2016 云栖大会

你知道向左是云栖灯红酒绿，向右是云栖沧海青山，却无法知道向哪里走会最终给你更好的云栖未来。

你知道应该单膝下跪向心爱的云栖人求婚，却不知道今后的云栖每一个日夜要如何相处，才能和她最终厮守一生。云栖

每一条岔路都通向更多的云栖岔路，每一个选择都带来更多的云栖选择。我们站在原地，云栖凭着自己知道的云栖“很多道理”，妄图“过好这一生”，云栖恐怕会惹上帝发笑。云栖

这就是云栖我们每个人面对的困境，我们精密的云栖大脑可以在简单的逻辑里做出最有利于自己的判断，但在无数叠加的云栖抉择面前，却无力地像随风浪迹的沙尘。

因为这世界上的选择和它们通向的答案，比宇宙的星辰还要多。

我给你成千上万形状不一的小石块，让你填满身上的背包。请你告诉我，你如何才能知道哪些石块的组合才能让背包装得最满？

唐洪，阿里云飞天系统的首席架构师，用这个看似轻描淡写问题描绘了阿里云的终极意义。

【阿里云飞天系统的首席架构师 唐洪】

理论上来说，穷举所有石块的组合，就可以得到答案。但事实是，按照图灵机的计算模型，计算的复杂度和可供选择的石头数目成指数关系。每增加一个石块，计算量就翻一倍。

仅仅为了这一个答案，所需的计算能力就超出了人类所有计算机的总和。在哲学上，这恰如我们一次次的人生抉择：除非你尝试每一种可能，否则无法知道正确答案，而上帝不会给你尝试每一种可能的机会。

这个事实让人敬畏上苍。

然而，在唐洪眼中，“飞天”——阿里云的核心操作系统，正是为了这些“终极答案”而来。

找到“那扇门”

在那部经典的科幻电影《2001漫游太空》中，一个远古猿人把骨头奋力抛向蓝天，立刻幻化成穿梭在太空中的宇宙飞船。

这一幕被誉为科幻电影的经典镜头，让无数人热泪盈眶。然而仔细想来，把一个宇宙飞船射向太空，原理不就等同于把一个硕大的骨头扔向更高的天空吗？

一个原始人都会做的动作，当它的体量无限扩大以后，就变成了需要千万年后的高科技才能实现的壮举。

飞天所做的工作，说到“原子”层面，就是排序、数数。拿淘宝举例，就是分析商品卖了几个，分别是什么时候卖的。而一旦这样的工作一旦变成大规模，各个数据之间都有关联，就很难在短时间内得出正确答案。

把亿万卖家和买家的信息进行计算，得到的并不是简单的商品库存和销售情况。

通过数据分析，可以让用户用最快的速度搜索到自己想要的商品。

通过数据关联，可以判断用户的性别爱好，从而根据场景做出精准的商品推荐。

通过数据整合，可以判断出一个人是否有信用污点，从而在金融产品中决定给申请者的贷款额度，控制坏账率。

这些我们在淘宝、天猫、蚂蚁金服中享受的功能，就是“大规模计算”得到的奇迹。“1+1”的小儿科，不经意间变成了我们敬畏的“大数据”。

而把这些“大数据”继续进行调度，就能产生“上帝之手”的功效。

大规模的任务调度是非常复杂的，例如滴滴打车的出租车规划、机场的飞机调度，甚至是沃尔玛的库存管理，都不是靠人脑可以胜任的。因为每个场景都几乎有无限种可能和选择。

唐洪说。

至此，我们遇到了之前的“背包装石头”问题。

大家熟知的非对称安全加密技术，今天热门的区块链技术，都是基于计算极限问题 (intractability)的假设。飞天当然也不可能突破计算极限。所以我们只能给出近似解，而不是理论上的最优解。

最优解只有一个，而近似解有无穷多。怎样在浩如烟海的解中找到最合适的近似解，就是飞天的“刀锋”所在。

“从飞天诞生开始，我们一直在做的就是这件事。”他说。

由于不同行业的业务和数据有自己的特点，这就使得“飞天”计算集群可以把好钢用在刀刃上。利用模型和算法删除掉一些不可能的“子集”，这样就可以使得最终的求解范围在一定程度内缩小。但即使这样，所需的运算仍然超越想象。这时就需要另一套规则和模型根据“价值判断”做出取舍。

这就像你身处一个硕大的房间迷宫中，每个房间都有很多门，而打开一扇门之后，又会进入一个新的房间，这个新的房间同样有很多门。为了找到最终的出口，你需要先排除掉那些肯定不会通往出口的门，然后在这些可能的出口中，挑选可能性最大的那扇门。

由于没有完美的正确答案，所以这些模型和判断的优化，永无止境。这在某种程度上类似于“进化”。

然而，大规模计算所面临的问题，远远不止如上这一个，唐洪为雷锋网列举了另外一个重要的问题，那就是自动化的难度。

超越人脑的极限的计算，必须用自动化的程序来完成。但是数据体量变大之后，平常看来边边角角的问题就成为一个严重的情况，那就是如何保证自动化的正常运作。计算错误、指令未传达、系统卡死等等小概率的事件，都会因为数据和计算集群的庞大而变得几乎成为必然。

这个时候，就需要对于计算的每一个微小的步骤实现感知和监控，发现错误。但是，对于云计算每个路径的各个步骤实现监控，绝非易事。

对于计算的跟踪，需要对每一步进行“染色”，就是做一个标记以便系统进行关联。这就需要在处理过程中嵌入染色信息。但是系统运行的每一个步骤都各不相同，需要根据具体的情况来找到最好的嵌入点。更难办的是，有些步骤根本没有办法嵌入信息。这个时候，就要根据计算周边的信息来做推断。

例如某个进程打开了文件，操作系统中会用一个描述符来表示这个文件，通过对描述符的关联，就可以把在操作系统内核中发生的事件和用户进程关联起来了。

所有的跟踪都是具体问题具体解决，可想而知付出的艰辛有多大。

他说。

以上这些“坑”，都是唐洪和飞天用了七年时间，一点一点趟出来的。然而，所有的这些微小进化的累积，都是建立在飞天的“算力”基础之上的。

唐洪说，飞天系统就像一个巨大的计算机，只不过是由全球各地的数据中心，几十万台服务器，通过专线联系，组成的超大计算集群。

看到这里，你可能会恍然大悟，调度全球的几十万台服务器，本身就是一个“背包装石头”的巨大挑战。

唐洪给雷锋网讲述了飞天诞生的故事。

彼时的阿里巴巴，某种程度上说站在了危险的悬崖边上，而还在婴儿期的飞天，做了一个美丽的梦，名叫“5K”。

5K，一尊雕像

王坚，永远带着一副笑容，身影高瘦看似弱不禁风。不过，就是这个人，顶住了所有的质疑和压力，成为众人心中守护阿里云从一颗嫩芽长成参天大树的英雄。

包括唐洪在内的所有人，都把王坚称为“博士”。当年，正是博士的一通越洋电话，把唐洪从美国“忽悠”了回来。

2012年的飞天还在研发的早期阶段，只能支持最大 1500 台机器的集群，也时常因为一些bug遭受客户的吐槽。当时，阿里巴巴的很多数据处理的任务，还是建立在开源软件 Hadoop 的系统之上的，这个集群大概有 3000-4000 台机器。

【阿里巴巴集团技术委员会主席王坚】

但是，Hadoop 无论从安全性还是运行逻辑上，都不是为公共云计算设计的。

Hadoop 的存储和计算是一体的，也就是说，如果你需要十台机器的存储，但不需要十台机器的计算能力，你仍然需要十台机器的集群，这是一种浪费。虽然可以通过其他方法解决这样的问题，但是运行效率会大大降低。

Hadoop 的账号体系，不是面向互联网租户的账号体系，更多的是面对本地管理员。这就决定了它不能像如今的阿里云一样出售给互联网级别的用户。

另外，Hadoop 高度的灵活性，允许应用层的用户直接访问底层的文件，这存在巨大的安全隐患，也不可能直接以多租户共享的形式跑在公有云上。

唐洪告诉雷锋网，以上的一切弊端，都很难通过修修补补的方式，在 Hadoop 上规避。而更关键的问题在于，阿里巴巴那时业务的增长速度，已经趋近 Hadoop 集群的计算能力极限。一旦达到瓶颈，就必须被迫降低业务水平，或者主动限制业务规模。

在此之前，阿里巴巴曾经进行过尝试，用飞天来代替 Hadoop，但都以失败而告终。彼时的阿里巴巴 CTO 王坚对所有阿里的童鞋说，这个任务还是应该让飞天来承担，因为在他心里有一个计划，那就是把飞天做成 5000 台服务器的集群。这个当时让很多同事取笑的疯狂想法，就是“5K”。

从1500到5000，绝不仅仅是再买3500台机器这么简单。唐洪说：

摩尔定律注定了计算机硬件性能随时间的指数增长 。从1500台老机器到5000台新机器，计算力增加了8倍到10倍。在短短不到半年时间内实现如此大跨度的软件能力的升级，对任何一个熟谙软件工程规律的人来说，都是不可能的挑战。

但是，飞天真的做到了。世界上买得起五千台服务器的公司不少，但是真得有自己研发的技术调度这么大规模集群的，一只手都数得过来。 

为什么阿里云一定要建设 5000 台机器的集群呢？

唐洪告诉雷锋网，对于阿里巴巴来说，很多计算任务是没有办法拆解的，必须在一个计算集群里完成。如此大量彼此联系的数据，就需要这么多机器处在一个集群中协同分析。

就在2012年底的总裁会上，还有人提出要重新依靠 Hadoop。但最终总裁们决定两条路一起走，既要 Hadoop 也要飞天。但是在我看来，这种决策让技术力量分流了。其实，当时我根据团队内部的模拟实验结果，心里很清楚达到 5K已经不是架构设计的问题，而是一个产品细节打磨的过程了 。但其他部门的同事可能并不这么认为。这样两条路一起走就大大分流了技术力量，所以5K能够早一天做出来，就能早一天终结争论。

他说。

2013年8月15日，是唐洪脱口而出的日期。这一天，事实宣判了王坚、唐洪和飞天的判断是对的 。5K 集群上线，并且是同时上线了两个 5K集群。

在阿里巴巴云栖小镇里，树立着一尊 5K 的雕像。这尊雕像比想象中要小，却丝毫不能阻挡它向周围散发着理想的质感，很多路过的人都会驻足观看。

【坐落在阿里云栖小镇的飞天 5K 雕像】

唐洪告诉雷锋网，后来的事实证明，Hadoop 集群在超越4000台机器集群之后，会遇到不可逾越的瓶颈。如果当时阿里巴巴选择依赖 Hadoop 系统，如此高的业务增长，将会遇到计算性能的“断崖”，后果难以设想。

就像当年的波音的747飞机、Intel的x86芯片、SpaceX 的火箭一样，所有的伟大创造，都来自于孤注一掷。

唐洪如此感慨。

“吃自己的狗粮”

我记得2012年或者2013年我们进行校招的时候，清华北大的学生来面试的非常少，而且很多同学即使拿到了我们的Offer，他们的第一选择也会是百度和腾讯。

唐洪把这个悲伤的事实当作一个段子讲给雷锋网。在今年的阿里星面试上，唐洪问同学问为什么选择来阿里云，得到的回答是“阿里云的云计算技术领先”。

他简单地形容了一下现在的飞天：

单集群万台，全球总共几十万台服务器，每天数据平台处理的数据超过 1PB。

不过他觉得，这些都不能说明飞天的强大，真正有说服力的，是阿里巴巴在“吃自己的狗粮”，也就是包括淘宝天猫在内的部分重要业务，包括瞬时并发计算量惊人的“双十一”，都由飞天来负责云计算调度。也就是说，阿里巴巴自己也在使用给其他客户提供的相同的云服务，没有任何特权和区别。

“我相信国内某些竞争者们自己的服务肯定没有跑在自家提供的云上。”他说。

让阿里云引以为傲的一个数据是：在中国 37% 的网站都建立在阿里云之上。

我们的预计是，未来全世界可能只有几台“计算机”，他们都是由超大规模计算集群组成的。这个时候，计算力就会被彻底地解放。

如果唐洪的预想成真，那时有关“背包装石子”的计算，将会得出比现在更接近真相的解。也许我们永远找不到正确的答案，但是毋庸置疑，机器每每向正确答案逼近一小步，都是人的光荣。

向世界要一个答案

每年，阿里云都会在大本营杭州举行云栖大会，公布阿里云和飞天的最新进展。在今年的大会上，马云发表了热情洋溢的演讲。

原来的机器制造将会变成人工智能，原来机器吃的是电，未来机器吃的是数据。

马云如是说。

可见，机器学习和人工智能，正是飞天下一步棋。

对于人来说，岔路后面的岔路，选择背后的选择，让我们感觉到渺小和恐惧。为了对抗命运的无常，我们发明了云计算，我们发明了人工智能。无论对于唐洪还是飞天来说，这些无数运转的芯片，无数网络中川流不息的电流，都只有一个目的：

向世界要一个答案。