点击联系发帖人原标题：2018年十大云宕机事故盘点：主流公有云无一幸免
2018年云计算市场依然发展迅速，但是问题也没有间断主流云厂商均未逃过宕机事件，更有甚者一年出现多次服务宕机导致不少企业对公有云的信心受到了打击。易迈云总结了2018 年国内外的十大云宕机事故也希望所有云厂商能引以为戒。
故障详情：2018 姩 5月31日因北弗吉尼亚地区的数据中心出现硬件故障，AWS 再次出现连接问题在此事故中，AWS 的核心 EC2 服务Workspaces 虚拟桌面服务以及 Redshift 数据仓库服务均受到影响。
宕机时长：30 分钟左右
事故后续： 亚马逊公司 S3 的副总裁兼总经理 Mai-Lan 接受采访表示亚马逊从未见过数据中心崩溃。这意味着过去嘚每一次事故都未曾导致整个数据中心的崩溃，AWS 也在系统设计层面进行了改进以防止此类事故发生
事故九：1月18日 Google云自动化失效导致宕机
故障详情：2018 年 1月 18日，Google云自动化机制失效导致其 us-central1 和 europe-west3 两大可用区中的计算引擎停运 93 分钟。Google对此的回应是“网络编程失效”导致 Autoscaler(自动扩展器)服務无法正常运行该服务失效意味着新的虚拟机或刚迁移的虚拟机无法与其他可用区虚拟机联系。
采取措施： 工程团队手动切换到替换任務以恢复数据持久层正常运行。
事故后续： Google承诺未来如果配置数据过时，Google将停止虚拟机迁移数据持久层会在长时间运行进程期间重噺解析对等体(peer)，以便故障发生时迅速切换到替换任务
事故八：6月27日 阿里云故障
故障详情：2018 年 6 月 27 日 16:20 左右，阿里云出现重大技术故障16:50 分开始陆续恢复，官方给出的故障时间为 30 分钟左右恢复时间大概花费一小时。经过技术复盘阿里给出的故障原因为工程师团队上线自动化運维新功能时，执行了一项变更验证操作该操作在测试环境中未发生问题，上线后触发未知bug
采取措施： 人工介入，定位并解决问题
宕机时间：30 分钟，恢复时间花费一小时左右
事故后续： 本次事故被定义为核心业务重要功能不可用，影响大量用户造成极大的损失。阿里云事后发布官方声明表示“对于这次故障，没有借口我们不能也不该出现这样的失误!我们将认真复盘改进自动化运维技术和发布驗证流程，敬畏每一行代码敬畏每一份托付。”
事故七：3 月 2 日 AWS 宕机致部分 Alexa无法提供服务
故障详情：2018 年 3 月 2 日凌晨部署在 AWS 上的部分 Alexa开始出現失声问题，该智能音箱的故障指示灯不断闪烁提示服务出现中断据了解，这一故障源于亚马逊 AWS 的网络服务出现问题其他依赖AWS网络服務的应用也在当天也受到了影响，包括云通讯公司 Twilio, 软件公司 Atlassian等
采取措施： 亚马逊 AWS 的在线支持团队对此进行了人工介入并修复。
事故后续： 亚马逊 AWS 未对此故障进行详细说明只透露与网络连接有关。
故障详情：2018年6月17日至18日因爱尔兰数据中心的温控系统出现故障，导致Azure存储囷网络中断
宕机时间：故障持续时间5小时以上
事故五：7月24日 腾讯云宕机
故障详情：2018 年 7 月 24 日，用户登录腾讯云时反复出现超时、退出等情況即便更换运营商，结果也一样随后，腾讯云发布通知称初步确定是运营商光缆中断运营商已经找到断点，正在连线中主要受影響的为广州区域部分用户。
采取措施： 运营商第一时间介入抢修
宕机时间： 宕机时间不明，恢复时间花费40分钟左右
故障详情：2018年7月是亚馬逊在全球范围内启动的为期36小时的会员促销活动活动刚刚开始，亚马逊网站和App就同时发生严重宕机不光电子商务业务停顿，亚马逊嘚其他产品和服务都受到了不同程度的影响AWS对此给出的解释是AW的管理控制台出现全球性问题。
宕机时间： 6小时左右
事故后续：AWS 发言人表示，间歇性的 AWS 管理控制台问题并未对亚马逊的消费者业务产生任何有意义的影响
故障详情：11 月 9 日，Google公有云上提供的 K8s 服务(GKE)节点池出现功能异常运维人员无法通过Console UI 建立新的云节点。
采取措施： 人工介入并维修Google表示，受影响的企业用户可以先改为使用 GCP 内建的 gcloud command建置新 K8s 节点。
宕机时间： 接近 19 小时
故障详情：9 月 4 日上午Microsoft Azure 美国中南区数据中心附近发生雷暴等恶劣天气，影响到冷却系统的电压导致多个Azure可用区出現连接问题，客户难以访问存储在该区数据中心的数据受影响的服务包括 Active Directory、 Online、365、Visual Studio Team Services 等。
采取措施：9 月 5 日上午Microsoft工程师已恢复数据中心的电仂和大多数网络设备，其他服务也在陆续恢复中
宕机时间： 超过 24 小时
事故一：7月20日：腾讯云云存储故障
故障详情：2018 年 8 月 5 日，北京清博数控科技有限公司在官方微博发布了一篇题为《腾讯云给一家创业公司带来的灾难》的博文文中表示2018 年 7 月 20 日，腾讯云云存储发生故障(腾讯後期给出的故障原因说明)导致该公司的数据完全丢失，并且无法恢复这是该创业公司评估近千万元级的平台数据，包括经过了长期推廣导流积累起来的注册用户以及内容数据
采取措施： 腾讯表示，监测到异常后第一时间向用户告知了故障状态并组织存储专家和存储廠商技术专家尝试修复数据。但经过多方努力最终仍有部分数据完整性校验失败，无法恢复
事故后续： 腾讯提出了“赔偿+补偿”的后續方案，并承诺会继续与“前沿数控”保持沟通帮助其进行业务恢复。
对于很多中小企业来说自建机房的人力和维护成本太高，他们唏望利用云主机的低成本、可扩展性、便利性和高可靠性等优点但却担心面临宕机，数据丢失等风险但是这些风险通常和公有云是相哃的，例如安全漏洞、监管问题以及缺乏有关如何构建云计算基础设施的知识和经验。过去几年云供应商还发生过数起大大小小的故障，也说明企业的担心不是多余的随着越来越多的企业和政府机构将数据上云，即便只是一个小小的宕机都可能引发很大的灾难即便昰号称提供 99.9% 可靠性的亚马逊云，那 0.1% 的宕机还是发生了更有甚者，像腾讯云这样大规模丢失用户数据的情况在当前多副本分布式署存储嘚技术背景下，简直是无法想象的事情
考虑到企业的这些安全需求，易迈云的混合云方案将是一个不错的解决办法借助混合云，企业茬提高生产力的同时还能降低成本也不用完全将数据投入到公有云当中，既能提高数据的安全性又能享受到公有云的便利性。当然混匼云也还存在兼容性和安全合规性方面的挑战所以为了尽可能地减少故障带来的损失，企业不仅要建立完善的灾备保障体系还应该对災备系统进行定期演练。
易迈云隶属于仙易信息科技(上海)有限公司成立于2011年,是专业的以数据智能为核心的企业级云计算服务商,同时也是國内专业公有云、私有商,累计为50多万家企业提供服务。围绕企业上云推出了公有云,对象存储、融合CDN加速、容器云、大数据平台、深度学习研发专业的技术等产品、并提供一站式智能云、混合云、SAP、数据洞察、专线网络、游戏云、政务云、智能硬件数据解决方案和云物流解决方案等
