可靠性 Reliability
保证关键用户流程可用，并在约定范围内恢复。用 SLO 定义服务质量、RTO 定义恢复时间、RPO 定义可接受的数据丢失；分析依赖故障，消除单点并验证恢复能力。
- 示例
- 让门户跨可用区运行，对短暂依赖故障采用有上限的重试，并演练数据库还原，确认整个服务达到恢复目标。
- 取舍
- 额外副本与备用区域会增加成本和运营复杂度，应依据停机对业务的影响决定投入。
云
关于跨平台云治理的一些实践与思考。
本页使用的云术语
- CAF
- Cloud Adoption Framework，云采用框架，指导组织的上云与持续运营。
- WAF
- 本页指 Well-Architected Framework，良好架构框架，而不是 Web 应用防火墙；用于工作负载设计与运营。
- 着陆区
- 账号、身份、网络与治理等共享云平台基础。
- SLO / RTO / RPO
- 服务水平目标、恢复时间目标、恢复点目标，分别约定服务质量、恢复时间与可接受的数据丢失。
我的云治理实践
从平台选型延伸到持续运营，而不只是把工作负载搬上云。
我在 GCP、AWS、Azure、阿里云和 OpenStack 的治理中积累了成熟的实践。面对不同云平台，我更关注一套可落地、可持续调整的治理方式：明确业务目标与责任边界，建立平台基线，再用策略、安全、成本和运营反馈持续改进。
Cloud Adoption Framework （Microsoft Learn，在新标签页打开）
借鉴其 Strategy、Plan、Ready 到 Govern、Secure、Manage 的路径，把业务目标、平台准备和治理运营连成闭环；方法论用于指导多云实践，而不是照搬 Azure 的实现细节。
Azure Well-Architected Framework （Microsoft Learn，在新标签页打开）
以可靠性、安全性、成本优化、卓越运营和性能效率五个支柱审视工作负载，在取舍中平衡风险、体验与投入。
这些框架提供检查问题的视角；实际治理仍需结合各平台能力、组织约束与工作负载特点。
组织如何采用云
以 Cloud Adoption Framework（Microsoft Learn，在新标签页打开） 为参照。它是 Azure 指南，其中的组织决策思路也可用于 AWS、GCP、阿里云与私有云的采用实践。
CAF 连接业务目标、组织准备与云交付。战略、规划、就绪与采用构成初始路径；治理、安全与管理需要提前规划，并贯穿采用与运营全程。需求变化时应重新审视之前的决策。以下以假设的客户门户为例。
查看完整尺寸图（在新标签页打开）
查看图解的中文说明
云采用 · 依次推进
- 01Strategy 战略
- 02Plan 规划
- 03Ready 就绪
- 04Adopt 采用
运营 · 并行持续
- Govern 治理
- Secure 安全
- Manage 管理
Azure 架构中心提供实现指导，良好架构框架提供工作负载设计原则，两者共同支持云就绪、采用与持续运营。
Strategy · 战略
先把云投入与业务成果关联，再选择服务。让业务、财务、IT 与安全负责人共同确定上云动机、范围、风险容忍度与可衡量的成功标准。
- 预期成果
- 具备明确负责人的业务论证、投资优先级与成效指标。
- 示例
- 以客户门户为例，优先解决发布速度与季节性容量问题，以上云前的数据为基线，衡量部署交付时间与客户请求成功率。
Plan · 规划
把战略转化为可执行的路线图。盘点应用、数据与依赖关系，评估云就绪程度和技能缺口，估算成本，并明确平台团队与工作负载团队的职责。
- 预期成果
- 按优先级排序的待办、迁移批次、预算、培训计划与职责分工。
- 示例
- 梳理门户的数据库、身份提供方与支付依赖，先试点低风险环境，再根据业务约束安排生产迁移。
Ready · 就绪
在部署业务前搭建可重复交付的着陆区。区分共享平台服务与工作负载环境，通过基础设施即代码建立身份、网络连接、账号结构、策略、日志与计费基线。
- 预期成果
- 经过验证、可供业务团队在约定护栏内使用的云平台基础。
- 示例
- 用可复用的 Terraform 模板提供独立的生产与非生产订阅、数据库私有连接、集中日志，以及负责人和成本中心标签。
Adopt · 采用
根据业务价值与技术约束迁移、现代化或新建工作负载。逐个应用选择路径，验证功能与性能，规划数据传输、切换、回退与运营交接，并随需求变化重复推进。
- 预期成果
- 符合验收标准、具备明确运营团队的生产工作负载。
- 示例
- 为门户演练数据库切换与回退，再完成迁移；当收益足以覆盖改造成本时，把后台任务现代化为托管队列。
Govern · 治理
把业务风险与合规要求转化为可执行策略。规定允许的区域、资源归属、支出控制与例外处理方式，并随云规模增长持续检查合规状态。
- 预期成果
- 成文的策略、合规证据，以及有期限的例外审批流程。
- 示例
- 强制负责人标签，限制资源部署到批准区域，禁止存储公开访问，并把预算告警发送给业务负责人；预算告警本身不会限制支出。
Secure · 安全
以零信任贯穿整个生命周期：明确验证、最小权限、假设已被入侵。结合身份控制、网络隔离、数据保护、漏洞管理、威胁检测与事件响应。
- 预期成果
- 安全基线、按风险排序的整改任务，以及经过演练的响应流程。
- 示例
- 管理员使用多因素认证，应用使用托管身份代替内嵌密钥，数据库保持私有访问，并通过集中安全监控调查异常登录。
Manage · 管理
上线后持续维护服务健康。约定服务与恢复目标，监控用户体验和平台状态，维护备份与补丁，明确值班责任、操作手册与持续改进机制。
- 预期成果
- 运营仪表盘、恢复验证记录、事件处理流程与持续改进待办。
- 示例
- 对门户请求失败建立告警，按恢复目标演练数据库还原，并结合事件复盘与利用率数据改进操作手册和资源规格。
在多云环境中，每个平台各有着陆区实现，但战略、治理、安全与运营标准应当统一，避免各云各管一套。
围绕五大支柱优化工作负载
以 Well-Architected Framework（Microsoft Learn，在新标签页打开） 为参照。CAF 确立组织方向与平台标准；WAF 指导工作负载在这些标准内的设计与运营。
五个支柱之间存在取舍：没有工作负载能在每一项都做到极致。组织应根据业务关键程度、合规要求和上线时间，决定每个支柱投入多少。示例沿用 CAF 阶段中的假设客户门户；数字目标仅用于说明，实际目标需与业务共同约定。
安全性 Security
根据工作负载风险保护机密性、完整性与可用性。进行数据分级和威胁建模，落实最小权限、隔离、敏感数据加密与攻击监测，并规划事件遏制与恢复方式。
- 示例
- 只给门户的托管身份必要的数据库权限；把密钥放入保管库，保持数据访问私有，脱敏日志，并对异常访问建立告警。
- 取舍
- 更强的隔离与访问控制增加配置和支持工作，需要让团队能够方便地采用安全路径。
成本优化 Cost Optimization
在可持续预算内交付业务价值。把计算、存储、网络传输、许可与运营纳入总成本模型，明确费用负责人，跟踪每笔有效业务交易的成本，并按实测需求调整容量和计费方式。
- 示例
- 关闭闲置开发环境，压测后缩小低利用率数据库，只为稳定的基础负载预留容量，并跟踪门户每次成功客户请求的成本。
- 取舍
- 预留容量降低灵活性，过度缩容可能损害可靠性或响应速度，每次节省后都要复核服务目标。
卓越运营 Operational Excellence
让开发与运营可重复、可观测且变更安全。采用版本化基础设施、自动化测试与部署、清晰的职责、可行动的监控信号和事件手册，把生产反馈转化为改进。
- 示例
- 通过流水线检查基础设施并灰度发布门户；监控错误率与延迟，超出阈值时回退，并让值班团队演练响应过程。
- 取舍
- 自动化与可观测性需要前期投入和持续维护，应先覆盖高频或高风险任务，以及能指导行动的信号。
性能效率 Performance Efficiency
随需求变化持续满足用户体验。为关键流程设定延迟与吞吐目标，测量完整请求路径，模拟真实负载进行压测，并针对实际瓶颈选择伸缩和数据访问方案。
- 示例
- 示例目标：在预期峰值负载下，95% 的门户请求在 300 毫秒内完成。追踪慢查询，缓存合适的读取结果，并根据队列深度扩展后台处理实例。
- 取舍
- 缓存需要权衡数据新鲜度，预留容量改善响应但增加成本，自动伸缩面对突增流量也需要反应时间。
落地方法：先理解各支柱设计原则，再按业务优先级处理检查清单，明确记录取舍，并用成熟度模型分阶段改进，把评估当作随工作负载演进的动态分数。