千万级PV下的nodeJS运维方案（抛砖引玉版）

在大流量下的node方案中，如何保证最低的SLA和问题追踪效率和闭环建设，如果保证请求流量的透明化和业务操作的透明化？这里介绍下百度网盘是如何做的。

难点

• 千万级PV下的node运维
• 可用性保障，保障最低SLA 99.98%
• 问题追踪和闭环建设
• 流量透明化、操作透明化

解决方案

我们将整个运维方案分为了6步，我们的目的：流量透明化 与 操作透明化。

第一步：流量跟踪

为了解决微服务引起分布式流量链路问题，我们借鉴了spring cloud的思想。设计了traceid 和 tracecode两个跟踪字段，用于追踪落地容器的整个流量链路中的节点信息，通过每个请求的Response Header中的标识信息进行流量的跟踪和定位。

第二步：灰度发布

大流量下的业务必须提供灰度和AB测试的方案，结合in-router的upstream配置能力和BNS(naming service)节点，将用户流量分为白名单、内网、外部，部署级别分为单台、单边和全量，以此实现流量的控制。

名词解释：
in-router：专门为node流量进行负载处理的ngx集群
BNS：baidu naming service，通过虚拟域名的方式将IDC或集群进行逻辑编排，方便流量的定位和处理。

第三步：日志分级

整个日志系统分为4级，每一级记录不同的信息，详细记录【什么时候、在哪儿、谁、做了什么错误、引起了什么问题】，此外还针对node还做了事件循环的lagTime监控，以此监控node服务器的压力。

日志级别：

1. 业务日志
2. 业务框架日志
3. daemon日志
4. script日志（含：环境日志）

第四步：警报分级

日志经过解析服务处理后，将数据发送给监控平台，然后再通过分级和阈值判断确实是否应该触发警报。警报手段分为：邮件、短信、电话 等。

第五步：染色处理

值班人员收到警报后从监控平台获取具体信息，如果是复杂问题，通过cookie染色，指定流量链路和操作，便可追踪定位到绝大多数的问题。

第六步：流量追溯

更好确定用户的流量走向，通过traceid和tracecode以及配合requestid，我们便可复现用户的流量走向以及内部逻辑操作。

最后：闭环建设

最后通过整合这六个步骤，使每一部分相互联结和转化，将整个链路串联在一起，从而完成运维流量透明化和操作透明化的目的

结语

总体通过这六步操作，完成了网盘的高性能node应用 和最低SLA的建设要求，以及对流量和操作的透明化要求。

本文给出node大流量下的运维方案思路，主要起抛砖引玉的作用，具体细节还需自己深入体会和理解；
它并不是一篇普适性的科普文章，所以需要一定的运维基础才可以更好地理解文章中的内容。如果你有node运维这方面的需求，那么希望这篇文章可以给你一些启发和参考。