公司内关于可用性已经有一套方法与模式，Service Mesh的可用性建设也必须考虑现有的高可用体系。

Meaningful availability, Hauer et al., NSDI’20 With thanks to Damien Mathieu for the recommendation. This very clearly written paper describes the Google G Suite team’s search for a meaningful…

对于互联网应用和企业大型应用而言，多数都尽可能地要求做到724小时不间断运行，而要做到完全不间断运行可以说“难于上青天”。为此，对应用可用性程度的衡量标准一般有3个9到5个9。 可用性指标 计算方式 不可用时间（分钟） 99.9% 0.1%3652460 525

经常看到各种技术文章或者分布式系统介绍说系统的可用性达到了多少个9，那么所谓”几个9“到底是怎么计算的？又意味着什么？我们简单计算分析下看看。所谓”1个9“是指90%，”2个9“是指99%，”3个9“是指99.9%，依次类推。

在过去的四年里，Netflix已经从不到5000万的用户变成了1.25亿的用户。虽然这样的增长给我们带来了不小的扩展挑战，但我们实际上在这段时间内设法提高了我们服务的整体可用性。一路走来，我们学到了很多东西，现在对如何使我们的系统更高的可用性有了更好的理解。但是，这个消息并不全是好消息。事实是，我们以艰难的方式学到了许多经验教训：通过英雄主义，通过出错时的疯狂争夺，有时还不幸地通过面向客户的事件。尽管我们还没有搞清楚所有的事情，仍然有许多机会来改进我们的系统，但我们想分享一些我们获得的经验和我们得出的提示或最佳做法。希望你们中的一些人能够从中获得一些东西，使你们不必在凌晨3点为一个面向客户的事件而被叫醒。

在Netflix，我们已经建立并使用Spinnaker作为持续集成和交付的平台。这里讨论的许多最佳实践已经被编码到Spinnaker中，所以它们很容易被遵循。虽然在这篇文章中，我们展示了我们如何在Spinnaker中进行内部编码的最佳实践，但这些提示和最佳实践更具有普遍性，将帮助任何人使他们的系统具有高可用性。

QQ 空间（Qzone）是腾讯公司于 2005 年开发出来的个性化空间，12 年过去，目前 QQ 空间用户数量达到 6.233 亿。其中，QQ 空间背后的平台照片总数接近 1 万亿。海量数据下，QQ 相册是怎么做重构的？