摘要：一為什么要使用虛擬云桌面背景攜程呼叫中心，即服務聯絡中心，是攜程的核心部門之一，現有幾萬員工。他們全年小時為全球攜程用戶提供服務。為此，攜程正式引入了虛擬云桌面。攜程云桌面現狀攜程云桌面現已部署上海南通如皋合肥信陽穆棱六個呼叫中心。

編者：本文為劉科在第六期【攜程技術微分享】中的分享內容。在攜程技術中心(微信號ctriptech）微信后臺回復【云桌面】，可加入微信交流群，和關注云桌面的小伙伴一起玩耍~

劉科，攜程系統研發云平臺桌面虛擬架構師，多年從事分布式計算、通信系統平臺設計、開發。

【攜程技術微分享】是攜程技術中心推出的線上公開分享課程，每月1-2期，采用目前最火熱的直播形式，邀請攜程技術人，面向廣大程序猿和技術愛好者，一起探討最新的技術熱點，分享一線實戰經驗。

本期視頻回放點擊這里。

OpenStack是當前最主流、最熱門的云平臺，攜程OpenStack環境除了應用在攜程網站，還廣泛應用于攜程呼叫中心的桌面云系統。作為業界最領先的呼叫中心之一，攜程服務聯絡中心幾萬員工365x24小時提供全球化服務，讓說走就走的親們毫無后顧之憂。

桌面云極大地提升了IT運維效率，顯著降低了用戶故障率，是未來IT的一大發展趨勢。那么攜程是如何把這兩者高效結合部署于攜程呼叫中心的呢？

本文將主要分享攜程呼叫中心廣泛使用的桌面云系統，介紹這套基于OpenStack的云桌面系統架構以及在開發過程中碰到的一些OpenStack相關問題，并分享云桌面系統運維、監控、自動化測試等。

1、背景

攜程呼叫中心，即服務聯絡中心，是攜程的核心部門之一，現有幾萬員工。他們全年7x24小時為全球攜程用戶提供服務。以前呼叫中心桌面使用臺式PC，隨著業務規模的擴大，PC維護量倍增，需要投入大量人力、物力、財力來報障系統穩定運行。為此，攜程正式引入了虛擬云桌面。

虛擬云桌面是什么呢？如圖所示，用戶桌面PC機換成了一個云桌面瘦客戶端（ThinClient，TC）。所有的CPU、內存、硬盤都在云端。云端跑滿虛擬機，用戶桌面通過瘦客戶端連入虛擬機使用Windows。其中，虛擬機采用QEMU加KVM實現，云環境是用OpenStack進行管理，遠程桌面協議是第三方高度定制、修改過的spice協議。

2、云桌面的優勢

第一，運維成本。PC部署以及系統軟件安裝耗時較長，云桌面后臺5分鐘一臺自動交付可供用戶使用的虛擬機；PC擴大部署投入巨大，云桌面只需要購買少量服務器接入云系統，快速擴大部署。

第二，故障處理效率。PC有問題，有可能需技術人員到用戶現場開箱檢查，故障排查耗時較長，嚴重點的硬件問題如需更換配件，等待周期更長。云桌面故障標準是5分鐘處理完畢。對于5分鐘無法解決的問題，只需后臺更換虛擬機解決。

第三，運維管理。PC分散在用戶桌面，運維需要用戶配合（比如保持開機）。云桌面提供了運維系統，只需設定好時間、安裝任務參數，系統會全自動進行安裝維護。同時，瘦客戶端輕量，無任何用戶數據，對用戶也帶來極大便利。典型的如用戶位置遷移，云桌面無需搬移，只需用戶到新位置登錄即可。

最后，云桌面整體低碳、環保。瘦客戶端功率跟普通節能燈相近，比PC低一個數量級。

3、攜程云桌面現狀

攜程云桌面現已部署上海、南通、如皋、合肥、信陽、穆棱六個呼叫中心。幾百臺計算節點、近萬坐席，而且規模還在不斷擴大中，新的呼叫中心也在計劃中。

同時，云桌面平臺故障率、瘦客戶端故障率也遠低于PC故障率。下圖是攜程運維部門的故障率統計圖。

1、云桌面原架構

攜程云桌面后臺云平臺在實踐中進行了多次迭代，原有架構如上圖所示。該架構特點是，直接在OpenStack Nova進行定制開發，添加了分配虛擬的接口，實現瘦客戶端直接訪問OpenStack獲取虛擬機信息。

這個架構下，云桌面平臺可以直接訪問全部的虛擬機信息，直接進行全部的虛擬機操作，數據也集中存在OpenStack數據庫，部署方便。用戶權限通過OpenStack Keystone直接管控，管理界面使用OpenStack Horizon并添加云桌面管理頁面。

典型的分配虛擬機用例中，瘦客戶端通過OpenStack Keystone進行認證、獲取Token，然后訪問Nova請求虛擬機。如上圖所示，瘦客戶端會通過Keystone進行認證，Keystone確認用戶存在后向域LDAP進行密碼校驗，確認用戶合法后返回Token；瘦客戶端再通過Token向Nova申請虛擬機。

Nova根據瘦客戶端設置的坐席信息，首先查找這個坐席是否已分配虛擬機。如有直接返回對應虛擬機。如無，從后臺空閑虛擬機中進行分配并更新數據庫分配，返回遠程桌面協議連接信息。

2、原架構局限性

隨著業務增長，原架構出現一些局限性，首先，業務與OpenStack呈強綁定關系，導致OpenStack升級涉及業務重寫；修改業務邏輯需要對整個云平臺做回歸測試。

其次，用戶必須要是Keystone用戶，用戶管理必須使用Keystone模型。導致Keystone與LDAP之間要定期同步進行，有時還需手工同步特殊用戶。

管理層面，因為Horizon的面向云資源管理的，但業務主要面向運維的。這部分差異，導致我們開發新的Portal來彌補，管理人員需要通過兩套系統來進行運維。

整體方案上，云桌面遠程桌面協議由第三方提供，如果第三方方案不支持OpenStack，就無法在攜程云桌面系統使用。

最后，用戶部門有各種需求，直接在OpenStack內進行開發難度大，上線時間長，開發人員很難實現技術引領業務發展。

3、新架構

經過架構調整，新架構實現了OpenStack與我們的業務解耦，同時適應用戶部門的業務發展方向，方便功能快速迭代上線。

從圖中可以看出，云桌面業務邏輯從OpenStack中獨立出來，成為了VMPool，Allocator；管理層獨立開發一套面向IT運維的Portal系統，取代Horizon；云平臺可直接原生的OpenStack。

其中VMPool負責維護某種規格虛擬機的可用數量，避免需要的時候沒有虛擬機可用，讓用戶等待。Allocator滿足符合條件的用戶請求，返回用戶對應的虛擬機或者從VMPool分配虛擬機分配用戶。

對于用戶分配虛擬機的典型用例，與原有架構改動較大。首先，業務層瘦客戶端將直接訪問業務層的API。API層會直接通過LDAP進行用戶認證，并獲取用戶OU、組別等信息。

接著，業務層將進行用戶規則匹配。每個Allocator通過用戶組、OU、tag等進行規則匹配，以確定該用戶是否由自己進行服務。如不滿足Allocator所定義的規則，將按Allocator的優先等級，繼續選取下一個Allocator進行匹配，直到匹配或者默認規則為止。

匹配后，如果是有綁定關系的分配規則，比如用戶綁定或者坐席綁定、TC綁定，那Allocator將直接從數據庫返回已有的綁定；如果無綁定關系，Allocator就會從對應的VMPool分配一臺虛擬給，返回給用戶。

最后，對用戶部門來說，看到的是用戶屬于一個組，這個組對應特定的虛擬機。只需調整用戶屬性，即可實現用戶分配特定的虛擬機，充分滿足他們的各種需求。

1、軟件版本選取

在搭建OpenStack前，必須進行需求分析，確定所需的需求。然后根據需求選取滿足條件的OpenStack及相關組件的版本，以避免后期出現各種系統及虛擬機問題。

我們根據攜程呼叫中心的業務需要，選好了幾個版本的KVM、QEMU，以及OpenVSwitch，在選取能適配它們的幾個可用kernel、Libvirt版本，并剔除了不穩定版本或者有已知問題的版本，將這些組件組成合理的組合，進行7x24小時用戶模擬自動測試，找到最穩定、合適的并滿足需求的，作生產上線使用。

2、資源超分

超分與應用場景強關聯。一定要首先確定需求，是CPU密集、內存密集、IO密集還是存儲密集。在做了充足的用戶調查后，我們準備了大量用戶模擬自動化腳本，進行自動化測試，以選取最合理超分值。

從我們的測試結果看，瓶頸主要是內存。內存超分過度會導致主機直接OOM（Out Of Memory）宕機。Windows及Windows應用吃內存比較嚴重，特別是像Chrome這些程序，優先占用內存先。雖然我們使用KSM（Kernel Samepage Merging，相同內存頁合并功能），省了一些內存，但最終上線也只能達到1:1.2的超分。

對于IO，在Windows啟動階段比較明顯。大量Windows同時啟動時會造成啟動風暴情，在我們的極端條件測試中出現過啟動Windows需要40分鐘，硬盤IO 100%使用，每個讀寫請求平均0.2秒響應。所以，在大規模部署時，對虛擬機并發開機數一定要有一定限制。同時，硬盤一定要多塊做RAID，以提供更高的IO吞吐量。

最后是CPU。 CPU過度超分會嚴重影響用戶體驗。但是一般不會造成宿主機宕機。在我們的測試條件下，超分到1:2用戶體驗開始下降，所以實際上線超分不多。

最終我們現在生產環境，是以內存為標準進行超分，硬盤、CPU控制在可接受范圍。

3、網絡細節

多DNSMasq實例問題

我們虛擬機的IP地址通過DHCP獲取。DHCP服務端我們使用的DNSMasq比較老，只是簡單的實現了多實例運行，但并未真正實現綁定到虛擬接口。

在生產環境，我們觀察到VM都能獲取IP，但是在續租IP的時候大量失敗。經抓包分析，虛擬機在第一次請求IP時，由于自身無IP地址，使用的是廣播方式進行DHCP請求；在續租時，由于本身有IP地址，也已明確DHCP服務端地址，所以采用IP點對點單播請求。

服務端，多個DNSMasq實例運行的情況下，如果是廣播包，所有DNSMasq都收到消息，所有廣播請求能正確回復。在單播情況下，只有最后啟動的DNSMasq能收到請求，最終導致虛擬機得不到正確的DHCP續租響應。最終我們通過升級DNSMasq解決。

宿主機重啟導致虛擬機網絡不通

在物理機重啟后，有時會出現VM網絡不通。經過調查，我們分析出根本原因是libvirt, ovs的啟動、關閉順序。

在正常情況下，libvrit退出時會刪除它管理的OpenVSwitch Port以及它創建的對應的Tap虛擬網卡。libvirt啟動時會創建需要的Tap網卡，并請求OpenVSwitch 創建對應的Port建立虛擬連接。

邏輯上，OpenVSwitch Port相當于交換機網口。Tap網卡，相當于PC的網卡。他們之間需要連線網絡才能正常通信。

如果關機時，OpenVSwitch比Libvirt先停止，Libvirt將不能成功刪除它管理的OpenVSwitch Port ；開機時，如果OpenVSwitch先啟動，它將建試圖重建之前存在的port。但因為Libvirt還未啟動， OpenVSwitch Port對應的Tap網卡還未創建（即虛擬網口對應的虛擬網卡不存在），OpenVSwitch重建Port最終失敗并且Port將被銷毀。

由于Port信息對OpenVSwitch來說是用戶配置信息，OpenVSwitch并不會從數據庫中清理掉對應的Port記錄。所以等到Libvirt啟動調用OpenVSwitch創建Port時，OpenVSwitch發現數據庫里面已經存在這些Port，所以并未真正觸發Port重建，最后造成VM網絡不通。

最終我們通過開、關機順序調整實現問題修復。

RabbitMQ長連接

RabbitMQ是OpenStack使用的一種消息交交互組件。OpenStack在某些時候，會出現無法創建虛擬機的情況。通過日志分析我們發現計算節點沒有收到對應的創建請求消息。然后抓包分析進一步發現，TCP數據包被防火墻攔截、丟棄。原來防火墻對TCP會話有數量限制，會定期丟棄長久無數據交互的TCP會話。

在了解根本原因后，一方面通過定期自動冒煙測試保證網絡不空閑，一方面想解決方案。從應用層面上，我們調研到RabbitMQ已經有心跳機制，但要升級。由于升級影響范圍太廣，最終沒有進行。

接著我們對網絡層面進行了調查，發現TCP本身有Keepalive保活機制，同時RabbitMQ代碼本身也有TCP保活，但默認不開啟。最后我們通過啟用RabbitMQ TCP保活機制，設置一個合理的保活間隔解決問題。

1、運維工具

運維是云桌面的一大難題，為此我們專門設計了運維系統，通過兩套SaltStack系統實現了對瘦客戶端與虛擬機的管理；通過Portal系統實現對整個系統的管理。

具體功能上，運維上，實現了對虛擬機、宿主機的可視化監控、管理，并能對虛擬機實現遠程管理；對IT管理人員，實現了自動化的軟件安裝、文件下發、密碼修改、數據找回，、發送通知等功能；對資產管理員，實現了TC狀態監控，TC異常情況及時發現。還有其它大量工作仍在開發進行中。

2、監控告警

監控方面，除了常規的服務器、操作系統層面的監控，我們實現了大量業務層監控。比如通過監控已經連接云桌面的瘦客戶端用戶輸入事件，實現實時活躍用戶監控，使得我們能實時監控系統負載、用戶數量。通過對比部門排班，第一時間發現用戶數異常。

同時，對OpenStack 的各種告警、ERROR的也添加了監控，確保云平臺的穩定。 對虛擬機網絡、CPU等也進行了相應監控，確保虛擬機對于用戶的高可用性。

3、自動化測試

通過在瘦客戶端實現用戶輸入輸出模擬，我們實現了全自動的測試環境。我們搭建了專門的云桌面測試實驗室，數十臺盒子進行7x24小時自動測試，全力驗證系統各項變更，支持業務各種研究探索，保障系統穩定性。

同時，通過傳統的CI框架，我們搭建了代碼的單元測試、集成測試環境，已經大量的線上測試用例，不僅有力的保障了軟件質量，還能定期對線上系統進行體檢，第一時間發現系統異常