事件回溯

據(jù)網(wǎng)友爆料，3 月 2 日 23:55 分左右，阿里云疑似出現(xiàn)大規(guī)模故障情況，華北相當(dāng)多互聯(lián)網(wǎng)公司都炸了，一眾 APP 和網(wǎng)站陷入癱瘓，一大波程序員、運(yùn)營(yíng)和運(yùn)維人員都趕去公司加班。晚些時(shí)候，阿里云對(duì)此作出回應(yīng)稱(chēng)：華北 2 地域可用區(qū) C 部分 ECS 實(shí)例狀態(tài)異常，導(dǎo)致該區(qū)域眾多網(wǎng)站和 APP 都無(wú)法正常使用，不少公司就此事在微博刊登出回應(yīng)公告：

阿里云方面暫無(wú)確切故障原因并尚未給出具體受影響范圍，其工程師正在進(jìn)行緊急排查處理，并表示如果有進(jìn)展會(huì)及時(shí)向用戶同步：

對(duì)此，不少程序員在微博吐槽，一時(shí)之間該話題之下哀鴻遍野。有網(wǎng)友懷疑是部分磁盤(pán)出現(xiàn)問(wèn)題，凡是讀寫(xiě)故障盤(pán)的系統(tǒng)軟件或服務(wù)程序均會(huì)受到影響。

對(duì)于此事，某公司市場(chǎng)總監(jiān)在微博表示，一直以為阿里云是公有云穩(wěn)定的代名詞，但出現(xiàn)這種事件讓沒(méi)有配套私服的中小公司措手不及，如果有完善的備用方案，不至于出現(xiàn)大規(guī)模宕機(jī)。

截止發(fā)稿時(shí)，阿里云方面回應(yīng)稱(chēng)：服務(wù)器等出現(xiàn) IO HANG，正在處理并將對(duì)受影響的客戶進(jìn)行賠償。

云服務(wù) 99.99% 的安全性是否靠譜？

據(jù)了解，這不是阿里云第一次出現(xiàn)宕機(jī)事故。

2018 年 6 月 27 日 16:21 左右，阿里云也曾出現(xiàn)重大技術(shù)故障，16:50 分開(kāi)始陸續(xù)恢復(fù)，官方給出的故障時(shí)間為 30 分鐘左右，恢復(fù)時(shí)間大概花費(fèi)一小時(shí)。經(jīng)過(guò)技術(shù)復(fù)盤(pán)，阿里給出的故障原因?yàn)楣こ處焾F(tuán)隊(duì)上線自動(dòng)化運(yùn)維新功能時(shí)，執(zhí)行了一項(xiàng)變更驗(yàn)證操作，該操作在測(cè)試環(huán)境中未發(fā)生問(wèn)題，上線后觸發(fā)未知 bug。

本次事故被定義為 S1 級(jí)別，即核心業(yè)務(wù)重要功能不可用，影響部分用戶，造成一定損失。阿里云發(fā)布官方聲明，表示“對(duì)于這次故障，沒(méi)有借口，我們不能也不該出現(xiàn)這樣的失誤！我們將認(rèn)真復(fù)盤(pán)改進(jìn)自動(dòng)化運(yùn)維技術(shù)和發(fā)布驗(yàn)證流程，敬畏每一行代碼，敬畏每一份托付?！?/p>

根據(jù)筆者統(tǒng)計(jì)，僅去年一年，全球主流云計(jì)算廠商就曾發(fā)生數(shù)十起宕機(jī)事故，原因更是五花八門(mén)，谷歌云曾因自動(dòng)化失效導(dǎo)致宕機(jī)、AWS 曾因數(shù)據(jù)中心出現(xiàn)硬件問(wèn)題導(dǎo)致宕機(jī)、微軟 Azure

愛(ài)爾蘭數(shù)據(jù)中心曾因高溫和打雷陷入宕機(jī)、騰訊云因運(yùn)營(yíng)和硬盤(pán)故障陷入宕機(jī)…

眾多安全事故頻發(fā)，云廠商承諾的 99.99% 的安全可靠性是如何定義的？

不久前，筆者曾就云服務(wù)的可靠性一事詢問(wèn)阿里云相關(guān)技術(shù)專(zhuān)家的看法，他表示，云計(jì)算廠商得出 99.99% 可靠性這一數(shù)字是經(jīng)過(guò)驗(yàn)證的，通過(guò)客戶部署反饋，確實(shí)故障率在 0.01% 以下。并且，一旦出現(xiàn)故障，云廠商也都有非常完善的容災(zāi)方案，目前主流云廠商已經(jīng)在提供一定程度上的異構(gòu)災(zāi)備能力，比如，阿里云的 3AZ 容災(zāi)方案，同城一定距離的地方，用戶可以自己搭建跨 DC 方案，技術(shù)上能夠滿足異構(gòu)容災(zāi)需求。如果客戶追求極致容災(zāi)能力，有可能建設(shè)混合云或者采購(gòu)多家云廠商，架構(gòu)會(huì)帶來(lái)很大成本壓力，但這種選擇應(yīng)該比較少，就好比對(duì)安全可靠性要求極高的金融數(shù)據(jù)庫(kù)領(lǐng)域，也很少有客戶同時(shí)選擇兩種數(shù)據(jù)庫(kù)方案。

隨著云計(jì)算使用量的持續(xù)增長(zhǎng)，很多企業(yè)紛紛開(kāi)始選擇放棄一些控制權(quán)，以降低成本。從業(yè)界來(lái)看，美國(guó)大多數(shù)互聯(lián)網(wǎng)企業(yè)已經(jīng)放棄自建數(shù)據(jù)中心而大規(guī)模應(yīng)用云技術(shù)，例如 NetFlix 大規(guī)模應(yīng)用谷歌云服務(wù)，專(zhuān)注于專(zhuān)有云和 IaaS 的 Cloudera 和 Hortonworks 合并過(guò)冬。

單一云平臺(tái)被企業(yè)大規(guī)模應(yīng)用同時(shí)，這也意味著一旦出現(xiàn)問(wèn)題，給企業(yè)帶來(lái)的損失和影響是巨大的，多云再次成為重要討論話題。

多云架構(gòu)或許才是未來(lái)主流

根據(jù) Gartner 調(diào)查，2018 年全球公有云市場(chǎng)整體增長(zhǎng)為 21.4%，以亞馬遜 AWS、微軟 Azure 和阿里云為首的全球云計(jì)算“3A”陣營(yíng)占據(jù)超七成市場(chǎng)份額。根據(jù) IDC 數(shù)據(jù)，在中國(guó)市場(chǎng)上，阿里云市場(chǎng)份額相當(dāng)于第 2 到 9 名的總和。在全球市場(chǎng)，阿里云已超過(guò) Google 和 IBM 的云業(yè)務(wù)。

據(jù)統(tǒng)計(jì)，目前 40% 的中國(guó) 500 強(qiáng)企業(yè)、近一半中國(guó)上市公司、80% 中國(guó)科技類(lèi)公司在使用阿里云，其數(shù)據(jù)中心也在全球范圍內(nèi)增長(zhǎng)?？梢?jiàn)，國(guó)內(nèi)企業(yè)對(duì)阿里云的依賴(lài)程度有多高，這也讓單一云平臺(tái)的綁定問(wèn)題受到用戶關(guān)注。

中國(guó)平安運(yùn)維部負(fù)責(zé)人曾在接受采訪時(shí)表示，很多大企業(yè)如今都會(huì)分散選擇云服務(wù)商。一般情況下，小型企業(yè)受限于資金或人員等因素，可能會(huì)將所有服務(wù)放在同一云計(jì)算平臺(tái)，但大多數(shù)中型企業(yè)還是傾向于選擇多個(gè)廠商。

負(fù)責(zé)運(yùn)營(yíng)的微軟 Windows Azure 與 Office 365 公有云服務(wù)成功在華落地的中國(guó)電信中立的第三方互聯(lián)網(wǎng)基礎(chǔ)設(shè)施服務(wù)商世紀(jì)互聯(lián)藍(lán)云首席執(zhí)行官柯文達(dá)曾在近期的采訪中表示，真正的企業(yè)級(jí)市場(chǎng)中，用戶一定是希望多云，這其中就涉及跨云管理的問(wèn)題。當(dāng)企業(yè)跨多云運(yùn)營(yíng)時(shí)，每個(gè)地方所需要留的 buffer 就越多，浪費(fèi)就越多。現(xiàn)在，跨云管理其實(shí)是一個(gè)熱門(mén)話題，尤其是中大型企業(yè)，當(dāng)應(yīng)用分散在很多地方時(shí)，控管平臺(tái)可以很好得提高資源利用率和成本效益。

根據(jù)阿里云方面的描述，未來(lái)的云計(jì)算服務(wù)將越來(lái)越趨向于標(biāo)準(zhǔn)化，企業(yè)可以輕松得在不同平臺(tái)之間進(jìn)行數(shù)據(jù)或者應(yīng)用遷移，多云管理的門(mén)檻將被大大降低。

隨著國(guó)內(nèi)云計(jì)算領(lǐng)域的逐漸成熟，多云或許會(huì)是未來(lái)主要的發(fā)展趨勢(shì)，這一點(diǎn)從國(guó)外目前的云計(jì)算發(fā)展變化中便可窺得一二。根據(jù)分析公司 Kentik 發(fā)布的一份云相關(guān)調(diào)查報(bào)告，目前企業(yè)更傾向于同時(shí)部署兩大云服務(wù)，也就是多云配對(duì)，多云正在快速發(fā)展，可能會(huì)逐漸超過(guò)混合云部署。國(guó)外，目前最常見(jiàn)的云組合是 AWS 和 Azure，但也有客戶選擇 Google Cloud Platform。根據(jù) Kentik 的調(diào)查，97％的受訪者表示所在公司使用 AWS，35％的受訪者表示也在積極使用 Azure，24% 的受訪者同時(shí)使用 AWS 和 Google Cloud Platform。