图片来自于网络
1、写在最前面
某天晚上和下属一起吃晚饭，期间聊到 Netflix 技术那些大胆的创新，事后觉得有必要总结一下，给团队分享，让大家了解世界顶级的技术组织在技术、架构、组织和文化方面的创新。让大家在埋头干活的时候，偶尔也可以抬头看看天（大处着眼，小处着手）。于是就有了这篇文章。
2、大规模生产级微服务架构实践
微服务很多公司 (eBay， Amazon, BAT) 都有，甚至比 Netflix 做得更早，但 Netflix 大概是大规模生产级微服务做得最杰出的。
100s 范围的微服务，1000s 范围的每日生产变更，10,000s 范围的实例，1,000,000s 范围的活跃客户数，1,000,000,000s 范围的度量。但是只有 10s 范围的运维工程师，没有自己的数据中心 NOC，应该算微服务 DevOps 的最高境界了。
（Netflix 微服务可视化）
3、开源整个微服务技术栈
Netflix 微服务技术栈的核心组件基本上都是开源的。Pivotal 在 2~3 年前把 Netflix 开源的这摊东西封装一下改头换面，再拼凑一些其它东西（配置中心，调用链监控等）就变成了 Spring Cloud。现在大家耳熟能详的 Zuul 网关，Eureka 服务发现注册中心，Hystrix 熔断限流，Archaius 配置等组件，Netflix 在 2012 年左右就都开源出来了。
Netflix 为啥热衷于要搞开源？
将自己的解决方案建立为行业标准和最佳实践
建立 Netflix 技术品牌
雇佣、留住和吸引顶级工程师
从共享生态中获得反馈输入并受益
4、系统全部迁移 AWS 公有云
大致在 09/10 年左右， Netflix 就开始启动上公有云战略（当然背后也是吃了自建数据中心的苦头），应用逐步向 AWS 迁移，这个过程一共持续了将近 5 年，到 15 年的时候，迁移完毕，全部应用上到 AWS。09/10 年左右的 AWS 还不太成熟，别说当时，即使现在也没有几个大公司不掂量一下敢提全部迁移公有云的战略。另外 AWS 能有今天，Netflix 也是功不可没，帮 Amazon 躺了无数的坑。
5、在 AWS 基础上打造 PaaS 平台
Netflix 在 AWS IAAS 的基础上封装打造了自己的 PaaS 云平台服务 (大部分组件开源)，包括
平台运行时服务 (Eureka，Zuul, Edda，Atlas)
平台库和框架 (Karyon/Ribbon，Hystrix，RxJava, Governator，Servo, Archaius, Astyanax)
平台大数据和缓存服务 (Cassandra/ES/Hadoop Platform as a Service, EVCache，S3)
平台工具和服务 (Asgard/Aminator， SimianArmy/ChaosMonkey， ICE)
业内最近开始提出云原生 (Cloud Native) 架构的理念，Pivotal 是这个理念的主要推动者（背后主要是要推它的 Cloud Foundry 产品）。其实 Netflix 在 2013 年就提出了 Cloud Native 理念，而且它的整个平台 (AWS IAAS + PaaS) 就是云原生的。
6、两地三中心高可用
Netflix 的高可用架构也是做得大气磅礴，同城部署 3 个对等的可用区 (AWS Availability Zone)，1 个甚至 2 个挂不影响可用性。
异地 (Regions) 再做对等部署，一个 Region 里头的 AZ 全挂，另外一个 Region 接着可用。
7、 采用 Cassandra NoSql 作为主数据库
Netflix 原来用 Oracle 等传统 Sql 数据库，但是受到扩展性挑战。公司架构管理层大胆颠覆性提出使用 Cassandra Nosql 作为主要的持久化存储机制，Netflix 在 2012 年就做到大部分数据存放 Cassandra 和 S3 等非关系数据库上。这个架构决策也是非常大胆有魄力，一般没有几个公司敢这么干的。Cassandra 本质上是一种 KV 数据库，更像 sorted map 存储，不支持事务，不支持 join。在 CAP 理论中，Cassandra 是展现 AP 特性，无中心分散式高可用，天然支持跨数据中心数据同步，这大概是 Netflix 最看重的特性。Cassandra 是读慢写快的特性（一般数据库是读快写慢）,Netflix 大量使用 Memcached 做缓存补偿。
Cassandra 在同城多个 Zone 之间同步数据，在异地 (Inter-Region) 之间再同步，流量到 9Gbits/s，延迟 83ms，18TB 的数据备份 (2013 年的数据)。
8、镜像部署和发布自动刹车
近年 docker 容器技术大火，大家都在谈不可变基础设施 (immutable infrastructure) 的理念，本质就是镜像部署。Netflix 在 2012 年前就已经实现镜像部署，发布的单位是 AMI (Amazon Machine Image) 镜像，通过持续交付工具 Asgard（现在升级版叫 Spinnaker）直接将镜像推到 AWS 云中部署，支持蓝绿（需要至少两倍虚机），灰度和金丝雀等部署模式。
Netflix 的发布管道叫 Paved Road，就是平台团队铺好的路，由提交，构建，AMI 镜像烘焙 (Image Baking) 和发布四个阶段组成。
金丝雀发布之后，系统会自动生成金丝雀健康报告和分数（背后需要统计上千个 metrics + 复杂智能算法），达到一定的分数 (比如 80 分)，才能继续 roll out。这个也称发布自动刹车。
9、反脆弱架构
Netflix 大胆提出反脆弱架构的理念（架构师受到尼古拉斯·塔勒布《反脆弱》一书的启发，并将其应用到架构领域）：为了让你的系统更加健壮，不是将它们严格保护起来，而是主动随机性地增加一些破坏性测试，逼迫研发人员做好高可用。
Netflix 从周一至周五，上午 9 点到下午 3 点，混乱猴子军团会随机杀生产实例，这个叫 Chaos Monkey，还有增加延迟的 Latency Monkey。
还有 Chaos Gorilla 可以杀整个可用区 (Availability Zone)，Chaos Kong 杀整个 Region。据说 Netflix 曾主动关闭一个可用区，客户没有任何影响。
国内一些互联网公司也有演习和自攻一说，但基本都是提前打招呼的，规模一般也不大，Netflix 是随机不打招呼玩真的。
10、 几乎没有流程，没有员工手册
Netflix 是一家高度重视人才密度，重自由和责任文化，轻流程的公司。公司没有正式的员工手册，只有一条简单的指导原则：
Act in Netflix’s best interest，以 Netflix 的最佳利益行事。
11 、No CTO, No Ops
Netflix 的技术这么牛逼，但它是没有技术 CTO 职位的，只有首席产品 CPO，工程团队和产品团队的 VP 都向 CPO 汇报。这样做更多是为了产品导向，便于技术和产品沟通合作，避免两边扯，避免业务驱动还是技术驱动的悖论，大家都是产品驱动。Netflix 把它称为 BusDevOps 组织架构。
Netflix 也没有独立的运维团队 (NoOps)，架构 + 中间件 + 运维 + 大数据闭环统称为云平台工程 (Cloud and Platform Engineering) 团队，一个 VP 总负责，更好地对接 DevOps 文化。Netflix 的产品导向文化非常浓厚，连平台工程团队开源出来的产品都是整整齐齐的 (见 https://netflix.github.io/)，PaaS 云平台是整个云平台工程团队最大的产品输出。
Netflix 的 CTO 其实是 Chief Talent Officer，负责人才招聘的，公司对人才的重视可见一斑。
12、无论公司兴衰，始终支付市场最高工资
不用多解释，这大概是 Netflix 最霸气和牛逼的一点。据我在米国的同学讲，去 Netflix 基本是硅谷顶薪，博士毕业去给开了超过 30 万美金的年薪（这还是前几年的行情）。一般进去难，去了留下来也不容易，不胜任的被客客气气劝退的有。能留下来的一般也不跳，因为再跳也没有更高的待遇了。
显然，没有顶级的人才密度，就无法支撑其高大上的技术架构和鹤立鸡群的文化。顶级的人才聚集在一起，容易碰撞迸发创新火花，捣腾出颠覆性的东西和理念。
13 、写在最后
我在这边总结 Netflix 技术做的牛逼的事情，一方面是因为钦佩，但这不是重点，毕竟目前国内基础环境和人才密度是支撑不起这种类型文化的公司；但是，他山之石，可以攻玉，Netflix 的很多技术、架构、组织和文化思路值得我们学习和借鉴。
我本人没有在 Netflix 工作过，上面的信息主要通过互联网共享资料 (特别是 slideshare) 学习解读 (有些解读可能还是偏颇的)，所谓强者无秘密，Netflix 的强大也体现在它无私分享精神，它在公司内部是信息公开透明分享的，对外部也一样，几乎所有 Netflix 微服务技术栈 (也称 NetflixOSS) 你可以从 github.com/netflix 免费获得，其内部架构和技术相关资料基本上都可以通过 slideshare 或者 Netflix techblog 免费获得。在公开透明一块即使 Google、Amazon 和 Apple 这些互联网巨头都应该是自叹不如的。Netflix 公司大概是地球上开出的一朵特别奇葩耀眼的花。
向 Netflix 致敬！
相关文章
