DNS是網絡的基礎服務，網絡上的各種應用對DNS的依賴性很高。DNS的穩定，直接決定了上層應用服務的穩定。那如何保障DNS服務的高可用呢？
我們先來看下高可用的概念：
高可用
高可用（High availability）：指系統無中斷地執行其功能的能力，一般用下面的公式來衡量：
- MTBF: Mean time between Failures，平均多久出一次故障；
- MTTR: Mean time to recover，出故障后的恢復服務的時間。
實現dns高可用，主要靠降低出故障、故障后快速恢復。下圖是dns服務架構簡圖，分為管控層和解析層，后面分別描述這兩層如何實現高可用。
管控層
管控層最主要的兩個功能： DNS數據的持久化，DNS數據下發到adns(dnsserver)。
1 數據持久化
管控層接收用戶配置的域名數據后，持久化存儲在數據庫。利用了數據庫團隊的X-Cluster產品,實現數據的高可用，消除了運維誤操作等原因導致的數據丟失：
數據庫采用三地五副本，同城強同步方案部署；
數據庫各個節點間采用Paxos 協議選主，在任意階段出現問題后，數據內部自選主切換；
應用機房部署與數據庫解耦，可以任意機房部署；
在數據庫Leader 故障場景下，數據庫會自動發生切換，應用連入任意節點獲取當前Leader 位置后恢復應用業務。
2 數據下發
管控與adns之間，主要通過穩定的內部網絡來下發數據，數據傳輸出錯的概率低；
管控向adns發送數據時，有數據補償機制，對與下發失敗，做多次重試，如果重試都無法成功，報警轉人工處理。
解析層
解析層由adns集群組成，部署在全球的上百個idc機房，通過anycast發布大量的服務ip。用戶向這些ip發送dns請求，獲取解析結果。
1 消除單點
解析層主要靠消除單點實現failover，來減少故障。
- 主機到網絡：每台adns通過雙網口，雙上聯到兩個不同的交換機，避免網口單點、交換機的單點故障；
- 集群內：adns分成多個不同集群，每個集群內多台adns，這些機器向交換機發布相同的IP，通過ECMP分發流量。同集群內DNS都是熱備的關系，當某台adns出問題，交換機把流量分發到其它服務器。
- 集群間：多個不同的集群，發布相同的ip，這些集群之間，通過網絡的anycast技術相互熱備，某個集群不可用，流量被轉到其它可用的集群。
- NS IP：由於特殊原因(比如運營商黑洞等)，個別IP全網都無法訪問。我們對每個NS配置多個IP，LocalDNS會基於SRTT算法，選擇出最短的rt的IP，將請求轉發過去，從而避開有問題的IP。
2 系統容量
監控系統實時監控各個服務器、集群的qps容量；
adns集群，部署上具備水平擴容能力，容量能達到機房的帶寬。
3 如何保證解析正確
部署數據對賬系統，對adns之間做數據對比，adns與管控的DB做數據對比；
部署撥測系統，對zone的soa做撥測，對特定域名的rr記錄做撥測；
通過上面的兩類手段，及時發現數據異常並作出響應，避免異常或者縮短異常的處理時間。
一般通過摘除有問題的服務器的路由，幾秒鍾即可生效。
4 安全防護
作為面向公網的服務，網絡攻擊無法避免，會影響系統可用性。我們采用了下面兩類安防手段，提高dns的可用性。
1) 網絡攻擊防護
常見的dns攻擊，是4層的ddos攻擊。對於超大流量的網絡攻擊，利用機房部署的aliguard，做網絡防護；
為了減少ddos防護系統對dns的影響，我們設置了很高的防護閾值，對應閾值之下的ddos攻擊，通過我們高性能的dnsserver(adns)來承載攻擊。
2) 應用安全
為了應對DNS投毒、欺騙等場景，我們的dnsserver，支持dnssec；
為了應對DNS劫持，我們支持有連接的協議，比如tcpdnshttpdnstlsdoh；
用戶可以根據自己的需求，選擇合適的安全方案。