十年，他们在云上修了一条“高速公路”

Posted 2021-10-08 海先生

互联网诞生至今，网络世界到底被谁主导？
《达芬奇密码》给出的答案是，整个互联网由十四个手中掌握七把受严密保护的钥匙的人保护着。
所谓“钥匙”，是为保护网站和计算机分配IP地址的DNS进入权限，如果这个权限被一个人获得，他就能主导整个互联网。
现实中，这个掌握钥匙的组织就是ICANN（互联网名称与数字地址分配机构），它的存在确实关系着互联网世界的稳定、开放与唯一性。
但这仅仅是小说或者电影的思维。现实世界中，为人们网上冲浪提供基础设施的，主要是网络运营商与设备厂商。
网络领域很长一段时间都没有新鲜事物，无论是产品还是创业公司，都鲜有新鲜面孔。
直到十多年前云计算诞生，一些新厂商投身网络领域搞自研，这个领域才有了新景象。云网络开始扮演越来越重要的角色。
在今年尤为明显。年初，新冠疫情爆发，国家按下“新基建”的快进键。
云计算作为新基建的核心环节，是互联网、大数据、人工智能等新技术的关键底座。云网络，作为云计算的标配，则是新基建的底座。
中国的云网络担得起吗？
缘起：网络高速来了“调度员”
故事还得从阿里云的成立说起。
2009年春节后，一群阿里云的年轻人在北京上地汇众大厦一间快要废弃的办公室里，写下了阿里云计算操作系统“飞天”的第一行代码，开启了中国云计算的新篇章。
一年半后，阿里云发布了第一个商业化的产品-云服务器ECS，逐步迈向公共云服务。
原CSDN与《程序员》杂志总编刘江曾在《阿里云观察——阿里云总裁王坚专访》一文中写道：ECS的上线，让许多得风气之先的中小开发公司兴奋不已。之前他们可以选择的后端，要么是国内IDC服务器托管，运维压力如山大；要么是国外的云服务，又不得不忍受网络的龟速。
阿里云的ECS让他们看到了国产云的希望。流量交易但在此之前，阿里云自己先要解决好网速问题。
2010年，阿里云用x86服务器搭载软件的方式，开发出第一款云网络产品——负载均衡SLB（Server Load Balancer），对网络流量（网络上传输的数据量）进行均衡分发。
SLB就像网络高速的“调度员”，为了提高信息传输效率，SLB可以分配和调度“车辆”（比特）从不同的路径和出口进行传输。当大量的数据流量来袭时，有了SLB，网络就不容易产生拥堵。
设想很美好，但早期的SLB性能并不稳定。早期，工程师们将精力主要放在了技术研发上，开发出软件，先让云平台运行起来；缺乏对外服务经验，出现了不少服务质量问题。
这导致看工单、接工单、处理工单，以及频繁出席赔情道歉会，成了SLB第一任产品经理李肆的工作日常。
他记忆最深刻的一次道歉会是阿里云创始人王坚亲自主持下进行的，那是个周六，在西湖国际——阿里云在杭州最初的办公室里，知名开发者社区“博客园”等客户出席。
后来，王坚让阿里云的同事把“博客园”中记录阿里云产品问题的100多篇博客印成书，取名为《进步集》，要求阿里云的工程师们通读。
内有《进步集》的鞭策，外部有“云计算究竟能不能把网络这件事做好”的质疑。顶着巨大的压力，SLB团队不断地提升其服务稳定性。
一封邮件引发的“修路”革命
但留给阿里云自我革新的时间不多了。
从2012年底开始，微软、亚马逊、IBM等国际巨头陆续登陆中国，云计算市场俨然已呈红海状态。
与此同时，阿里云内部的“技术隐患”开始浮现。
2012年底的阿里云技术规划会上，有人指出了阿里云的潜藏危机：
随着虚拟化技术的不断发展，一台物理机可以虚拟出的虚拟机比例将从1：10提升到1:30、1:50，也就是1000台物理机虚拟出的虚拟机数量将从1万台变成3万台、5万台。
虚拟比上升，网络中用于记录虚拟机地址的ARP表上的数据，也会变为原来的3到5倍。如果存放ARP表数据的交换机供应不足，虚拟机的迁移就会受到限制。
一旦虚拟机宕机，用户/客户业务受影响，阿里云的口碑将遭遇“滑铁卢”，最终导致阿里云面临无法售卖ECS的危机。而ECS是阿里云安身立命的根本。这是一个由云计算发展导致的连锁变化。
与此同时，随着虚拟化网络的规模扩大，ARP欺骗、广播风暴、主机扫描等多个问题会越来越严重，这都会对网络安全造成威胁。
有人将这些隐患写进邮件，发送给高层。江鹤（阿里云网络产品线现任负责人）遂被指派去调研这些问题，并找出解决方案。
2013年年初，江鹤就带着四位工程师接手这个任务，展开调查。
果不其然，当他们将诉求转给“头牌”交换机供应商思科时，对方的答复是：无法提供能够存储如此大规格ARP表的交换机。思科是当时全球最大的网络设备厂商。这意味着，他们在全世界范围内也买不到想要的交换机了。
一番考量后，江鹤决定另辟蹊径，在地面高速公路上方修建一条“云高速”，并在“云高速”上开辟不同的“隧道”。