(網(wǎng)經(jīng)社訊)本文梳理了國內(nèi)外8家云巨頭公司共17次故障事件，從中可以窺得云服務(wù)在發(fā)展過程中故障主要發(fā)生的階段以及不同階段故障發(fā)生的頻次、原因等，結(jié)合云服務(wù)產(chǎn)生背景以及優(yōu)勢(shì)，指出云服務(wù)即使在發(fā)展的過程中會(huì)發(fā)生故障宕機(jī)事件，但是隨著該服務(wù)的不斷完善進(jìn)步，有望進(jìn)入更好的下一發(fā)展階段。
一、華為云事件概覽
6月13日，一條“同花順崩了”的消息登上微博熱搜。部分客戶反映同花順出現(xiàn)了無法進(jìn)入頁面交易、界面卡頓等情況。據(jù)悉，此次故障是由于為其提供相關(guān)服務(wù)的華為云產(chǎn)生了故障導(dǎo)致，從而引發(fā)了市場(chǎng)對(duì)于云計(jì)算服務(wù)的擔(dān)憂。
基于此，華為云官方微博當(dāng)日發(fā)布通知表示：2022年6月13日10:45-11：19，華為云檢測(cè)發(fā)現(xiàn)華為云華南-廣州區(qū)域公網(wǎng)訪問異常，目前故障已排除、服務(wù)已恢復(fù)，問題根因正在進(jìn)一步定位中。同時(shí)了解到華為云內(nèi)部已經(jīng)成立專項(xiàng)組分析故障原因。據(jù)了解，華為云在2020年4月10月也曾經(jīng)因部分主機(jī)異常發(fā)生一次較大范圍的故障，故障修復(fù)時(shí)間大約為2小時(shí)左右，具體原因未公開披露。
盡管故障具體原因尚不清楚，但是結(jié)合之前幾年其他云服務(wù)提供商相繼出現(xiàn)的數(shù)十次故障分析來看，故障的產(chǎn)生既有技術(shù)因素也可能受自然因素影響。本文梳理了國內(nèi)外的故障發(fā)生情況借以引起對(duì)相關(guān)云服務(wù)的關(guān)注思考。
二、云服務(wù)發(fā)展迅速
(一）云服務(wù)產(chǎn)生原因
隨著互聯(lián)網(wǎng)不斷發(fā)展，網(wǎng)絡(luò)用戶激增，對(duì)于網(wǎng)絡(luò)服務(wù)的需求逐漸多元化。為了支持傳統(tǒng)應(yīng)用應(yīng)對(duì)以上情況，企業(yè)對(duì)于硬件設(shè)備和相關(guān)數(shù)據(jù)庫等軟件的需求大幅增加，相對(duì)應(yīng)的，使用者也需要組建運(yùn)營維護(hù)技術(shù)團(tuán)隊(duì)來安裝、配置、運(yùn)行、升級(jí)這些設(shè)備和軟件以維持相關(guān)應(yīng)用的正常安全服務(wù)。最終導(dǎo)致的結(jié)果是企業(yè)的運(yùn)營費(fèi)用增加，為此需要支付巨大的開銷成本；同時(shí)，企業(yè)費(fèi)力費(fèi)錢運(yùn)營所提供的服務(wù)且仍不能滿足用戶日益增長(zhǎng)的需求。由此云服務(wù)應(yīng)運(yùn)產(chǎn)生。
云服務(wù)是基于互聯(lián)網(wǎng)的相關(guān)服務(wù)的增加、使用和交互模式，通常涉及通過互聯(lián)網(wǎng)來提供動(dòng)態(tài)易擴(kuò)展且經(jīng)常是虛擬化的資源。云計(jì)算是繼1980年代大型計(jì)算機(jī)到客戶端-服務(wù)器的大轉(zhuǎn)變之后的又一種巨變。
（二） 云服務(wù)供應(yīng)商逐年增加
自云服務(wù)提出以來，國內(nèi)國外云服務(wù)商逐年增加。國外主要云服務(wù)商包括全球最全面、應(yīng)用最廣泛的云平臺(tái)——亞馬遜AWS云服務(wù)；微軟基于云計(jì)算的操作系統(tǒng)——Azure；谷歌云服務(wù)器Google Cloud等。
近年來，我國云服務(wù)也快速發(fā)展。根據(jù)中國信息通信研究院的云計(jì)算發(fā)展調(diào)查報(bào)告顯示，在技術(shù)進(jìn)步及利好政策的驅(qū)動(dòng)下，越來越多企業(yè)實(shí)體在云端部署數(shù)字系統(tǒng)及增值技術(shù)服務(wù)。中國的云服務(wù)科技解決方案的支出總額由2016年的人民幣893億元增至2020年的人民幣3220億元，復(fù)合年增長(zhǎng)率為37.8%。在眾多云服務(wù)商中，阿里云、騰訊云、京東云、華為云、百度智能云占據(jù)頭部位置，市場(chǎng)份額占比較大。
作為本次事件的主角——華為云近年來發(fā)展勢(shì)頭也較好。根據(jù)市場(chǎng)調(diào)研機(jī)構(gòu)Gartner發(fā)布的數(shù)據(jù)顯示，華為云2021年市場(chǎng)位居全球第五。前四名分別是亞馬遜、微軟、阿里巴巴、谷歌。
三、云服務(wù)故障分析
（一）國內(nèi)云服務(wù)故障事件概覽
據(jù)零壹智庫不完全統(tǒng)計(jì)，自2010年以來，作為第一家混合云上市公司——青云QingCloud發(fā)生過約4次故障宕機(jī)事件，全球領(lǐng)先的云計(jì)算及人工智能科技公司——阿里云發(fā)生過約5次故障宕機(jī)事件，騰訊旗下的云計(jì)算品牌——騰訊云發(fā)生過約8次故障宕機(jī)事件。
對(duì)于國內(nèi)云發(fā)生的諸多故障事件中，青云在2015年發(fā)生的多次故障值得一提，從中可以得出云服務(wù)故障相關(guān)規(guī)律。據(jù)了解，2015年6月6日，青云廣東1區(qū)全部硬件設(shè)備意外關(guān)機(jī)重啟，故障發(fā)生時(shí)段為13:48至16:30。2015年7月22日，青云大量北京2區(qū)（PEK2）用戶網(wǎng)絡(luò)中斷，故障持續(xù)時(shí)間由12:47至15：15，之后用戶業(yè)務(wù)才逐漸恢復(fù)。2015年7月23日，青云PEK 2再次出現(xiàn)網(wǎng)絡(luò)故障，故障發(fā)生時(shí)間分別為13:15至13:30以及13:50至18:50。后兩次故障都發(fā)生在北京2區(qū)，尤其是7月23日網(wǎng)絡(luò)在短暫恢復(fù)后再次故障，并持續(xù)長(zhǎng)達(dá)5小時(shí)。這三次頻發(fā)的較大型故障均發(fā)生在青云上線后兩年。同時(shí)，青云在2017年也發(fā)生過一次持續(xù)時(shí)間超過4小時(shí)的故障，該事故同樣發(fā)生在2015年曾經(jīng)發(fā)生過兩次故障的北京2區(qū)。
由此可以窺得，由于受到技術(shù)不夠成熟等原因，相關(guān)云服務(wù)商處于技術(shù)摸索完善階段。在云服務(wù)創(chuàng)立的前期，故障發(fā)生的概率較大。之前某些部件發(fā)生的故障可能再次發(fā)生。
研究其他云服務(wù)商發(fā)現(xiàn)，阿里云、騰訊云十年來所發(fā)生的故障多發(fā)生2018-2019年間，即盡管云服務(wù)已經(jīng)進(jìn)入技術(shù)較為成熟的階段，但仍有較大概率發(fā)生宕機(jī)事件。
綜上，可以得出結(jié)論：在云服務(wù)商提供云服務(wù)初期，故障發(fā)生的概率較大，此階段處于故障高發(fā)階段；在成熟期，故障發(fā)生的概率相對(duì)較小，但在此階段也有可能發(fā)生故障集聚。無論是技術(shù)處于哪一階段，故障發(fā)生并不是不可能事件，故障所發(fā)生的環(huán)節(jié)也有可能存在重復(fù)，故障的原因多樣，需要云服務(wù)商不斷自身檢驗(yàn)以求完善。
下表主要列舉了近五年我國部分云服務(wù)發(fā)生故障的相關(guān)情況。
表 1 近五年來國內(nèi)部分云服務(wù)故障統(tǒng)計(jì)情況
資料來源：公開資料、數(shù)據(jù)化講習(xí)所、零壹智庫
（二）國外云服務(wù)故障事件概覽
據(jù)零壹智庫不完全統(tǒng)計(jì)，自2010年以來，作為全球最全面、應(yīng)用最廣泛的云平臺(tái)——亞馬遜云科技AWS，發(fā)生過約22次故障宕機(jī)事件；谷歌云計(jì)算——Google Cloud Platform發(fā)生過約12次故障宕機(jī)事件；微軟云計(jì)算——Azure發(fā)生過約8次故障宕機(jī)事件。
在國外云服務(wù)發(fā)生的諸多故障中，選取部分案例以分析故障修復(fù)時(shí)間的相關(guān)規(guī)律。據(jù)了解，2018年7月18日，亞馬遜核心產(chǎn)品AWS云服務(wù)出現(xiàn)了中斷，客戶使用帳戶登錄時(shí)遇到間歇性錯(cuò)誤，無法訪問AWS管理控制臺(tái)。即使并未對(duì)亞馬遜的消費(fèi)者業(yè)務(wù)產(chǎn)生任何有意義的影響，但該故障持續(xù)了將近6小時(shí)才修復(fù)完成。2019年7月2日，谷歌云計(jì)算東部一區(qū)出現(xiàn)網(wǎng)絡(luò)和負(fù)載均衡問題，原因是部分光纖受到了物理損壞所致。該故障導(dǎo)致部分服務(wù)近10小時(shí)無法訪問。2018年9 月 4 日，微軟在部分地區(qū)的數(shù)據(jù)中心的冷卻系統(tǒng)發(fā)生故障，數(shù)據(jù)中心的自動(dòng)化措施強(qiáng)制關(guān)閉了系統(tǒng)電源，這一事故引發(fā)了 Azure 中斷，整個(gè)故障中斷時(shí)間超過 24 小時(shí)才恢復(fù)正常。在已知發(fā)生的云服務(wù)故障修復(fù)中，修復(fù)時(shí)間在短至40秒長(zhǎng)至24小時(shí)不等。
綜上，可以得出結(jié)論：故障發(fā)生不僅與技術(shù)有關(guān)還受到自然因素等不可抗力影響。而故障修復(fù)時(shí)間主要受云服務(wù)供應(yīng)商技術(shù)處理能力、自然天氣、故障原因等多重因素決定。
下表主要列舉了近五年國外部分云服務(wù)發(fā)生故障的相關(guān)情況。
表 2 近五年來國外部分云服務(wù)故障統(tǒng)計(jì)情況
資料來源：公開資料、數(shù)據(jù)化講習(xí)所、零壹智庫
（三）云服務(wù)未來發(fā)展前景良好
即使云服務(wù)在發(fā)展的過程中會(huì)由于諸多原因而發(fā)生故障宕機(jī)事件，但是云服務(wù)本身在產(chǎn)生的過程中已經(jīng)具備了相對(duì)傳統(tǒng)服務(wù)降低故障發(fā)生概率的優(yōu)勢(shì)。
根據(jù)CSDN顯示，傳統(tǒng)服務(wù)器硬件發(fā)生故障主要受到廠商品牌、機(jī)型、服務(wù)器運(yùn)行時(shí)間、以及部件型號(hào)的故障率等諸多因素影響。而云服務(wù)遵循一對(duì)多的模型，與單獨(dú)的桌面程序部署相比，有比較專業(yè)的基礎(chǔ)運(yùn)維團(tuán)隊(duì)和內(nèi)核團(tuán)隊(duì)，可以通過內(nèi)核隔離硬件故障、熱遷移規(guī)避故障隱患，以及監(jiān)控故障率并主動(dòng)下架不良廠商機(jī)型等方式降低服務(wù)器硬件發(fā)生故障的概率，不斷提升服務(wù)器硬件質(zhì)量。
綜上，云服務(wù)相比傳統(tǒng)服務(wù)已經(jīng)具備不可替代的優(yōu)勢(shì)，故障的概率與傳統(tǒng)服務(wù)相比已呈現(xiàn)出大大降低的趨勢(shì)，隨著技術(shù)的不斷完善，云服務(wù)將在更多場(chǎng)景中發(fā)揮自己獨(dú)一無二的作用。
四、結(jié)語
通過此次華為云故障事件，可以看出云服務(wù)在為企業(yè)提供更好，更便宜和更可靠的應(yīng)用過程中，也不可避免會(huì)發(fā)生不同程度的故障，故障原因多種多樣不僅與技術(shù)有關(guān)，故障發(fā)生后對(duì)于故障的修復(fù)也尤為重要。
云服務(wù)商應(yīng)該更加重視數(shù)據(jù)中心基礎(chǔ)設(shè)施、硬件設(shè)備和傳輸網(wǎng)絡(luò)的可靠性和穩(wěn)定性，對(duì)于不可預(yù)期的外部故障和事故，云服務(wù)商應(yīng)汲取教訓(xùn)，積累經(jīng)驗(yàn)，做好提前檢測(cè)和壓力測(cè)試，減少故障發(fā)生頻率，也盡力減少故障對(duì)客戶造成的損失。作為用戶的我們，也應(yīng)該對(duì)云服務(wù)采取更加包容支持的態(tài)度。相信云服務(wù)在未來的發(fā)展過程中有望進(jìn)入下一個(gè)發(fā)展階段，服務(wù)于更多用戶。
