贴一篇旧文：《以阿里云去IOE》

2019 年 5 月 9 日 阿里云

财新封面报道：以阿里云去IOE

本文来源于《新世纪》周刊 2014年第23期出版日期：2014-06-16

巨大数据库倒逼阿里巴巴去IOE，并以阿里云顺势抢占IOE的老地盘。

在上市故事中，阿里巴巴集团一再强调的核心业务之一是“云”和大数据，业务战略是“云+端”。这个基于“云”的宏大叙事，始于六年前的内部技术革命，善造概念的阿里，称之为“去IOE”——这已经成为一个新的短语。

2008年，王坚从微软亚洲技术研究院空降阿里，担任首席架构师。这个在阿里内部尊称为“博士”的首席架构师并非程序员出身，是一个不会写代码的架构师，却甫一到任就提出了让阿里一众“技术男”震惊的“去IOE”，即在阿里的IT建设过程中，去除IBM小型机、Oracle数据库及EMC存储设备。

去IOE的替代方案浮出水面：以廉价的PC服务器替代小型机，以基于开源的自研数据库替代Oracle数据库，不用高端存储设备则成为了阿里云的雏形。

基于开源协议和软件构建IT基础架构，这在国外互联网公司里并不鲜见，包括亚马逊、谷歌和Facebook都采用这一路线。但是，阿里当时IT基础架构基于最普遍使用的IOE，技术人员多为学IOE架构出身，其中很多人本就是IOE跳槽而来的人员。

王坚的技术路线，首先就是要拿下这些来自IOE的技术大牛。他的幸运是碰上马云这样一个不懂技术的老板。马云力挺王坚，逼着技术人员从头学起，给预算，招兵买马，整合团队。

王坚和团队花了五年时间，终于在2013年5月从支付宝下线了最后一台IBM的小型机，7月把Oracle的数据库“赶出”了淘宝核心的广告系统，并称将在两年内用自研数据库完全取代目前存量的部分Oracle数据库。在此期间，王坚利用一切机会为阿里云传道，公开疾呼去IOE。

阿里的自我革命并未全部完成，但去IOE概念已引发广泛的技术争论。阿里在已经形成壁垒的IT基础架构市场杀出血路，刚探索出的基于“云”的新方案逐步商用，已接入最保守的金融机构、高保密需求的政府部门，甚至开始用于司法取证系统。

2013年4月，马云在北大演讲中提到阿里云。当着已经晋升阿里CTO的王坚的面，他说：“网上都说我被王坚忽悠⋯⋯百度李彦宏懂技术、腾讯马化腾学技术，只有马云不懂技术。很多人就一直认为阿里巴巴的技术很差。其实正因为我不懂技术，但我们尊重技术，我们公司的技术才最好。”

“你要写上：淘宝2010年起不再购买小型机了”

阿里去IOE一开始是迫于无奈。

阿里巴巴研发院业务发展专家孙黎明回忆，从2006年和2007年开始，业务快速增长的阿里开始面临世界级难题——数据库太大。

2008年，阿里的数据库已经成为全亚洲最大的数据库用户。以当时的技术能力，如此大的数据库已经几乎不具备扩展可能。

“我们把全中国最知名的顶尖的DBA（数据库管理员）请到公司，一个晚上一张报表都做不出来，没有任何一家公司包括IBM、微软，能够为我们提供一整套的技术服务。”孙黎明说。

IOE架构也无法满足阿里电商平台秒杀类营销推广，“为了准备一次秒杀营销，从社会采购到安装部署至少需要半年的时间，才能完成IT系统宽容量的过程，但半年以后，这项业务几乎已经不存在了。”

对于“双十一”这样的业务暴增时点，IOE架构最让人头痛的则是需要估算交易量，到底需要多大的服务器和数据库才能保证不宕机？一次性上马太大服务器和数据库等于浪费，但若买小了又无法保证业务。

此外，众所周知，IOE投入、运维之成本，但是“阿里巴巴不愿意IBM的铁架子（服务器）躺着拿走淘宝利润”。

王坚告诉所有人：“不掌握核心技术就没有公司发展。”

阿里巴巴副总裁、去IOE项目负责人刘振飞，向财新记者回忆了王坚对去IOE的迫切。

2009年底，当时负责淘宝技术预算的刘振飞向王坚汇报，提出淘宝“2010年不会购买IBM小型机”，没想到被王坚挑战：“既然2010年可以不买小型机了，为什么还要给自己留后路以后还可能购买呢？你要在给董事会看的PPT上明确写一句：淘宝2010年起不再购买小型机了。”

刘振飞只好“攒出”一条去IOE的技术路线：“低成本、线性可控、去中心化（分布式）：去IBM，PC Sever替代小型机；去Oracle，用MySQL替代；去EMC，用中低端存储”。

他最后以惊叹号结尾，粗体写上一句：“淘宝2010年起不再购买小型机了！”第二年，刘振飞进一步提出用MySQL+自研数据库（OceanBase）替代Oracle，并不再使用高端存储。

但最初刘振飞实际上心里没底。去IOE无先例可循，分布式和集中相比，在数据统一性上是否可以保证？开源数据库是否够稳定？这些问题后来在探索中都得到了解决。

和技术相比，让王坚和刘振飞更头痛的是人：“质疑的声音五花八门，有人怀疑去IOE的必要性，有人主张做几个试点具备能力就可以了，不需要彻底去IOE，还有人认为只要去掉IE就行，保留Oracle也无妨。”

但在刘振飞看来，阿里的痛点已经到了去IOE势在必行的地步：业务几乎每年翻番，系统扩展跟不上业务：“如果遇到机房电力或空调检修，需要将近30分钟才能完成数据转移。”

最终，一群“技术男”被心理学教授王坚“逼上绝路”，然后杀出了另一条路。

2012年，阿里所有的技术后台运维和运营部门集中整合，成立了全集团统一的技术保障部。阿里云形成了部门1200人全集团8000人的技术团队。

刘振飞总结，阿里巴巴去IOE的过程其实是阿里技术演进的缩影：一开始依赖商业软件，逐步形成自身的MySQL分支，成为开发使用开源软件MySQL最好的企业之一，然后是研发支持海量数据的分布式数据库系统OceanBase并用在多个关键业务。从用Oracle处理数据，到用Hadoop集群，到发展成业内单个机群节点数最多的Hadoop机群，再到用自主研发的飞天平台上的ODPS（Open Data Processing Service，开放数据处理服务）。“阿里实现了真正的云计算。”

淘宝当“小白鼠”

阿里的去IOE其实在两个层面展开，存量的重点是淘宝和支付宝，而新增业务，比如余额宝、众安保险则完全基于“云”来搭建。

当时淘宝在数据库方面需求最大，痛点最多，刘振飞希望可以从淘宝开刀。整个集团内部当时对去IOE充满焦虑，而淘宝团队居然站出来同意当“小白鼠”，刘振飞至今对此心存感激。

机缘巧合，淘宝在技术层面的一次更新也让去IOE更容易。2009年，淘宝因为自身业务需求，核心系统进行过一次服务改造，即在数据库和应用层之间增加了一个服务层，屏蔽了数据层的复杂性。

淘宝项目得以成功推进后，示范效应出现，阿里巴巴的B2B和支付宝陆续进入。2012年底，淘宝系去IOE完成。2013年5月17日，阿里集团最后一台IBM小型机在支付宝下线。而EMC存储设备在2013年中全部下线。刘振飞向财新记者强调，Oracle数据库并非完全下线，还有较少存量，计划两年内全部替换。

和存量相比，阿里新增业务使用“云”似乎理所当然，但是也并非一帆风顺。

天弘基金创新支持部总经理樊振华回忆了余额宝转“云”的历程。

余额宝2013年6月13日上线，从3月开始，樊振华团队和支付宝技术方进行整体架构沟通。

这是传统金融行业IT思路与互联网技术路线的第一次冲突，双方在闭关室足足讨论了四天，确定下来一期系统的建设目标和要解决的问题。

一期推出时，天弘基金的IT技术架构仍然基于IOE，天弘为了余额宝立项从软件和硬件准备了三个月，然而上线当天，基金网站系统瘫痪了。

马云的新要求是余额宝要参加更疯狂的“双十一”大促。这一次，樊振华没有选择，只能用阿里云，又用了三个月，天弘基金把余额宝“搬上了”阿里云。

樊振华在回忆中形容这个过程“非常艰辛”，但结果惊人。原有的IOE系统设计并入是400台服务器，清算时间8小时，交易笔数是3亿笔账户达到1000万，对于一个在业界处于中下游的基金公司而言，这样的设计已经非常大胆。9月26日，使用云之后，支持并入到5000台服务器，清算时间30分钟以内，处理笔数在“双十一”之前为7亿多，账户有效用户数1亿。天弘终于敢参加“双十一”了。

2013年“双十一”当天，整个余额宝系统发生了1679万笔交易，资金规模超过1000亿元，用户数3000万。“对于天弘基金乃至整个基金行业，这都是不可想象的。” 樊振华说。

技术问题还是信任问题

在业界对阿里能否完全去掉Oracle数据库的质疑声中，阿里已经迈上商用道路，并挤入了金融机构和政府的IT系统采购名单。

刘振飞说，阿里内部去IOE成功后，来交流的机构非常多，其中金融机构比例很大：“数据库技术团队有次和我开玩笑说，他们都快变成专业接待部门了。”

金融机构对阿里的诉求很简单，安全和稳定。为了更有说服力，阿里手里拿着各类安全认证，但在交流中，阿里更愿意讲自己的案例。支付宝在去IOE的过程中，为了满足金融行业的应用场景做了许多针对性开发，其核心交易系统已经切换到阿里自研的OceanBase数据库上。

众安保险的基础架构即基于阿里云，在开业前花了五个月的时间完成两地三中心的部署。系统上线五天就被拖进“双十一”，当天产生160万笔保单，系统处理保单花了2个小时。这样的处理能力，成为阿里云对外业务介绍时的案例。

技术界至今仍有声音认为，IOE比开源技术更安全。但阿里上下对此众口一词称是误解，并解释开源软件的优势在于开放透明，大家都可以来发现和纠正安全隐患。

“安全忧虑的本质是信任问题，信任问题惟一可以解决的方法是靠透明。”在刘振飞看来，企业、机构或政府要做的是信任选择，选择信任传统硬件厂商，还是阿里云计算服务。

IOE的高成本在业界已被诟病多年，阿里巴巴提供新的更便宜的可选方案，但并不想打廉价牌。

王坚和刘振飞都反对将去IOE的原因归结为单纯省钱，以及排外或追求国产化的问题。

虽然淘宝商品库当年用20%的成本实现了500%的容量，但并不表明后期运维就不花钱。

“IOE的运维成本固然高昂，开源软件的升级和维护成本也不能忽视。”刘振飞强调。但对于IOE的普通用户，因为IOE报价相对高，“云”的维运成本节省依然明显，一般只有IOE系统的20%，规模越大，相对成本越低。