第1章 从机房到云端：一场架构革命的起源故事 / Chapter 1 From Server Rooms to the Cloud: The Origin Story of an Architecture Revolution

2015年春天，北京中关村后场路的一间民宅里，26岁的林默攥着刚拿到手的200万天使轮融资，拉着技术合伙人张岩开了个会：“咱们不做外包，做自己的电商平台，卖进口零食，就叫闪购优选。”张岩当时是个刚从大厂出来的后端工程师，对技术的事门儿清，拍着胸脯说：“没问题，服务器的事我搞定，租个小机房，比云服务器便宜一半，咱们创业得省着点花。”

一周后，张岩在中关村附近找了一家小型IDC服务商，租了2U的机位，月租1500，配了10M独享带宽，月租800，又花了6万买了3台Dell的2U物理服务器：一台跑Nginx做反向代理，一台跑MySQL数据库，一台跑Java应用服务器。那时候闪购优选一天才几百单，3台服务器跑得稳稳的，CPU使用率常年不到30%，张岩跟林默炫耀：“你看我省了多少钱，云服务器一年光计算资源就要15万，我这硬件加机房一年才10万，省了三分之一。”林默也高兴，觉得张岩靠谱，公司刚起步，能省一点是一点。

转折点来得比所有人都快。2016年3月，闪购优选跟北大、清华的10个高校社团合作，推出了“宿舍拼团”活动：9块9包邮2斤进口巧克力，10盒起拼就能送到宿舍楼下。活动在高校的QQ群、朋友圈里疯传，第一天订单就破了10万，是之前日均订单的20倍。那天晚上张岩正在家睡觉，被监控告警的电话吵醒，打开电脑一看，监控面板上全是红色的告警：CPU使用率100%，内存使用率98%，数据库连接池占满，用户下单页面一直转圈，下单成功率不到10%。客服的电话一个接一个，全是投诉下单失败的，林默也火急火燎赶到了公司，站在张岩身后的时候，脸色铁青得像要滴出水。

两个人熬了一宿，最后得出结论：单台物理服务器的性能已经到了上限，数据库的连接池已经被打满，加配置也没用，唯一的解决办法是加服务器。他们紧急联系IDC服务商，对方说现成的服务器要等3天才能上架，带宽升级要审批，最少2天，等服务器到位，活动早就结束了。最后那场活动做了3天，因为系统故障，损失了大概50万的订单，还有3000多个用户申请了退款，其中2000多个用户之后再也没回来过。张岩后来回忆那天的时候说：“我当时蹲在机房的角落里，看着满屏的红色告警，手机里老板和客服的电话轮番响，心里想的是当初真不该省那点云服务的钱。”

活动结束后，张岩咬着牙花了10万买了5台新的物理服务器，加上原来的2台，总共7台，那时候订单量稳定在一天2万单，服务器利用率到了70%，看起来够用了。但张岩心里清楚，这不过是暴风雨前的平静：每次大促之前都要提前采购服务器，大促一过，服务器利用率就降到了20%，一年里有10个月的时间，一半的服务器都在空转；更麻烦的是运维，7台服务器加上数据库、缓存、中间件，张岩一个人管，天天加班到10点，2016年8月，其中一台服务器的硬盘突然坏了，数据丢了2个小时，恢复的时候损失了大概10万的订单，张岩蹲在机房门口抽了半包烟，第一次认真思考：自建机房这条路，是不是真的走不通？

转机出现在2017年2月的阿里云栖大会。本来张岩是去凑热闹的，结果听了一场电商解决方案的演讲，演讲嘉宾提到某生鲜电商当年双十一峰值的时候用了12万台服务器，大促结束后只留了1200台，按实际使用量付费，只花了大促期间10%的成本。张岩当时就站起来了，问：“你们是怎么做到1分钟扩容100台服务器的？”嘉宾笑了笑说：“因为我们用的是云计算，弹性伸缩是云原生的基础能力，你只要设好规则，系统会自动帮你扩容缩容，不用人工干预。”

张岩回去之后就跟林默提了迁云的想法，林默一开始不同意：“咱们刚买的服务器才用了一年，迁过去不是打水漂吗？”张岩给他算了一笔账：现在7台物理服务器，一年折旧加机房加带宽加运维，一年要20万，要是迁到云上，平时用3台4核8G的ECS，一个月才3000，大促的时候扩容到20台，一个月也就2万，一年下来才不到10万，省了一半，而且不用再担心硬件故障、机房停电、带宽不够这些问题，云厂商都给你兜底。林默算了半天，觉得有道理，就说先迁测试环境试试，要是效果不好再迁回来。

张岩花了1个星期，把测试环境迁到了阿里云的ECS上，然后做了压力测试：原来要10台物理服务器扛的10万QPS峰值，云上只要3台ECS就能扛，而且弹性扩容只要在控制台点一下，1分钟就能加1台服务器，缩容也是自动的，不用人工操作。张岩那时候第一次觉得，原来架构可以这么灵活。2017年4月，他们把生产环境正式迁到了阿里云，一开始只用了IaaS层的服务：ECS云服务器、RDS云数据库、Redis云缓存、OSS对象存储、CDN内容分发，刚好赶上五一的促销活动，订单量翻了3倍，他们提前在控制台设了扩容规则：CPU使用率到70%就自动加1台ECS，内存使用率到80%就自动加1台。那天峰值的时候自动扩容到了15台，五一过了之后自动缩容到了3台，那个月的云服务账单才8000多，比原来预估的3万省了三分之二。林默高兴得请全团队吃了顿火锅，说当初迁云的决定太对了。

云计算的三层服务模型：从租毛坯房到住酒店

迁云之后，张岩开始研究云计算的各类服务，发现云计算不是简单的“租服务器”，而是分成了三层服务模型，每一层解决不同的问题，就像租房一样，你可以选毛坯房、精装房，或者直接住酒店，根据自己的需求来选。

第一层是IaaS（Infrastructure as a Service，基础设施即服务），相当于租毛坯房：云厂商把服务器、存储、网络这些基础设施准备好租给你，你只要负责上面的操作系统、中间件、应用、数据就行，房子本身的维修、水电、物业都是房东（云厂商）的事。闪购优选一开始用的ECS、RDS、Redis、OSS这些就是IaaS层的服务，他们不用管物理服务器的采购、运维、故障，只要管自己的应用和数据就行，省了很多硬件运维的事。IaaS的核心价值是“基础设施托管”，你不用再租机房、买服务器、付电费网费，只要按需租用计算、存储、网络资源就行，适合需要完全控制底层环境的用户。

第二层是PaaS（Platform as a Service，平台即服务），相当于租精装房：云厂商把操作系统、中间件、开发环境、数据库引擎这些都给你配好，你只要负责自己的应用和数据就行，拎包就能入住。后来闪购优选用了阿里云的RDS（云数据库），不用自己装MySQL、不用管备份、扩容、故障恢复，只要管业务数据就行；还用了云效的DevOps平台，不用自己搭Jenkins、GitLab、测试环境，直接就能做代码托管、CI/CD、发布，上线速度快了一倍。这些都是PaaS层的服务，进一步降低了运维的复杂度，让你不用再管中间件的运维， focus 在业务开发上。PaaS的核心价值是“开发运维托管”，适合想要快速开发应用，不想花时间在中间件运维上的团队。

第三层是SaaS（Software as a Service，软件即服务），相当于住酒店：云厂商把完整的应用都给你做好了，你只要注册账号、付费就能用，不用开发，不用运维，连软件升级都是云厂商帮你做。闪购优选后来用了七鱼的客服系统、纷享销客的CRM、飞书的办公套件，这些都是SaaS层的服务，不用自己开发，注册就能

不用自己开发，注册就能用的SaaS服务，让张岩第一次觉得“技术还能这么省”。之前闪购优选打算自研客服系统，排了2个开发做了2个月，花了10万，结果上线之后bug一堆，转单、统计、用户标签这些核心功能都不全，后来换成了七鱼的SaaS客服系统，一个月才1000块，直接对接订单系统和用户系统，自动给用户发物流提醒、售后回访，还能生成客服的绩效报表，比自研的好用10倍。张岩那时候跟林默开玩笑说：“以后咱们除了写业务代码，别的啥都不用自己做了。”

这其实就是云计算三层服务模型最直观的体现：IaaS（Infrastructure as a Service，基础设施即服务） 是租毛坯房，云厂商把服务器、存储、网络这些基础设施准备好，你负责上面的操作系统、中间件、应用和数据，房子维修、水电物业都是房东的事；PaaS（Platform as a Service，平台即服务） 是租精装房，云厂商连操作系统、中间件、开发环境都给你配好，你拎包就能住，只管自己的应用和数据；SaaS（Software as a Service，软件即服务） 是住酒店，云厂商把完整的应用都做好了，你注册付费就能用，连打扫卫生、换床单都是酒店的事。三层模型的边界从来不是技术划分，而是“责任划分”：谁负责什么，谁不用管什么，越往上，用户要操心的事越少。

为了更直观地理解三层的差异，我们可以用下面的责任划分图来看：

```mermaid graph TD A[Physical Infrastructure<br/>(物理基础设施：服务器/存储/网络/机房)] --> B[IaaS<br/>(基础设施即服务)] B --> C[PaaS<br/>(平台即服务)] C --> D[SaaS<br/>(软件即服务)]

%% 责任划分 subgraph IaaS责任 B1[云厂商负责：物理设施/虚拟化/网络/存储] B2[用户负责：操作系统/中间件/应用/数据] end

subgraph PaaS责任 C1[云厂商负责：操作系统/中间件/运行环境/平台工具] C2[用户负责：应用代码/业务数据] end

subgraph SaaS责任 D1[云厂商负责：所有层级的开发/运维/升级] D2[用户负责：配置业务参数/使用功能] end

A --> B1 B1 --> C1 C1 --> D1 ```

<!-- 纸书注：此处可配彩色对比图，用不同颜色标注云厂商和用户的责任边界 --> <!-- 电子版侧边栏：IaaS vs 传统IDC的核心差异 --> > 📌 传统IDC模式下，你需要自己采购服务器、租机房、付电费网费、雇运维管硬件故障、做灾备，所有事都要自己扛；IaaS模式下，云厂商把所有这些事都包了，你只需要按需付费，用多少花多少，不用再为闲置的硬件买单。

闪购优选迁云之后，一开始只用IaaS层的服务：ECS云服务器、RDS云数据库、Redis云缓存、OSS对象存储、CDN内容分发，相当于租了毛坯房自己装修，虽然不用管硬件了，但还是得自己装MySQL、自己搭Redis集群、自己管数据库备份、自己写扩容缩容的规则。2017年五一促销的时候，张岩提前3天就盯着监控，生怕峰值来了服务器扛不住，大促一结束，又赶紧手动把多余的服务器关掉，不然要多花几千块。那时候他就想：“要是连中间件都不用我管就好了。”

这个想法后来通过PaaS服务实现了：闪购优选把自建的MySQL集群换成了阿里云的RDS云数据库，不用自己装数据库、不用管版本升级、不用手动做备份，云厂商自动每天备份，还能一键恢复到任意时间点，之前硬盘坏了丢2小时数据的事再也没发生过；后来又把自建的Jenkins、GitLab、测试环境换成了阿里云的云效DevOps平台，代码提交之后自动做单元测试、集成测试，测试通过自动部署到预发环境，确认没问题一键发布到生产，原来上线一次要半天，现在只要10分钟，2017年双十一的时候，他们一天发了5次版本修复bug，要是以前根本不可能。

如果说IaaS解决了“不用管硬件”的问题，PaaS解决了“不用管中间件”的问题，那SaaS就是连“不用开发通用功能”的问题都解决了。闪购优选后来用了七鱼的客服系统、纷享销客的CRM、飞书的办公套件，这些通用功能完全不用自己开发，注册账号就能用，连升级都是云厂商自动做的，你不用再花精力去维护这些和核心业务无关的系统。张岩后来算了一笔账：之前公司有3个开发花了一半的时间在维护客服、CRM、OA这些系统上，换成SaaS之后，这3个开发可以全部去做核心业务的功能，一年至少多做了20个需求，相当于省了2个开发的人力成本。

为什么企业都要上云？不是跟风，是真能省钱

闪购优选的迁云经历，其实是过去10年中国企业上云的一个缩影。根据中国信通院2023年发布的《云计算发展白皮书》，中国云计算市场规模已经突破5000亿元，年增速超过30%，企业上云率已经超过40%，预计2025年将达到60%以上。云计算不是互联网公司的专利，现在从制造业到金融业，从政府到教育，几乎所有行业都在上云，核心原因不是“云计算是热点”，而是它能实实在在解决企业IT的核心痛点。

我们可以把企业上云的核心动机分成5类，每一类都有闪购优选的真实案例支撑：

1. 成本优化：从“花大钱买闲置”到“按需付费”

传统IT模式下，企业买服务器、租机房、买硬件，都是一次性的大额资本支出（CAPEX，Capital Expenditure），而且必须按峰值需求采购：比如闪购优选一年只有618、双十一两个大促，峰值需要的服务器是平时的10倍，但平时90%的时间这些服务器都是闲置的，相当于花了10倍的钱，只用了10%的资源。而云计算是运营支出（OPEX，Operating Expenditure），按实际使用量付费，用多少花多少，不用一次性投入大额资金，现金流压力小很多。

张岩当年算过一笔账：自建机房的模式，3台物理服务器加机房加带宽加运维，一年要20万，迁云之后平时用3台ECS，一个月3000，大促的时候扩容到20台，一个月2万，一年下来才不到10万，直接省了一半。根据Gartner 2023年的报告，企业上云之后，IT基础设施成本平均降低30%-50%，对于创业公司和中小团队来说，这个成本差异甚至是生死攸关的。

2. 弹性伸缩：再也不用手动扛峰值

传统IT模式下，扩容要提前采购服务器、上架、装系统、部署应用，最少要3-7天，遇到突发的流量峰值，根本来不及反应。2015年闪购优选做高校拼团活动的时候，就是吃了这个亏：流量来了10倍，服务器扛不住，等新服务器到位，活动早就结束了，损失了50万订单。而云计算的弹性伸缩（Elastic Scaling）能力，可以让你根据CPU使用率、内存使用率、QPS（每秒请求数）等指标自动扩容缩容，峰值来了1分钟就能加服务器，峰值走了自动把多余的服务器关掉，完全不用人工干预。

2017年五一促销的时候，张岩在控制台设了规则：CPU使用率到70%自动加1台ECS，内存使用率到80%自动加1台，内存使用率到30%自动减1台。那天峰值的时候，系统自动扩容到了15台，五一结束之后，又自动缩容回了3台，张岩那天在家睡了一宿，没有接到任何告警电话，醒来一看账单，才8000多，比预估的3万省了三分之二。

3. 高可用性：不用自己扛故障

传统IDC模式下，硬件故障、机房停电、网络中断都是家常便饭，闪购优选2016年就遇到过硬盘坏了丢2小时数据的事，损失了10万订单，张岩那时候想搞灾备，一问价格，备份服务器加专线，一年要10万，创业公司根本舍不得。而云厂商的多可用区（AZ，Availability Zone）部署，可以把你的应用和数据同时部署在同一个城市的2-3个独立机房，一个机房出故障，另一个机房自动接管，用户完全感知不到，可用性从99%提升到99.9%甚至99.99%。

<!-- 电子版侧边栏：什么是可用性？ --> > 📌 可用性是衡量系统正常运行时间的指标，99%的可用性意味着一年 downtime 是3.65天，99.9%是8.76小时，99.99%是52.56分钟，99.999%是5.26分钟。对于电商系统来说，每宕机1分钟，可能损失几十万甚至上百万的订单。

闪购优选迁到云上之后，再也没有遇到过硬件故障导致的停机，RDS数据库自动做跨可用区备份，就算整个机房出问题，数据也不会丢，可用性从之前的99%提升到了99.95%，2018年双十一的时候，其中一个可用区出了短暂的网络故障，流量自动切到了另一个可用区，用户完全没感知，订单没有损失一分。

4. 运维简化：不用再管基础设施

传统IT模式下，企业要雇专门的运维团队管服务器、网络、存储、中间件、灾备，对于创业公司来说，一个合格的运维月薪至少1万，一年就是12万，还不算硬件的成本。而IaaS和PaaS服务把大部分基础设施的运维工作都交给了云厂商，你只需要管应用层的运维就行，运维人力成本直接降了一半。

张岩之前一个人管7台物理服务器，天天加班到10点，周末还要去机房处理故障，迁云之后，硬件、网络、数据库、缓存这些都不用他管了，只需要管应用的发布和监控，工作量少了一半，有时间去研究架构优化，而不是天天救火。

5. 快速迭代：不用自己搭基础设施

传统IT模式下，要上线一个新业务，要先采购服务器、装系统、搭中间件、搭开发测试环境，最少要1-2周，而PaaS和SaaS服务把这些基础设施都准备好了，注册就能用，新业务上线的时间从几周缩短到了几天甚至几小时。

2018年闪购优选想做直播电商的业务，要是以前，要采购服务器、搭直播流媒体服务、搭即时通讯系统，最少要1个月，后来直接用云厂商的PaaS直播服务，2个开发3天就把直播功能做出来了，比竞争对手快了2周，抢到了第一批主播资源，那个季度直播业务的营收占了总营收的30%。

从“搬服务器”到“架构革命”：云计算的下一站

闪购优选2017年迁云的时候，其实只是做了“lift and shift（直接迁移）”：把原来跑在物理服务器上的应用直接搬到云服务器上，架构本身还是原来的单体架构，只是基础设施换了而已。这种模式虽然能省成本，但并没有发挥云的全部价值，业务快速迭代带来的架构痛点依然存在。

2018年618大促的时候，闪购优选的订单量翻了5倍，虽然提前扩容了服务器，但还是出现了服务雪崩：订单服务因为一个bug挂了，把商品服务、用户服务、支付服务都拖垮了，整个系统挂了10分钟，损失了100万的订单，2000多个用户投诉，林默那天把张岩叫到会议室，两个人抽了半包烟，张岩说：“咱们现在虽然不用管硬件了，但架构本身还是有问题，一个模块出问题整个系统都挂，下次大促肯定还要出事。”

那次故障之后，张岩开始研究微服务架构：把原来 monolithic 的单体应用拆成订单、商品、用户、支付、物流、优惠券多个独立的服务，每个服务独立部署、独立扩容、独立迭代，一个服务出问题不会影响其他服务。但拆完之后又遇到了新的问题：服务变多了，调用关系变复杂了，一个请求要经过5-6个服务，出问题排查起来特别麻烦，而且服务之间的同步调用太多，一个服务慢了，整个请求链都慢了，用户体验特别差。

就在张岩为这些问题头疼的时候，他在2018年的云栖大会上听到了“事件驱动架构”和“Serverless”的概念：事件驱动架构不是用同步调用来串起所有服务，而是用事件来触发服务，服务之间解耦，一个服务出问题不会影响整个链路；Serverless连服务器都不用你管，你只要写业务代码，上传到云平台，有请求来的时候自动运行，没请求的时候不收费，连扩容缩容都不用你管。

张岩那时候站在会场里，突然意识到：原来云计算的革命不只是“把服务器搬到云上”，而是整个架构逻辑的重构——从“管基础设施”到“只管业务逻辑”，从“同步调用”到“事件驱动”，