阿里云又宕机！

点击蓝字关注更多To B大事

在云界流传着一句话：“运行不稳定，宕机两行泪！”

这不，昨日凌晨因为阿里云宕机，不少华北互联网公司的程序员、运维人员接到报警后从被窝爬起来干活去了。

58一程序员如此描述今早的惊魂几小时：“很多朋友经历了昨晚阿里云3小时左右的故障，我司的业务也收到了一定影响，技术的同事一起熬夜奋战，最终观察服务稳定运行了两个多小时，直到凌晨五六点多才逐渐登出VPN。”[1]

对此，阿里云官方发布公告：华北2地域可用区C部分ECS服务器等实例出现IOHANG。针对本次故障，将根据SLA协议，尽快处理赔偿事宜。

这已经不是阿里云第一次出事故了：10天前，阿里云泄露 40 家名企源代码；去年6月份，阿里云官网的部分管控功能，及 NAS、OSS 等产品的部分功能出现访问异常。

1

为何阿里云宕机影响巨大？

在CSDN的2018-2019开发者大调查报告显示，在国内公有云市场中，阿里云的市场占额最大，高达67%，远超第2至5名的总和。

据阿里云官方文档显示：“中国有40%的网站都运行在阿里云上，一半独角兽公司都在阿里云。”

所以说，阿里云轻微一抖动，影响中国近半数的互联网网站啊！

02

“云”非百分百靠谱，且云且珍惜

虽然阿里云承诺会赔偿，可阿里云故障频出，不仅让众多IT人忙得人仰马翻，还让网友略微心寒啊：

• 这不仅仅是一个赔偿的问题，对于客户来说访问不了或造成高于赔偿多少倍的有形无形损失，技术方面仍然需要过硬啊！

• 把业务系统部署在平台上，要的就是安全、稳定和可靠，不是赔偿的事儿。

甚至有人想更换一个云商，但无论是公司自搭建服务器平台或者各家云商，从没有说自己的产品是100%安全的。

阿里云的官方文档清楚地写道：“对于单实例维度，阿里云承诺一个服务周期内ECS的服务可用性不低于99.95%；对于单地域多可用区维度，阿里云承诺一个服务周期内ECS的服务可用性不低于99.99%”。

03

云厂商普遍缺乏云灾备意识

那么面对复杂异构的混合云和多云的环境，我们不禁再次质疑，上云真的安全吗？为什么这种事情频发发生？云厂商就不能规避或者解决这些问题吗？

带着这些问题，我们请教了云信达创始人张兵。云厂商频繁发生宕机，数据丢失的事件，从根本上来说是云灾备、数据管理意识普遍不强。不管是阿里云还是腾讯云，这些云厂商普遍灾备意识不强，没有很健全的灾备建设。[3]

“过去像电信这种数据中心，都是有几十年的沉淀，而现在基于云的数据中心普遍建立年份短，技术和意识积淀不深，进而整个数据管理体系不完善。

这次事故很明显，是阿里云IO HANG出现了故障，也就是整个存储部分发生了问题。不过，这种故障不能避免，而是需要从头就要有灾备预防的意识，对整个数据中心进行保护。”

张兵介绍道，以前数据中心产品架构是一个集中架构，基本上每个环节都定义的很清楚，中间就几台机器、几条链路，给他们全部加上云，不会有任何单点的故障。

而现在，在云的大环境下，整个企业的IT架构都变得更复杂。表面上，这些架构是在云上，但其背后的物理意义就是一个个数据中心、一个个的链路，这是任何IT架构逃不掉的。

所以说，数据中心涉及到链路，就跟以前传统企业的IT架构没有什么差别，无论是企业还是云厂商都考虑的比较欠缺。

“从很久之前，国内很多厂商就没有备份意识，以为买个网盘，双机做了热备，就是买备份了。

当遇到宕机或者其他事故，企业客户数据丢失了，才发现自己的逻辑错误，才开始意识到灾备重要性，开始补足这块，而出事的企业客户也等于花钱交学费，意识开始布局灾备了。

同时，传统的IT架构是没有盲点的，而基于云的架构有很多盲点。例如，去年腾讯云的事故，虽然对方说做了多副本的数据存储，但是这三个副本逻辑一样，有没有备份就没差别，一旦出事，三个副本都出事。”

04

加强混合云布局或强化云灾备意识

从企业客户角度，有时候会“丧失”一些控制权，看网上介绍公有云好，就一根筋的把自己的业务都搬上去，根本不考虑多云这件事。

其实，大家应该少交一点学费，多有敬畏之心，不要相信上云后，不会出现任何问题。过去，IBM给很多企业做IT咨询时候，都建议企业在基础建设里，把灾备、备份、数据安全等全部布局，这些都会提出来，用不用，就是企业的事情。

而现在，这些互联网云厂商，从自己的角度就没有这方面意识，根本不会帮客户想到这些，只有出事了，让客户花钱交学费，才或多或少有意识。

那么，对于如何防范这类事情再次发生呢？

张兵建议，上云并不是安全的事情，不要把自己的身价姓名都交给公有云。企业要么就布局混合云，要么就有多云意识。

“云内部的数据分布，如果不是分布在一个数据中心里面，要么就是数据中心链路断了，那么就是这些数据资源可以放其他的地方管理。我建议大家要采用多云的管理策略，一旦公有云出现问题，私有云还可以顶上去，这样能降低不少危险。

其次，大家不但要有上云的意识，还要有下云的意识。就是企业把数据放到一个云上，再另一个云上做备份，但是不点亮，这样就可以降低很多成本，一旦出现问题，没被点亮的云就可以及时派上用场。”

此外，一位云计算行业专家曾公开表示，凡是在使用的数据都有丢失的风险。首先基础设施就存在局限性，因为没有设备能达到100%可靠；其次，人为因素风险难以避免，目前绝大部分的数据丢失其实都是人为操作造成的，比如说中病毒、误操作等等。

所以，综合起来就是，数据丢失的风险必须主动考虑，数据丢失的可能性永远存在，数据容灾能力是必须具备的。

Veritas公司全球现场运营执行副总裁Scott Genereux曾经对i黑马＆数字观察说过，企业对云服务中断缺乏透彻的理解。云恢复是云服务提供商和企业的共同责任。如果企业采取更为积极主动的方式来确保云中应用程序的运行时间，快速从云服务中断中恢复是完全可控的，而这也是企业的责任。

正确部署战略意味着能够缩短宕机时间，降低经济损失，减轻客户的不信任度与品牌信誉损失。

“从传统观念来看，很多企业客户认为数据保护主要就是备份。其实，备份在企业数据管理战略当中非常重要，备份是核心基础。但除了备份之外，企业还需要考虑其他问题，例如，创建面向未来的数据管理战略、云战略和区别化。

简单来说，企业在创建数据管理战略的时候要思考这些问题。第一，保护无处不在的数据。第二，优化存储。第三，降低成本。第四，支持上云。第五，确保合规。”

参考资料：

[1]架构师之路《这一次，除了骂阿里云，还能做些什么？》

[2]阿里云社区《IT之家，这不是个案》

[3]数字观察《从阿里云再次宕机事件来看，云厂商们都忽略了什么？》

— END—

本文系授权转载，不代表企服行业头条立场。转载/投稿/内容合作/寻求报道请联系微信：qifutoutiaozhushou3W

原文始发于微信公众号（ToB行业头条）：阿里云又宕机！