专访阿里云研究员张献涛：“神龙”开启云计算新征程

不同于其他云技术，裸金属服务是首先在国内诞生，然后国际的巨头才推出相应的服务，裸金属服务拓宽了云的边界，让用户可以像使用云主机一样方面的使用物理机，并得到更好的性能，引发了用户对云新的需求。阿里云在2017年10月推出了神龙技术架构及弹性裸金属实例，同时兼备物理机的肌肉和虚拟机的心脏，为云计算发展开启了一段新征程。

裸金属服务今后如何发展，阿里云的裸金属服务背后有那些细节，在2018年的云栖大会上，云技术社区北极熊对阿里云神龙项目负责人张献涛进行了独家专访，为你深度揭秘阿里云裸金属服务，本文是对专访精华部分文字版的整理。

北极熊：

阿里并不是个硬件厂商，阿里云的弹性裸金属实例（神龙）如何和其他硬件服务器厂商的裸金属云竞争，尤其是底层硬件服务器的管理，如何做到更自动化，更让用户满意？

张献涛：

AWS自己也不造机柜，我们看到的是无论是云计算厂商，还是以前的软件厂商，现在更多的是在设计硬件。经过多年的探索，我们积累了一定的硬件设计能力，也正在慢慢构建设计芯片的能力，你也看到了阿里巴巴成立了平头哥半导体公司。

但我们也不会是说要建一座半导体工厂，就像苹果手机一样，设计是苹果公司，最终的生产是富士康。阿里云和硬件厂商有很好的合作关系，大部分服务器都是定制化的，很大程度上我们参与了需求设计，结合具体的业务情况，把通用服务器中不需要的部分去掉，为客户节省成本。

有人说：“现在的互联网厂商，云计算厂商是最懂业务的”，这句话我很认同，从业务的角度出发去定义芯片、定义硬件，那才是最靠谱的。比如像TPU，像芯片，对内部的操作进行抽象，抽象出来特殊的指令，不是我们看到的加减乘除这样的的指令，而是一些矢量化的指令，通过这样的一条指令可以完成一些列的动作。

服务器也一样，我们为什么要做要做神龙架构，就是传统的服务器没有办法满足我的业务需求了。因为传统服务器硬件不能变，只能在这个之上做创新，阿里云的神龙架构可以消除虚拟化的开销，还原物理机100%的计算资源，同时又拥有虚拟机的一切特性，可无缝迁移。

当然，有些友商也推出了弹性裸金属产品，但本质上还是物理机托管，不具备虚拟化能力。这一点，神龙做的是比较好的，跟阿里云的产品完全打通，这是比较难的。

如果从硬件层面去提供租赁服务，网络是可以打通的，但是整个体验是完全不一样的，你很难放到一个VPC里面，你很难支持弹性网络，你很难支持EIP。如果体验不一致，就会给客户的使用带来很大的障碍，所以做裸金属的挺多，但是能真正把裸金属做成和虚拟机一样的体验的，目前来看只有亚马逊和阿里云。

北极熊：

使用裸金属的一般都是重型应用，神龙服务器有没有获得HANA、甲骨文、SAP等厂商的认证，甲骨文也有自己的裸金属云服务，您如何看待这些关系？

张献涛：

杭州云栖大会上，我们和SAP、VMware都宣布了合作，这些企业的客户都可以用上阿里云。其实2年前，阿里云和SAP就在ECS方面有合作了，用户在阿里云上使用SAP的产品不存在任何障碍，我们也有很多实例通过了SAP HANA的认证。

多说一句，SAP认证在KVM上还是挺难的，HANA认证，四百多个CASE，性能损失要保持在12%以下，阿里云的400多个CASE最终做到了性能损失在2个百分点以下。

弹性裸金属实例（神龙）的认证就更简单了，在计算方面和物理机一致，在网络存储IO方面和虚拟机一致。

在这个领域，我们不担心竞争，裸金属云肯定是未来的一个重要方向，但是不会取代传统的虚拟化，是有益的补充，随着不断的优化，体验完全和虚拟机一样的时候，用户就不会介意使用的是裸金属还是虚拟机，只是那个更好用，那个性能更好，那个更稳定。这个是业界的发展趋势，这个领域会有更多的厂商进来，像甲骨文，AWS等，我们不担心竞争，大家一起耕耘。

北极熊：

企业用户对业务如何迁移到云上是一个痛点，神龙技术架构在帮助用户将业务迁移到云上有没有绝招，能否帮助用户不停机的迁移业务？

张献涛：

其实，最早有很多客户询问阿里云有没有物理机服务，但我们没这么做。因为，那样我们就不是云计算厂商了，而是传统的托管厂商了。我们在和客户的一轮一轮交流下来，对客户的需求进行提炼分析之后，我们认为客户要的是一个和物理机一样的服务，而且要能自动化的去使用，最好能像虚拟机的一样申请和释放，整个体验都可以像虚拟机一样的弹性。

在我们了解客户需求后，我们知道，客户要的就是今天的“神龙”。

所以当这款产品出来之后，原来可能没有办法向云上迁移的这部分客户就有了新选择。客户上来之后，会发现这个物理机居然和我要的不一样，他要的可能是一个功能机，突然发现给他的是一个iPhone的时候，他会感觉不仅功能能用，而且自动化程度更高，并且成本比物理机还低。

如果客户线下使用的VMware，没问题，可以把VMware部署到神龙裸金属服务器上面，但是传统的虚拟化，要想部署VMware在云上几乎是不可能的，软件层面要做虚拟化嵌套，性能损失、安全性都有很大的问题。

北极熊：

在杭州云栖大会上我我们看到，神龙裸金属云的嵌套虚拟化方案，请问在神龙上搭建自己的私有云，可以和已经使用的阿里云其他产品，比如云主机，云存储等打通吗？可以和用户的数据中心打通吗？如果使用的是商业产品，比如VMware，授权问题如何解决？

张献涛：

神龙和其他云产品全部是互联互通的，第一代神龙提供32个网络接口，每一个都是VPC的网络接口，VPC的网络接口每一个都有EIP，都有自己的私网IP，有自己的私网IP，可以和VPC里面的所有云产品互联互通，存储、数据库等等，通过VPC可以和整个云的设施打通。

和用户的数据中心互通，整个刚才也提到了，我们有个客户，线下采用的是OpenStack，经常有弹性的需求，使用神龙的GPU服务器、神龙的普通节点，通过我们的专线打通之后，又在云上搭建OpenStack环境。

北极熊：

能否分享一些比较好的落地案例？

张献涛：

地平线是一家人工智能初创企业，他的整个GPU云，都在使用神龙。AI这个行业对GPU的需求是非常大的，原来AI计算使用的是一张卡，后来发现一张卡不够，使用八张卡。随着复杂性的增加，发现八张卡也不够了，可能就需要十六张甚至更多，像英伟达有一款产品，可以使用十六张去训练，随着模型更复杂，十六张卡也不够用了，有些模型需要用到两百张卡，甚至五百张卡，那怎么办？

其实就是将更多机器通过高速低延迟的网络互连起来，把几百张卡连接起来，就像一张卡一样，我们现在碰到最大的一家客户，已经用到几百张卡了，那就要用基于神龙搭建的超级计算机集群的产品，可以使用低延迟的网络，把模型和规模做到几百张卡，原来可能需要一个月训练的内容，现在可能就是几天，或者几个小时就训练好了。

另外，阿里云许多汽车制造业的客户，他们在做传统的高性能计算，比如做传统的汽车仿真，一次性要调用几百台高主频的实例，他们都在用神龙的计算能力。

许

还有一种场景，有一些公司，本来自己是做云的，是PaaS或者SaaS层面的云，突然发现有了神龙后，自己没有必要采购硬件了。这种情况下，可以基于我们的IaaS能力构建他的云，现在这样也是一种趋势。