疫情的肆虐，原本该回归各大校园的师生们涌入线上，突如其来的流量洪峰给在线教育行业带来了极大挑战。长期服务教育企业的百家云也不例外。作为一家致力于为教育机构提供一站式云课堂解决方案的企业，疫情期间，百家云接到来自多家教育机构搭建在线云课堂的需求。同时，原来以线下为主的教育机构，流量瞬间转到了线上。为了响应教育部门停课不停学的号召，帮助学生老师们开学，百家云全体员工缩短了假期，从大年初二开始在家办公，初七开始全员办公。
短时间内爆发式的需求，对于每一家教育企业而都是始料未及的。据百家云CEO李钢江透露，百家云的业务量短时间内增长了数十倍。如此迅速的扩容需要，还要在客户无感知的情况下完成，比交付一个新系统难度更大。不幸中的万幸是，百家云团队对敏捷架构的探索让他们在如此高并发场景上早有准备。这场战役之前，百家云已在阿里云团队的帮助下，优化自身容器集群架构与规划，通过以阿里云容器服务ACK、弹性裸金属（神龙）实例的核心方案，从容实现动态扩容与高效管控。
百家云非常幸运，在这轮爆发之前完成了容器化改造。其他没有使用容器的在线教育企业，面对暴涨的用户，只能成倍堆积机器，导致部署时间拉长，业务成本剧烈升高。
百家云容器化改造历程：
- 小班课产品推动容器化改造。
业务高速增长也在促使百家云技术团队探索自身技术架构的优化。到了2019年，百家云逐步推出小班课产品，该产品的处理方式与大班课不同，需要通过音视频抓屏的方式，将课程录制下来回放。此过程中，还需要将音频与视频进行隔离。用虚拟机级别的隔离成本太高；若跑在统一虚拟机里，各个进程则会互相干扰。百家云团队于是关注到了容器这种更为轻量级的虚拟化技术。
在2019年上半年，百家云内部就开始尝试小规模对业务进行容器化改造，完成了基本流程的跑通。
- 开始注重容器调度与管理。
Kubernetes），大大减少百家云的工作。百家的技术团队表示，容器减少了运维和测试的工作量；方便了对应用运行环境实现版本控制；且相比虚拟机有着更小计算开销，降低了IT成本。彼时基于容器的云原生大潮已然席卷，基于容器技术的云原生架构，为百家云可能出现的业务峰值做了敏捷弹性的技术储备。
百家云从2017年诞生之初就是在做直播大班课产品，是行业内拥有最纯正的教育基因的云视频公司。在2018年已经实现了过亿营收，服务了超过1000多家教育企业。
随着容器规模的扩大，百家云的业务稳定性也在逐渐增长，但是疫情期间瞬间来临的洪峰，还是给百家云带来了考验。
潮水袭来，百家云的问题很直接：扩容。借助阿里云“容器+神龙”，三天内实现了数十倍扩容。
疫情是全国共同的敌人。业务持续稳定增长的百家云，未曾料想到新禧之年将面临这样一场“战役”，原来容器集群的许多配置没有按大规模集群去规划，导致单个集群可容纳的节点受限，原来使用的小规格实例也限制了单个节点的容量。针对百家云的扩容问题，阿里云团队建议百家云选用大规格的弹性裸金属服务器（神龙）。根据百家云的应用负载特点，结合容器服务管控合适规格的弹性裸金属实例来优化成本、避免浪费，提升弹性供给保障。
- 阿里云弹性裸金属服务器（神龙）服务器的规格较高，可以帮助百家云显著提升单个节点的容量。
更重要的是，百家云的K8S集群对性能要求极高。神龙服务器的性能优势明显， “容器+弹性裸金属（神龙）”的解决方案非常契合百家云大流量、高并发的场景。基于容器化构建方式，可以满足业务快速发放和弹性的要求。神龙服务器完全消除了虚拟化损耗，提升了8%的计算性能，其类物理机特性，可进行二次虚拟化。
- 神龙的性能，加上容器的弹性，形成了天作之合。
数据显示，容器运行在云上神龙反而比非云物理机的性能要好10%-15%。主要是因为虚拟化开销已经offload到MOC卡上，神龙的CPU/Mem是无虚拟化开销的，而上云后运行在神龙上的每个容器都独享ENI弹性网卡，能提升13%的网络吞吐量。
- 神龙服务器的存储带宽和计算带宽分离，能满足百家云业务场景的大量读写需求。
使用神龙服务器之后，计算能力大增，但是同时也遇到了存储I/O性能瓶颈的问题。百家云通过使用阿里云的高性能NAS服务，并通过水平扩展为4个集群，解决了I/O的瓶颈。
基于以上方案，借助自身的大规模集群管理能力，在短短几天之内，阿里云团队帮助百家云团队有效升级了原有的架构方案，实现了数十倍的扩容，大幅提升了其性能与稳定性，并拥有了应对爆发性规模的能力。
业务架构升级与集群规划方案
面对突增流量压力，如何迅速动态弹性扩容以及高效管控运维成为迫切问题。针对这些问题，百家云优化后的架构如下：
- 改变原来虚拟化嵌套的形式，百家云利用神龙实现了容器的高密度部署。配合容器的敏捷管理能力，起码节省了25%的成本，降低了80%的运维工作量。
- 合理规划K8S集群，优化整体架构如网络、存储方案、扩容原则，确保后续运维的稳定性并降低使用成本。
百家云还使用了阿里云高效运维管理的工具，显著降低了运维工作量。
由于百家云业务上容器的时间非常紧迫，根本没有多少时间可以花在运维监控上。通过使用ARMS Prometheus，仅仅半小时百家云就实现了容器节点环境的监控。相比开源 Prometheus 监控，ARMS Prometheus的数据量无上限且与阿里云容器服务ACK无缝对接，让百家云在容器里高效快速定位问题，了解如何改善自己的产品。
阿里云容器平台的日志服务（SLS）里中小应用事件中心，详细展示了集群的状态变更和组件异常等事件，帮助百家云把节点里面日志的异常信息汇总到控制面板，及时告警。
百家云CEO李钢江总结，阿里云带给百家云的价值主要是以下三点：
- 提供了弹性计算的空间与敏捷安全的扩容能力
阿里云对应用镜像进行了镜像预热等手段，在扩容时可第一时间拉起容器。基于容器镜像服务ACR 安全托管大规模容器镜像资产，通过细粒度的镜像授权管控，安全快速地对应用镜像进行全生命周期管理。
- 提供了相对稳定的服务与优异性能
基于阿里云自研的神龙软硬一体架构，弹性裸金属服务器（神龙）有着物理机的性能和虚拟机的使用体验。通过利用神龙，百家云实现更好地调度K8S集群，加上高性能NAS服务，解决了I/O瓶颈问题。
- 技术支持团队响应及时，帮助百家云优化架构
百家云之所以后来面临扩容问题，部分源于其原来业务架构规划未做好管理大规模集群的准备，阿里云帮助了百家云在短时间内优化了业务架构，优化集群的管理能力。阿里云作为全国第一、世界顶尖的云服务商，在IaaS和PaaS层能力强大；百家云在教育SaaS层的积累，可以与阿里云互补，一同以完整的在线教育方案去覆盖市场。双方正在逐步深化合作，百家云将很快上线阿里云云市场——阿里云SaaS加速器的商业平台，即“软件天猫”，后续用户可直接在云市场选购百家云的服务。
-
容器服务 Kubernetes 版（简称 ACK）提供高性能可伸缩的容器应用管理能力，支持企业级容器化应用的全生命周期管理。整合阿里云虚拟化、存储、网络和安全能力，打造云端最佳容器化应用运行环境。
更多关于容器服务 ACK的介绍，参见。
-
弹性裸金属服务器（神龙）
弹性裸金属服务器（ECS Bare Metal Instance）是一种可弹性伸缩的高性能计算服务，计算性能与传统物理机无差别，具有安全物理隔离的特点，分钟级的交付周期将提供给您实时的业务响应能力，助力您的核心业务飞速成长。
更挂关于弹性裸金属服务器的介绍，参见。
-
应用实时监控服务 ARMS
应用实时监控服务 （Application Real-Time Monitoring Service，简称ARMS）是一款应用性能管理产品，包含前端监控，应用监控和Prometheus监控三大子产品，涵盖了浏览器、小程序、APP、分布式应用和容器环境等性能管理，能帮助您实现全栈式的性能监控和端到端的全链路追踪诊断， 让应用运维从未如此轻松高效。
更多关于应用实时监控服务 ARMS的介绍，参见。
-
行业领先的日志大数据解决方案，一站式提供数据收集、清洗、分析、可视化和告警功能。全面提升海量日志处理能力，实时挖掘数据价值，智能助力研发/运维/运营/安全等场景。
更多关于日志服务的介绍，参见。
