在蚂蚁技术体系中，活跃着一支特别的队伍，他们专搞“破坏”，被称之为“技术蓝军”，蓝军的任务就是不断地攻击系统，而防守方则被称为“技术红军”。
给红军团队不停的制造“麻烦”已成为技术蓝军的“常态”，据说这样的技术攻防演练每周都在进行，除了每年5月底的“期中考试”周，12月第三个星期为年度技术“期末考试”周，“技术蓝军”随时也会组织突袭攻击“测验”，通过实战中发掘出来的脆弱点来牵引红军进行能力升级。
蚂蚁集团技术风险部负责人陈亮
这是9月25日“Inclusion·外滩大会”技术风险分论坛上，蚂蚁集团技术风险部负责人陈亮分享的真实故事。在他看来，“技术驱动+攻防演练，始终是促进蚂蚁技术风险能力自主持续增长的最重要方式。”
确实如此，对于蚂蚁这种每秒能够处理百亿、千亿级资金的平台来说，技术风险的管控是生死攸关的大事，更何况是金融级的，且是基于互联网开展的，这对技术风险提出了兼具稳定和快速的更高要求，它的难度远超其他单纯的互联网或者金融机构。
也正是为了应对这种独特的挑战，蚂蚁在国内率先组建了第一支SRE团队，这支团队不仅锤炼出了技术风险防控平台TRaaS（TechnologicalRisk-defenseasaService）这样的解决方案，更探索出了与众不同的基于技术风险管理的一整套体系和文化，真正为蚂蚁集团支撑起了一条无形的、牢不可破的技术防线。
宝剑锋从磨砺出背后
对于蚂蚁集团资深技术专家李铮来说，SRE团队组建前后的经历直到今天仍然让他“记忆犹新”。
他说：“技术风险之于蚂蚁而言非常重要，互联网业务要求快速，而金融业务又十分强调稳定，但我们则要求又快又稳，这种挑战如果还是沿用过去常规的、传统的方式来应对，肯定是没有办法实现的，这就必须把技术沉淀到风险管理中，去保障蚂蚁业务和应用的稳妥创新。”
毫无疑问，系统的业务连续性保障和资损风险监控，始终是每一位蚂蚁技术人员的工作中的“重中之重”，如同每一笔交易支付中要始终确保安全一样，技术风险的管控也要确保系统和应用不能够出现任何的故障和风险，这种保障压力尤其在每年的“双11”和“双12”中就显得更加的突出。
在这样的背景之下，年，蚂蚁技术团队开始沉淀故障检测等方面的平台化能力；年，技术质量部正式成立，并在次年升级为技术风险部，专注应对技术风险问题，从全域视角落地相应的解决方案；年，蚂蚁技术风险部再度升级为SRE团队，该团队主要由研发、运维和测试人员组成，这个概念最早由国外提出，在蚂蚁内部则被进一步诠释为“SiteRiskEngineer”。
李铮认为，之所以有如此之高的要求，是因为蚂蚁有金融级业务的属性，每一笔支付背后都对应着上百个系统，背后的技术风险管理难度可想而知。因此，解决技术风险的挑战，本质上还是要回归到技术创新这条道路上来，即需要用软件或者说代码的方式化解这些难题，同时还要把这些技术能力抽象和沉淀出来，以平台化的方式更好地管理风险。
以“变更”为例，它指的是代码上线到实际生产环境的过程，这就要求SRE团队需要围绕变更建立各种技术手段，减少变更导致的故障，并研发变更相应的平台，为此，该团队建立了一系列制度保证系统内的任何变更都符合可监控、可灰度、可回滚的“三板斧”要求，并且构建了一套变更防御的微服务让“三板斧”能力系统化实时检测，变更风险秒级拦截。
其实，类似“变更”这样的操作，只是蚂蚁SRE团队日常技术风险创新工作中的“缩影”，也正是得益于这样对日常技术风险工作的长期的沉淀和积累，蚂蚁打造出了技术风险防控平台TRaaS，该架构被称之为“免疫系统”，具备三大特性，包括高达99.%的高可用性；万亿级资金秒级实时核对；5分钟发现，5分钟自愈的免疫能力。
这种强大的技术创新能力，正是蚂蚁集团在金融科技领域所独有的“杀手锏”。更为关键的是，这也让蚂蚁的SRE团队不仅仅是一个工种、一个岗位，更是一种能力，它的价值不仅能增强团队的整体风险意识，更成为了蚂蚁技术创新体系中的“新引擎”。
可以看到，今天身处蚂蚁SRE团队，不仅要负责全面业务风险分析、线上风险应急处置、业务变更防线研发、资金安全防线研发等工作，更担负着智能监控应急、纵深变更防御、全局容量调度，以及还需要解决世界级的分布式系统处理难题，识别和解决潜在的技术风险等，这也就催生了文章开头中所提到的红蓝攻防演练机制等等。
对此，李铮表示：“今天蚂蚁构建起来的这种稳妥创新的技术风险管理体系，背后既有技术创新的支撑，也有团队组织的保障，更有将技术风险融入日常研发、融入技术平台的文化，三者缺一不可。”
我们常说，宝剑锋从磨砺出——经历过极限洗礼和考验的蚂蚁SRE团队，可以说真正打造出了自身不断创新、并随技术风险演变而不断进化的基因，这是其能够支撑蚂蚁在金融级的业务场景中实现“稳妥创新”关键价值所在。
为技术转型“保驾护航”
事实上，这种“稳妥创新”机制今天已经贯穿到蚂蚁的技术风险体系之中。以云原生架构转型为例，今天蚂蚁大量的业务也开始大量转向更具可靠性和扩展性、更加易于维护的云原生应用。
但在此过程中，随着云原生应用、容器、微服务以及DevOps开发流程的倍速发展，越来越多的应用基于云原生构建，并与核心系统深度集成，由此也带来了前所未有的挑战。
这些挑战包括：产品需求变更频繁、软件开发速度也越来越快，这个过程中带来风险的可能性和频率也越来越高；基础架构的迁移要求系统进行全面的测试，带来了巨大的测试工作量；原有的技术风险基础设施和中台部分系统不适应云原生架构，需要重新研发等等。
蚂蚁集团资深技术专家李铮
李铮形容说:“技术架构的云原生化，这种转变意味着蚂蚁的技术体系需要做大量的变革，可以比喻成“为高速飞行中的飞机换引擎”，那么作为守门员的技术风险团队，不仅仅只是做一名守护者，同时也要对技术创新的成败负责，这就要求SRE团队发挥更加重要的协同创新作用。”
首先，作为技术风险的“守护者”，SRE团队的工作就是要把好“上线关”。此前，蚂蚁就开始尝试使用安全容器，但在正式上线之前，SRE团队就必须对安全容器进行灰度验证，并且要反复的进行压测。比如系统的性能，加上安全容器之后系统的性能也需要要有稳定、持续的保证，如果性能指标下降超过某个规定的“阈值”，那么SRE团队只能要求技术研发人员把容器安全应用重新回炉“再造”。
“我们在这个过程中，就会投入比较大的精力去做前期的评估和验证，以确保云原生应用中的每个技术组件到底有没有问题，到底跟当前的业务系统运行是不是契合，性能是不是能够得以保证，这些都是十分关键的点，也是非常重要的工作。”李铮表示。
其次，SRE团队也要发挥协同创新的能力，包括进行容器应用的前瞻性判断，也要基于现有的技术风险体系做出决策和分析，最终保证云原生应用的高效落地。
以ServiceMesh应用为例，我们知道业务容器内独立进程的好处在于与传统的部署模式兼容，易于快速上线；但独立进程强侵入业务容器，对于镜像化的容器更难于管理，而云原生化，则可以将ServiceMesh本身的运维与业务容器解耦开来，实现中间件运维能力的下沉，但要让ServiceMesh大规模的落地，就必须做好充分的技术风险管理和保障工作。
李铮认为，“要完成这项工作，除了为ServiceMesh落地配备专属的SRE团队，还要基于成本、运维效率、稳定性做全面的评估和保障，构建一套支撑ServiceMesh大规模无人值守变更和秒级故障定位和应急处置的稳定性服务，最终让ServiceMesh的落地更加高效和可靠。”
最后，SRE团队更要积极主动的释放自身的技术创新红利。从某种程度上来说，蚂蚁在走向云原生架构的转型时，其技术风险能力也在经历着云原生化的“升级”。
如今，蚂蚁基于云原生技术稳定性实践方面也积累了很多的经验。例如，从不可变基础设施到极速恢复能力的构建；通过统一变更的标准接入，强制系统化“三把斧”，构建了无人值守的变更防御体系；此外，通过云原生统一调度+变更防御+数据算法驱动，蚂蚁SRE团队实现了全局大规模容量可靠托管，大幅减少了运维成本等等。
由此可见，蚂蚁SRE团队技术风险能力云原生化的“升级”，不仅保证了其业务创新的高效可落地，同时也把国内的技术风险能力再次提升到了一个全新的高度。
创新筑基与智赋未来
正所谓高度决定视野，视野决定格局。李铮认为，技术风险在各业务领域中不是横向的，而是“自上而下的贯穿”：从最底层的云原生到最上层的具体业务场景，无处不在，一以贯之。因此，面向未来，蚂蚁的SRE团队的工作也将在两个方向展开：
一方面，就是针对下一代技术风险体系持续做好技术创新，其重点包括三个方面：在智能化方面，SRE团队重点