多云与混合云策略
目录
多云策略概述
为什么选择多云
┌────────────────────────────────────────────────────┐
│ 采用多云策略的主要原因 │
├────────────────────────────────────────────────────┤
│ │
│ 1. 🔒 避免供应商锁定 (Vendor Lock-in) │
│ 降低对单一云厂商的依赖 │
│ │
│ 2. 🌍 地理覆盖优化 │
│ 利用不同云商的全球数据中心 │
│ │
│ 3. 💰 成本优化 │
│ 选择性价比最高的服务 │
│ │
│ 4. 🛡️ 灾难恢复 │
│ 跨云备份，提高可用性 │
│ │
│ 5. ⚡ 服务优势互补 │
│ AWS ML + GCP 大数据 + Azure 企业集成 │
│ │
│ 6. 📜 合规要求 │
│ 满足数据主权和合规性要求 │
└────────────────────────────────────────────────────┘多云 vs 混合云
┌──────────────────────────────────────────────────────┐
│ 多云 vs 混合云对比 │
├──────────────┬───────────────┬───────────────────────┤
│ 特性 │ 多云 │ 混合云 │
├──────────────┼───────────────┼───────────────────────┤
│ 定义 │ 多个公有云 │ 公有云 + 私有云 │
│ 部署位置 │ 全部云端 │ 云端 + 本地 │
│ 主要目标 │ 避免锁定 │ 渐进式迁移 │
│ 数据位置 │ 分散在云端 │ 敏感数据本地 │
│ 复杂度 │ 高 ⭐⭐⭐ │ 极高 ⭐⭐⭐⭐ │
│ 成本 │ 较高 │ 最高 │
│ 适用行业 │ 互联网公司 │ 金融、政府 │
│ 典型架构 │ 主备 │ 分层 │
└──────────────┴───────────────┴───────────────────────┘多云架构模式
1. 多云备份模式 (Redundancy)
场景：业务关键系统，需要最高可用性
┌────────────────────────────────────────────────────┐
│ 主备多云架构（Active-Passive） │
├────────────────────────────────────────────────────┤
│ │
│ ┌─────────────┐ 流量分发 │
│ │ 用户请求 │ │ │
│ └──────┬──────┘ │ │
│ │ │ │
│ ┌────▼────────────────────▼──────┐ │
│ │ Global Load Balancer │ │
│ │ (Route 53 / Cloud DNS) │ │
│ └────┬────────────────────┬──────┘ │
│ │ 100%流量 │ 0%流量(备用) │
│ │ │ │
│ ┌──────▼──────┐ ┌──────▼──────┐ │
│ │ AWS │ │ GCP │ │
│ │ (主区域) │ │ (备用) │ │
│ ├─────────────┤ ├─────────────┤ │
│ │ • EC2 │ │ • GCE │ │
│ │ • RDS │◀同步─│ • Cloud SQL │ │
│ │ • S3 │ │ • GCS │ │
│ └─────────────┘ └─────────────┘ │
│ │
│ RTO: 5-15分钟 RPO: <5分钟 │
└────────────────────────────────────────────────────┘Terraform 实现:
hcl
# multi_cloud_backup.tf
# ========== AWS 主区域 ==========
provider "aws" {
region = "us-east-1"
alias = "primary"
}
resource "aws_instance" "primary_app" {
provider = aws.primary
ami = "ami-0c55b159cbfafe1f0"
instance_type = "t3.medium"
tags = {
Name = "primary-app"
Environment = "production"
Cloud = "AWS"
}
}
resource "aws_db_instance" "primary_db" {
provider = aws.primary
identifier = "primary-db"
engine = "postgres"
instance_class = "db.t3.medium"
allocated_storage = 100
backup_retention_period = 7
# 跨区域备份
backup_target = "region"
}
# ========== GCP 备用区域 ==========
provider "google" {
project = "my-project"
region = "us-central1"
alias = "backup"
}
resource "google_compute_instance" "backup_app" {
provider = google.backup
name = "backup-app"
machine_type = "n1-standard-2"
zone = "us-central1-a"
boot_disk {
initialize_params {
image = "debian-cloud/debian-11"
}
}
tags = ["backup", "standby"]
}
resource "google_sql_database_instance" "backup_db" {
provider = google.backup
name = "backup-db"
database_version = "POSTGRES_14"
settings {
tier = "db-n1-standard-2"
backup_configuration {
enabled = true
start_time = "03:00"
point_in_time_recovery_enabled = true
}
}
}
# ========== Route 53 故障转移 ==========
resource "aws_route53_health_check" "primary" {
provider = aws.primary
fqdn = aws_instance.primary_app.public_dns
port = 80
type = "HTTP"
resource_path = "/health"
failure_threshold = 3
request_interval = 30
}
resource "aws_route53_record" "primary" {
provider = aws.primary
zone_id = aws_route53_zone.main.zone_id
name = "app.example.com"
type = "A"
ttl = 60
failover_routing_policy {
type = "PRIMARY"
}
set_identifier = "primary"
health_check_id = aws_route53_health_check.primary.id
records = [aws_instance.primary_app.public_ip]
}
resource "aws_route53_record" "backup" {
provider = aws.primary
zone_id = aws_route53_zone.main.zone_id
name = "app.example.com"
type = "A"
ttl = 60
failover_routing_policy {
type = "SECONDARY"
}
set_identifier = "backup"
records = [google_compute_instance.backup_app.network_interface[0].access_config[0].nat_ip]
}2. 多云分布式模式 (Active-Active)
场景：全球用户，需要最低延迟
┌────────────────────────────────────────────────────┐
│ 主主多云架构（Active-Active） │
├────────────────────────────────────────────────────┤
│ │
│ Global Traffic Manager │
│ (基于地理位置和负载的智能路由) │
│ ┌─────┴─────┐ │
│ │ │ │
│ 欧洲用户 50% 美国用户 50% │
│ │ │ │
│ ┌────────▼──┐ ┌───▼────────┐ │
│ │ AWS EU │ │ GCP US │ │
│ │ (法兰克福)│ │ (爱荷华) │ │
│ ├───────────┤ ├────────────┤ │
│ │ • EKS │ │ • GKE │ │
│ │ • Aurora │◀──│ • Spanner │ 双向同步 │
│ │ • S3 │──▶│ • GCS │ │
│ └───────────┘ └────────────┘ │
│ │
│ 亚洲用户 │
│ │ │
│ ┌────▼────────┐ │
│ │ Azure Asia │ │
│ │ (新加坡) │ │
│ ├─────────────┤ │
│ │ • AKS │ │
│ │ • Cosmos DB │◀─┐ │
│ │ • Blob │ │ 多向同步 │
│ └─────────────┘ │ │
│ ▲──────────┘ │
│ │
│ 优势: 低延迟、高可用 劣势: 数据一致性复杂 │
└────────────────────────────────────────────────────┘3. 多云服务聚合模式 (Best-of-Breed)
场景：利用各云平台的最佳服务
┌────────────────────────────────────────────────────┐
│ 多云服务聚合架构 │
├────────────────────────────────────────────────────┤
│ │
│ ┌─────────────────────────────────────────┐ │
│ │ AWS (计算与存储) │ │
│ │ ┌────────┐ ┌────────┐ ┌─────────┐ │ │
│ │ │ EKS │ │ S3 │ │ Lambda │ │ │
│ │ └───┬────┘ └────────┘ └─────────┘ │ │
│ └──────┼───────────────────────────────────┘ │
│ │ │
│ ├───────────────────┐ │
│ │ │ │
│ ┌──────▼──────────┐ ┌─────▼──────────────┐ │
│ │ GCP (大数据) │ │ Azure (企业集成) │ │
│ │ ┌───────────┐ │ │ ┌──────────────┐ │ │
│ │ │ BigQuery │ │ │ │ AD / Entra │ │ │
│ │ ├───────────┤ │ │ ├──────────────┤ │ │
│ │ │ Dataflow │ │ │ │ Logic Apps │ │ │
│ │ ├───────────┤ │ │ ├──────────────┤ │ │
│ │ │ Vertex AI │ │ │ │ Power BI │ │ │
│ │ └───────────┘ │ │ └──────────────┘ │ │
│ └─────────────────┘ └─────────────────────┘ │
│ │
│ 示例: Spotify 使用 GCP 数据分析 + AWS 服务 │
└────────────────────────────────────────────────────┘云迁移策略
迁移波次规划
┌────────────────────────────────────────────────────┐
│ 云迁移波次示例（6个月计划） │
├────────────────────────────────────────────────────┤
│ │
│ Phase 1: 基础设施准备 (Week 1-4) │
│ ├─ 建立云账户和网络 │
│ ├─ 配置 VPN/专线 │
│ ├─ 设置 IAM 和安全策略 │
│ └─ 迁移非关键开发环境 │
│ │
│ Phase 2: 第一波应用迁移 (Week 5-8) │
│ ├─ 内部工具系统 (低风险) │
│ ├─ 测试环境 │
│ └─ 建立监控和日志系统 │
│ │
│ Phase 3: 第二波应用迁移 (Week 9-16) │
│ ├─ 边缘业务系统 │
│ ├─ 数据仓库 / BI 系统 │
│ └─ 异步处理任务 │
│ │
│ Phase 4: 核心系统迁移 (Week 17-24) │
│ ├─ 核心业务 API │
│ ├─ 主数据库（读写分离优先） │
│ ├─ 实时交易系统 │
│ └─ 完整切流验证 │
│ │
│ Phase 5: 优化与下线 (Week 25-26) │
│ ├─ 性能调优 │
│ ├─ 成本优化 │
│ └─ 下线本地机房 │
└────────────────────────────────────────────────────┘迁移风险矩阵
┌──────────────────────────────────────────────────┐
│ 应用迁移风险评估矩阵 │
├────────────┬───────────┬────────────┬───────────┤
│ 应用 │ 业务重要性│ 技术复杂度│ 迁移策略 │
├────────────┼───────────┼────────────┼───────────┤
│ 官网 │ 低 │ 低 │ Rehost │
│ 内部工具 │ 低 │ 中 │ Replatform│
│ 数据分析 │ 中 │ 低 │ Refactor │
│ 支付系统 │ 极高 │ 高 │ 保留本地 │
│ 订单系统 │ 高 │ 中 │ Replatform│
│ CRM │ 中 │ 低 │ Repurchase│
└────────────┴───────────┴────────────┴───────────┘多云管理
多云管理平台
┌────────────────────────────────────────────────────┐
│ 多云管理工具对比 │
├──────────────┬─────────────────────────────────────┤
│ 工具 │ 特点 │
├──────────────┼─────────────────────────────────────┤
│ Terraform │ • 开源 IaC 工具 │
│ │ • 支持 100+ 云服务商 │
│ │ • 声明式配置 │
│ │ │
│ Pulumi │ • 使用编程语言编写 │
│ │ • 强类型检查 │
│ │ • 适合开发者 │
│ │ │
│ Crossplane │ • Kubernetes 原生 │
│ │ • 声明式 API │
│ │ • 适合云原生团队 │
│ │ │
│ Cloudify │ • 企业级编排 │
│ │ • 工作流引擎 │
│ │ • 可视化设计 │
│ │ │
│ VMware Aria │ • 混合云管理 │
│ │ • vSphere 集成 │
│ │ • 成本优化 │
└──────────────┴─────────────────────────────────────┘统一监控方案
python
# multi_cloud_monitoring.py
import boto3
from google.cloud import monitoring_v3
from azure.monitor.query import MetricsQueryClient
class MultiCloudMonitor:
"""多云统一监控"""
def __init__(self):
# AWS CloudWatch
self.cloudwatch = boto3.client('cloudwatch')
# GCP Cloud Monitoring
self.gcp_client = monitoring_v3.MetricServiceClient()
# Azure Monitor
self.azure_client = MetricsQueryClient(credential)
def get_all_cpu_metrics(self):
"""获取所有云平台的 CPU 指标"""
metrics = {}
# AWS
metrics['aws'] = self._get_aws_cpu()
# GCP
metrics['gcp'] = self._get_gcp_cpu()
# Azure
metrics['azure'] = self._get_azure_cpu()
return metrics
def _get_aws_cpu(self):
"""获取 AWS EC2 CPU 使用率"""
response = self.cloudwatch.get_metric_statistics(
Namespace='AWS/EC2',
MetricName='CPUUtilization',
Dimensions=[{
'Name': 'InstanceId',
'Value': 'i-1234567890abcdef0'
}],
StartTime=datetime.utcnow() - timedelta(minutes=5),
EndTime=datetime.utcnow(),
Period=300,
Statistics=['Average']
)
return {
'provider': 'AWS',
'value': response['Datapoints'][0]['Average'],
'unit': 'Percent'
}
def _get_gcp_cpu(self):
"""获取 GCP GCE CPU 使用率"""
project_name = f"projects/{PROJECT_ID}"
interval = monitoring_v3.TimeInterval({
'end_time': {'seconds': int(time.time())},
'start_time': {'seconds': int(time.time()) - 300}
})
results = self.gcp_client.list_time_series(
request={
'name': project_name,
'filter': 'metric.type="compute.googleapis.com/instance/cpu/utilization"',
'interval': interval
}
)
for result in results:
return {
'provider': 'GCP',
'value': result.points[0].value.double_value * 100,
'unit': 'Percent'
}
def _get_azure_cpu(self):
"""获取 Azure VM CPU 使用率"""
response = self.azure_client.query_resource(
resource_id=AZURE_VM_ID,
metric_names=["Percentage CPU"],
timespan=timedelta(minutes=5)
)
return {
'provider': 'Azure',
'value': response.metrics[0].timeseries[0].data[0].average,
'unit': 'Percent'
}
# 使用示例
monitor = MultiCloudMonitor()
all_metrics = monitor.get_all_cpu_metrics()
for cloud, metric in all_metrics.items():
print(f"{cloud.upper()}: CPU {metric['value']:.2f}%")实战案例
案例: 金融企业混合云架构
┌────────────────────────────────────────────────────┐
│ 某银行混合云架构实战 │
├────────────────────────────────────────────────────┤
│ │
│ 互联网区域（公有云 - 阿里云） │
│ ┌──────────────────────────────────────┐ │
│ │ ┌────────┐ ┌─────────┐ ┌───────┐ │ │
│ │ │ WAF │─▶│ SLB │─▶│ ECS │ │ │
│ │ └────────┘ └─────────┘ │ Web │ │ │
│ │ └───┬───┘ │ │
│ │ ┌────────────────────────────┘ │ │
│ │ │ │ │
│ │ ▼ │ │
│ │ API Gateway │ │
│ └──┬──────────────────────────────────┘ │
│ │ 专线 (100Mbps) │
│ ───┼────────────────────────────────── │
│ │ │
│ 核心区域（私有云 - 本地机房） │
│ ┌──▼──────────────────────────────────┐ │
│ │ ┌──────────┐ ┌──────────────────┐│ │
│ │ │ 防火墙 │─▶│ 应用服务器 ││ │
│ │ └──────────┘ │ (核心业务逻辑) ││ │
│ │ └───────┬───────────┘│ │
│ │ │ │ │
│ │ ┌─────────────────────┼─────────┐ │ │
│ │ │ 数据库集群 │ │ │ │
│ │ │ ┌────────┐ ┌──────▼─────┐ │ │ │
│ │ │ │ Oracle │ │ MySQL │ │ │ │
│ │ │ │ RAC │ │ 主从 │ │ │ │
│ │ │ └────────┘ └────────────┘ │ │ │
│ │ └──────────────────────────────┘ │ │
│ └─────────────────────────────────────┘ │
│ │
│ 数据同步: 单向（核心→云端） │
│ 安全: 双因素认证 + 堡垒机 + 加密传输 │
│ 合规: 通过等保三级 │
└────────────────────────────────────────────────────┘迁移收益
┌────────────────────────────────────────────────────┐
│ 某企业多云迁移ROI分析 │
├────────────────────────────────────────────────────┤
│ │
│ 迁移前（单一数据中心） │
│ • 服务器成本: $500K/年 │
│ • 人力运维: $200K/年 │
│ • 电力冷却: $100K/年 │
│ • 总计: $800K/年 │
│ │
│ 迁移后（AWS + GCP多云） │
│ • 云服务成本: $400K/年 │
│ • 人力成本: $150K/年 │
│ • 多云管理工具: $20K/年 │
│ • 总计: $570K/年 │
│ │
│ 节省: $230K/年 (29%) │
│ │
│ 非财务收益: │
│ ✅ 部署速度提升 10倍 │
│ ✅ 可用性从 99.5% → 99.95% │
│ ✅ 全球延迟降低 60% │
└────────────────────────────────────────────────────┘总结
多云决策树
是否需要多云？
│
┌────┴────┐
│ │
是 否
│ (单云更简单)
▼
主要目标？
│
┌─┴──────┬─────────┐
│ │ │
避免锁定 灾备 最佳服务
│ │ │
▼ ▼ ▼
主备模式 双活 服务聚合关键建议
- 谨慎选择：多云复杂度高，需权衡收益与成本
- 抽象层：使用 Terraform/K8s 等工具减少供应商锁定
- 数据策略：明确数据主权和同步策略
- 团队技能：确保团队具备多云管理能力
- 成本控制：建立 FinOps 流程，持续优化
下一步学习
- 05_cost_optimization.md - 深度成本优化
💬 讨论
使用 GitHub 账号登录后即可参与讨论