哈尔希特·奥马尔（Harshit Omar）是FluidCloud的联合创始人和首席技术官，在那里他正在构建云基础设施的未来——使企业能够无缝地迁移、复制和优化多云环境中的工作负载。他之前曾是Accurics的第一位工程师，在那里他领导了其政策引擎和云安全平台的核心开发工作。
凭借对Go、Kubernetes、Terraform和云合规性的深入专业知识，哈尔希特在过去十多年里一直致力于设计跨AWS、Azure和GCP的弹性系统。
他的使命现在是消除云锁定并使基础设施与代码一样便携和可靠。
在超级碗的激动人心中，很容易忘记幕后基础设施。为了确保超级碗顺利进行，不仅是广播本身，还有围绕该活动运营的庞大网络，成千上万的后台系统需要按计划运行，同时被拉伸到最大容量。在云端，这一点尤其明显。无论是AWS支持Peacock流媒体还是西雅图海鹰队运营，或者说Google Cloud支持2028年奥运会，或者微软Azure为英超联赛提供动力，云端对于任何大型体育活动的举办都是至关重要的。这就是为什么，如果您的公司正在参与任何2026年的超级碗活动，您可能已经思考过自己的游戏日云计划（如果您还没有，那么可能已经太晚了）。但是，如果您正在考虑2027年超级碗的活动，或者您只想提高自己的云端水平，那么这篇文章就是为您准备的。下面，我将提供一个云端战术手册，您需要遵循它，以保持自己的团队灵活和准备就绪。在空间的考虑下，我将专注于两个关键领域，云端压力在游戏日显现：前所未有的数据激增和对人工智能的强烈依赖。但是首先，让我们快速集合，评估一下云端宕机的威胁。第一节基础：您应该多么依赖云端？在我们开始之前，我想明确一点：有足够的理由让联盟、球队和主要应用程序相信超级大型云端服务商的可靠性。主要的云端服务商已经赢得了他们的可靠性声誉——证据表明，他们的正常运行时间可靠性只会增加。但是，同时也很明显，任何核心基础设施都可能失败，即使在最关键的时刻，当基础设施提供商正在加班加点地确保完美的运行时。记得（与云端无关的）Coinbase崩溃事件或超级圆顶停电事件？或者更接近云端的Azure大规模宕机事件就在去年10月份的季度收益发布会前几个小时发生了。换句话说：假设您的云端服务商将会正常运作——但始终为最坏的情况做好准备。并且考虑到这一点，让我们来看看两个主要问题，导致了大多数云端挑战。数据风暴：处理前所未有的数据量云端正在支持超级碗运营，数据需求从未如此之大。仅举一个例子：去年FOX分享，为了支持实时分发，2025年超级碗的流媒体服务向1550万峰值同时观看者提供内容，需要大约135 Tbps——而2020年只有340万峰值同时观看者和15 Tbps。当然，需要记住的是，数据使用量的增加是因为数据量在各个方面都激增——无论是数据量还是数据类型。这种趋势增加了数据管理的复杂性——并且，正如Uptime Institute报告，这种复杂性反过来又带来了新的宕机威胁。其中一个新复杂性的来源当然是人工智能。第二节进攻：人工智能革命在过去的几年中，数据压力主要是由一个新的因素产生和管理的：人工智能的崛起。虽然超级碗特定的人工智能应用并不容易获得，但仅仅扫描一下NFL生态系统就可以看到人工智能应用在几乎每个方面的使用。为了了解人工智能在足球领域的应用，我们来看一下过去一年中一些足球相关的人工智能发展： 比赛 – NFL的Sideline Viewing System，微软开发的智能板平板电脑，用于跟踪比赛和管理边线集会，已经升级为GitHub Copilot访问“根据标准过滤比赛，例如进攻和距离，得分比赛和罚球，以快速分析阵型，破解防御和做出更数据驱动和战略性的决定”根据NFL公告。 广播 – ESPN推出了实时数据和比赛概率，由NFL的Next Gen Stats和TruPlay AI的体育分析和预测应用Adrenaline。 幻想联赛 – NFL推出了人工智能驱动的幻想联赛洞察，包括AWS人工智能、Next Gen Stats和NFL幻想的合作NFL Pro的幻想AI助手。 投注 – 投注应用FanDuel推出了其GenAI体育投注聊天功能，用于指导NFL和NBA投注者，这是在过去的三月份。...
像本周来自AWS的重大云端事故是不可避免的。以下四种方法可以帮助您的公司度过难关。 随着数小时的生产力损失，金融系统为数百万用户中断，并可能损失数百亿美元，本周的AWS中断无疑是全球IT团队的噩梦。当然，这也是自上一次事故以来最严重的全球云端灾难……直到下一次。 无论您使用AWS、GCP、Azure还是其他平台，重大中断都是云计算现实的组成部分。那么，您的公司可以采取什么措施来减轻打击？以下，我将提供四个步骤，供您的团队立即采取。 带着怀疑态度做好功课。 通常，团队会在云端安排中走向灾难的边缘，认为主要的云企业天生可靠。当然，获得最信任的公司是有原因的。同时，每个云和超级计算器提供了广泛的基础设施选项——仅AWS北美地区就有31个可用区和31个边缘网络位置——其中一些选项比其他选项可靠得多。 事实上，AWS的US-EAST-1区域，本周中断的原因，曾在2020年、2021年和2023年造成重大中断，并且在某些IT圈子中已知是最不可靠的区域。许多公司可能理解了这种情况，但由于该区域的低成本和丰富的服务而采取了计算风险。但是，考虑到中断的范围，不可能不考虑有多少公司完全被惊讶——并且如果他们知道权衡，肯定会选择更可靠的区域。我个人曾遇到过IT领导，他们只在过去与US-EAST-1有过糟糕的经历后才选择转移到其他AWS区域。 这里的教训是，在云端基础设施选项方面要做好功课，无论您使用哪个云端。开始的地方包括免费工具，如cloudprice、Cloudping和超级计算器提供的云服务健康工具的历史事件视图。 选择便携式而不是云端原生。 当您构建云端配置时，更简单的方法是选择云端原生。但是，虽然选择由云端提供商提供的应用程序很方便，但这些云端原生选项会在云端中断时使您更容易受到影响。 为了避免这种额外的云端依赖，尽可能选择独立和/或开源产品。以下是一些替代品的例子： 类别 原生产品示例 开源替代品包括… 身份验证和身份 AWS Cognito Keycloak 搜索 Azure Monitor Elasticsearch 关系数据库 Google Cloud SQL PostgreSQL...
对于电子商务领导者，假日季节带来两个确定性：大量涌入的购物者和云服务提供商中断的风险加大。主要的云中断似乎变得更加频繁和更具破坏性。例如，AWS US-East-1 区域有着在假日季节发生重大中断的历史。同样，每年一月，Microsoft Azure 都会在某些区域由于发布或测试计划而出现网络延迟问题或网络中断。而我们只需要回顾一下今年六月份，当时一个主要的 Google Cloud 中断 影响了广泛的应用程序，就会被提醒，没有一个单一的提供商是免疫的。如果您负责电子商务运营，您不希望发现，即使您已经设置了所有内容，但在一年中最关键的时刻，某些东西已经停止工作。这些云服务提供商中断和问题的趋势可能不在您的雷达上，坦率地说，它们不应该在您的雷达上。如果您是一名站点可靠性工程师，您不应该担心云平台中断是否会影响您的应用程序，也不应该在问题发生期间尝试调整您的基础设施。相反，您应该重新审视您对多云的了解。多云应用程序如果您的组织正在支付 AWS、Azure 和 GCP 的费用，您确实拥有所有三个云。但是，当您深入到更深层次时，很重要的是要检查一下会发生什么。如果您的某些应用程序是特定于 AWS、Azure 或 GCP 的，它们是否会在一个云提供商中断时继续工作，您需要快速切换到另一个云提供商时会发生什么?您的应用程序必须在任何云上完美运行。这就是真正的多云设置。如果您想成为云无关，您不能只是支付多云费用；您还必须确保您的应用程序也是多云的。此外，依赖单一提供商会引入计算能力、API 限速和区域可用性的固有约束。真正的多云架构增加了您的综合计算能力，并提供了对这些约束的弹性。它解锁了您在单一提供商限制之外按需扩展的能力，快速跨地域扩展容量，并在高峰购物日期间确保一致的性能。但是，拥有一个可移植的、云无关的应用程序只是第一步；下一步是以真正的弹性架构部署它。扩展到活跃-活跃方法这需要 DevOps 进行一些严肃的准备。创建一个 100% 准确的业务连续性灾难恢复 (BCDR) 策略是非常困难的，因为当您运行实时操作时，有多个故障点。您不希望在中断期间测试您的 BCDR 策略，因此您可能会觉得您只能预测可能的场景并相应地进行准备。我的建议是为站点可靠性工程师设计默认的故障。这意味着拥有一个或多个云在活跃状态下运行。一个仅限于单一提供商的...
