作者简介：宮娴，携程高级后端开发工程师;Spike，携程高级后端开发专家。
随着携程国际化业务的快速推进，搜索引擎作为用户体验中至关重要的一环，上云变得志在必行。本文主要分享酒店搜索引擎迁移AWS的探索与实践过程，内容将涵盖一个HTTP请求的全链路处理过程：包括从APP发出请求到网关，再到内网错综复杂的微服务，最后到所依赖的各种持久化存储。
一、微服务架构带来的挑战
这次上云的是爆款业务，用户直观的感受是点击TRIP APP的Hotel搜索页的Hotel Staycation Deals。
携程采用主流的微服务架构，看似简单的一个搜索功能，通过BAT调用链的监控，实则底下牵涉到上百个应用。BAT是携程对开源CAT的改进版，下图是爆款应用在BAT中的整个调用链：(如果想通过CAT整理出这个关系，是非常耗时的。因为CAT的UI只能显示一个应用依赖的下游一级应用，需要用户逐个手工遍历)
原封不动地把所有依赖应用都迁移至云，无论从开发成本，还是从硬件成本考量，都不太合理。侧面也反映出微服务架构在迁移时，不得不面对的挑战。虽然入口应用依赖了上百个下游应用，但是通常一个应用会包含多个API，而爆款业务经过调研，实际只使用了一个API。所以是否可以只部署一个API来落地迁移呢?
感谢BAT能够支持API维度的依赖查询(CAT只支持应用维度)。调研后，爆款API实际依赖的应用数为仅为八个，曙光咋现。
下一步便是部署。记得几年前在使用AWS时，使用命令行发布。当时有些顾虑权限问题，一条命令打错，可能拉挂一个集群。同时每个云厂商都会有一套自己的发布系统，学习成本也不可忽略。值得庆幸是携程自己开源的发布系统TARS已经与AWS、阿里等云发布打通，现在对于我们而言，无论是部署什么云，都使用统一的一套UI界面。
成功部署9个应用之后，我们遇到了新问题：
1)目前携程GATEWAY只能按照服务的维度转发流量，而无法基于API转发。换言之，当流量从AWS的IDCA进入GATEWAY时，无法支持只转发爆款API到IDC A，其余API转发到IDC B。
2)应用本身点火时会依赖十多个Redis、MySQL以及其他服务，但是AWS IDC之间的存储由于安全问题，是无法直接相互访问的，最终导致应用启动失败。当然我们也可以请各个框架组件排期支持点火动态配置，根据当前IDC的配置，判断哪些组件需要点火。但是这无疑会让框架和应用本身都变得很笨重，合理性值得探讨。反之如果把这些存储依赖在每个IDC都重复部署一次，势必会导致硬件和开发成本的浪费。
介于以上两个问题，原先维护一个代码仓库，同时发布多个IDC的架构变得不可行。那提取爆款API到一个单独的应用是否可行?试想一下，提取后，业务核心业务代码将会分布在多个应用、多个仓库。是否可以每个IDC都独立一套代码?但这会导致日后的日常开发维护重复且易错。
所以我们尝试把核心业务逻辑提取到一个单独的JAR，为各个IDC单独创建一个代码仓库。新建的应用只是一个web service的壳，内部访问业务的JAR。如此一来，代码不再重复，应用的责任也得到了抽象与分离。
但这又给开发带来一个问题：每次开发新功能，先要在业务jar的仓库完成编写，然后再通过web service应用引用最新的jar进行调试。每改一次代码，都要重新生成一个jar，上传到中央maven仓库，然后再升级POM引用版本下载到本地，这样开发效率势必低效。不过值得庆幸的是，携程现有的单元测试率都强制80%以上，所以这会反向推动开发编写出质量更高的单元测试，同时降低和webservice进行集成测试时的开发成本。方案不完美，但也算是一个权衡。
二、云上数据的持久化
新应用抽取后，虽然避开了点火中无关Redis和MySQL的依赖，但并没有避开爆款API本身依赖的2个Redis和1个MySQL。一种方案是直接通过在IDC之间架设专线，通常Redis响应都是几毫秒，而网络延迟都具有不稳定的特点，极端可能要几百毫秒，所以专线的网络延迟对实时业务来说是不可接受的。退一步，即使部分业务能够接受网络延迟，整个携程业务都以这种方法进行数据访问，这条专线未来会变成一个瓶颈。
所以我们尝试把爆款依赖的Redis和MySQL部署到多个AWS IDC。部署过程中，我们用携程自研的持久化KV存储Trocks替代了Redis，达到降低了硬件成本的目标。
应用虽然点火成功了，接下来就是数据同步的问题：是否需要同步?如何同步?单向复制?双向复制?延迟容忍度如何?
爆款依赖2个Redis。1个Redis负责基于http请求的cache，所以不需要同步，框架代码也无需做改变，默认访问IDC本地机房Redis。换言之，IDC A的应用读写IDCA的Redis实例，IDC B的应用读写IDC B的Redis实例。
另外1个Redis和MySQL供搜索引擎使用。业务特点只读不写，实时同步大量从其他数据源的数据，所以只需单向同步，并且对延迟性要求低。存储的最终架构如下：
Redis的单向复制分发使用的是携程自研开源的XPipe。
MySQL的单向复制分发技术使用的是携程自研的DRC。我们这个项目只用到了它的单向复制能力，其实它也支持双向复制。
全部部署完成后，应用能够正常启动与工作了。复制分发的延迟一般都在几百毫秒，极端会到秒级，符合预期。
三、云上文件的存储与共享
在爆款API的核心搜索引擎中，用到了读写本地文件的技术。应用会在IDC内网传输共享这些文件，而这些文件有些很大，可达10个G。那不同的机房如何共享呢?一种方案是把这些应用在各个AWS IDC都部署一次，但是迁移上去后，背后依赖的数据库是否需要部署，甚至是数据库后面庞大的Hadoop集群也一并重复部署一次?
基于KISS原则，我们首先尝试让AWS IDC A的服务通过专线直接访问IDC B的文件。但是由于网络不知名的原因，文件可以传输，却始终无法成功。但是即使成功，仍然带来很多隐患，例如：如此大的文件会瞬间把专线带宽长期占满，而真正有实时需求的通讯会卡顿受阻。最后我们尝试通过AWS S3的服务在不同IDC之间共享文件，结果成功了，性能也满足业务要求。
从方案的选择上来看，AWS S3的使用场景是值得商讨的。用云上产品一般都会有一个顾虑，就是太过依赖某种云的一个具体产品，当后期如果要换成其他云时，会有大量的迁移成本。例如AWS的S3 API就是定制化的：
甚至像携程会同时使用多种云时，那就意味着会有多套代码的维护成本。我们现在的解决方案就是公司内部统一出一个JAR，兼容各种云文件存储的API，使用时只要配置相关云的安全密文即可。
四、总结
受益于前期携程技术平台部门为上云做的大量基础设施研发，降低了业务部门上云的门槛。爆款业务的上云只是冰山一角，随着越来越多业务的出海，会有更多的挑战等待着我们。希望这篇文章能够为有迁移云计划的团队开拓思路。
有了这次上云经历之后，现在每次在设计新架构的时候，我们都会不假思索问自己几个问题：这个架构设计未来有上云的需求么?是否方便上云?是否方便跨云部署?
