提到国内云计算，阿里云飞天系统几乎绕不开。它没有直接打开就能用的界面，更像阿里云所有计算、存储和网络服务下面的一层底座。你可能用过阿里云的服务器、对象存储或数据库，但未必知道这些服务实际跑在飞天上。
这部分从飞天为什么出现讲起，依次看分层结构、支撑能力和几个典型场景。
飞天为什么会出现
2009年前后，阿里巴巴的业务增长很快，淘宝、支付宝每天都要处理大量交易数据。当时常见的做法是小型机加商业数据库。这套架构在稳定性上还能撑住，但扩容很慢，一台小型机往往要等上好几周。大促时的流量峰值又常常是平时的好几倍，这种落差很难应付。
在这种压力下，阿里集团决定自研分布式操作系统，也就是飞天项目。团队的思路很直接：把成千上万台普通x86服务器管成一台“超级计算机”，上层应用不用关心程序跑在哪台机器上，也不用关心哪台机器刚坏了。
分层结构：各管一段
飞天可以按几层来理解。各层分工清楚，又需要彼此配合。
资源管理层（Fuxi）
资源调度模块负责盯着集群里每台机器的CPU、内存、磁盘和网络状态，再按任务需求分配资源。它采用增量式调度和多级队列等机制，集群规模很大时，调度延迟依然能控制在较低水平。
分布式存储层（盘古，Pangu）
盘古是飞天的分布式文件系统，负责数据存放和副本管理。数据会切分后分散存在多台机器上，某台机器出问题时，可以从其他副本恢复，业务一般察觉不到。阿里云的对象存储OSS、块存储等产品，都建立在这套能力之上。
计算服务层（MaxCompute等）
在飞天之上，阿里构建了大数据计算平台MaxCompute，面向PB级数据的离线分析。使用者提交SQL或脚本，系统负责拆分任务、分发到集群节点执行，最后汇总结果。
运维与自愈
飞天还包括统一的监控、部署和故障自愈能力。服务器宕机、磁盘损坏这类常见问题，系统能自动检测并迁移任务，人工介入的次数会少很多。
支撑大规模业务靠什么
从工程角度看，飞天的价值主要落在三件事上。
- 弹性扩展：新服务器可以动态加入集群，资源池会随业务增长平滑扩容。
- 高可用：多副本加上故障自动转移，单个节点出问题通常不会直接导致服务中断。
- 资源利用率：统一调度让不同业务错峰用资源，减少各系统各自占着机器却闲着的情况。
这些能力一开始并不成熟，是在阿里内部业务长期高压运行中一点点打磨出来的。
几个典型场景
大促期间的弹性调度
每年双11，淘宝和天猫的订单峰值会远超平日。依靠飞天的资源调度，阿里可以在短时间内调用大量计算资源处理交易，大促结束后再把资源放回资源池。这种随负载起伏的用法，是云计算最直接的价值之一。
数据分析的门槛降低
设想一个电商团队要每天分析数亿条用户行为日志，用来调整推荐策略。如果基于MaxCompute来做，数据工程师主要写SQL即可，不必先自己搭Hadoop集群，任务执行和资源分配由平台处理。省下的主要是环境搭建和调试的时间。
从内部系统到公共云
飞天最初服务于阿里内部，之后逐步对外开放，成为阿里云公共云的技术底座。中小企业不用自建机房，也能按需使用计算和存储资源，这是飞天对外输出能力最直接的形式。
小结
说白了，飞天做的事就是把大规模分布式计算的复杂性收进底层，让上层业务专注自己的逻辑。理解它的架构，也就更容易看清今天的云服务是怎么跑起来的。
