由于达达业务的特殊性，任何主流程订单业务相关的不可用事件都会引起线上与线下的连锁反应，每次事故善后处理和补偿都会带来巨额的成本，这就要求我们从各个层面和角度来保障系统的可用性。

达达技术团队在过去两三年时间内，为了应对在如云物理发生故障等不可抗力情况下保障系统的可用性和稳定性做出了大量的努力，一步步打造了现在的高可用系统架构。现在的达达技术系统在数据库宕机等不可抗力的物理灾难下可以在一分钟内恢复，为公司节省了大量成本。

演讲提纲：

1. 背景和遇到的挑战
2. 多层次多角度的解决方案：
   • 微服务分层降级与隔离
   • 数据源与消息队列等核心系统的高可用治理
3. 未来的规划
   • 迭代与优化
   • 底层中间件引擎替换
4. 总结

听众受益点：

达达在高可用系统架构的建设过程中遇到了各种挑战，我们一路走来踩过的坑/总结的经验以及最终的方案设计也许会给各位带来一些有用的信息和思考。

"Failures can and will happen, anytime, anywhere. Fail fast, fail small, fail often and recover quickly."。

一个线上持续运行的业务，除了能够实现业务的基础流程，更重要的是能做到即使出现预期之外的非正常场景，也能用系统化的手段来保障业务不受损。

本次议题涉及到如何通过系统化的设计规避这些问题，如何让业务快速从“失败”状态转变正常状态，如何能够将“失败”影响面控制到最小，如何从容应急等方方面面。这是对软件架构、运维体系、组织保障等多个维度的综合考量。

本议题将体系化的介绍面向失败的核心思想，并且结合最佳实践，介绍阿里是如何构建面向失败的架构体系的。

演讲提纲：

1. 面向失败设计的核心思想
2. 建设高可用体系的框架以及抓手
   • 冗余设计避免单点故障与宏观多活架构
   • 服务能力与依赖调用自我保护
   • 为一切不可预料的情况备好预案
   • 自动化运维管控
   • 精细化的监控体系
   • 故障与攻防演练锤炼容灾应急能力
3. 面向失败的组织结构人员协同
4. 面向失败设计的能力赋能
   • 异地多活
   • 高可用防护
   • 高可用评测
   • 全链路压测
5. 最佳实践

听众受益：

1. 体系化的了解阿里多年的稳定性经验
2. 体系化的学习如何时刻关注系统的可用性，提前预防甚至解除风险，做到系统的持续可用

对于大规模高并发的互联网应用，消息中间件、任务调度、文件服务，缓存、搜索服务等中间件服务是平台的重要基础设施，它们的可用性和稳定性直接关系到整个平台的稳定性和业务的持续运营。如何管理中间件服务的配置和集成，如何对中间件的运行健康状况进行实时持续准确有效的监控以及对其异常快速地响应处理，这是大型互联网应用平台运维的重要课题。

演讲提纲：

1. 中间件服务高可用的挑战
   • 服务配置如何高效管理；
   • 故障的快速检测；
   • 集群的智能管理；
2. 中间件智能管理的思路/规划
3. 中间服务的配置管理
   • 组件化；
   • 命名服务；
4. 中间件的健康检查：
   • 启动时的依赖检查；
   • 客户端运行时健康检查；
   • 服务端可用性检查；
5. 集群的自动化管理
   • 集群管理；
   • 故障预案管理；
6. 案例 & 总结

听众受益：

1. 互联网应用的高可用建设；
2. 中间件服务的高效集成和配置管理；
3. 中间件服务的异常管控。

淘宝直播业务快速增长，支撑淘宝直播的技术架构也在飞速进化，从基于 FLV 的3~9秒延时的直播体系，进化到基于 RTC 的1秒内的低延时直播，再进化为全链路的 RTC 直播系统，降低成本，提升直播体验。