談到云計(jì)算，用戶和廠商在采用新的基礎(chǔ)架構(gòu)時(shí)，都仍在探索一種未知領(lǐng)域。故障問題以及意料之外的宕機(jī)都會(huì)不可避免地發(fā)生。即便是最大且最好的云廠商，在其服務(wù)偶爾的“停轉(zhuǎn)”時(shí)，之前萬全的計(jì)劃也是徒勞。

那么，在云宕機(jī)發(fā)生時(shí)，到底什么地方出錯(cuò)了？IT經(jīng)理和用戶可以從每一次的事件中學(xué)到什么？為了幫助讀者更好的運(yùn)轉(zhuǎn)自己的服務(wù)，這里根據(jù)宕機(jī)事故的嚴(yán)重程度對(duì)一些宕機(jī)事件進(jìn)行了排序。

微軟

即便是在測(cè)試時(shí)期，云服務(wù)都會(huì)遭遇意外宕機(jī)。微軟在2009年三月就發(fā)生了這樣的事情，Azure宕機(jī)22小時(shí)。試用期中只有試驗(yàn)的應(yīng)用程序受到影響，因此沒有什么大的損失。

在云計(jì)算的發(fā)展歷程中，Azure宕機(jī)相當(dāng)早了，但是IT經(jīng)理已經(jīng)知道在云端的災(zāi)備和故障時(shí)間計(jì)劃是明智的第一步。然而，Azure處于初始階段，沒人知道它會(huì)對(duì)云計(jì)算產(chǎn)生多少影響，或者說它會(huì)如何影響宕機(jī)對(duì)于人們對(duì)于云計(jì)算的信心。

嚴(yán)重程度：低

太平洋時(shí)間2012年2月28日，下午5：45，全球很多Azure用戶經(jīng)歷了Azure服務(wù)管理功能電力中斷。對(duì)于大多數(shù)用戶，電力中斷沒有影響他們的服務(wù)交付，而且他們能夠?qū)ζ溥M(jìn)行管理。微軟聲明大多數(shù)客戶在閏年2012年的宕機(jī)中，在十二小時(shí)之內(nèi)進(jìn)行了管理功能修復(fù)，盡管對(duì)于很多用戶來說，在電力中斷開始之后并沒發(fā)生什么，平穩(wěn)度過24小時(shí)。

嚴(yán)重程度：低

Rackspace

2009年6月，主機(jī)托管轉(zhuǎn)變成云廠商的RACKSPACE經(jīng)歷了一次嚴(yán)重宕機(jī)，當(dāng)時(shí)電源跳閘，一系列的發(fā)電機(jī)備份失敗，多數(shù)服務(wù)器機(jī)架安靜了，這可不是危言聳聽！

為了該公司的信譽(yù)，RACKSPACE在官方博客上報(bào)道了整個(gè)事件，并且在微博（推特）上就整個(gè)經(jīng)歷現(xiàn)身說法，但是評(píng)論家還是# rackspacefail #的標(biāo)簽滿天飛。

嚴(yán)重程度： 高

但是在2009年11月份Rackspace又發(fā)生了一次嚴(yán)重宕機(jī)，糟糕的回復(fù)就沒有滿天飛了。實(shí)際上， Rackspace的客戶有機(jī)會(huì)公然地重傷廠商的宕機(jī)時(shí)，他們卻將其描述為“沒什么大不了的。”這就意味著Rackspace逢兇化吉，繼續(xù)提供了合適的升級(jí)和快速修復(fù)。

客戶表示，在其業(yè)務(wù)脫機(jī)15-20分鐘后，Rackspace非常透明且快速地處理了這個(gè)問題。這次事件，為該公司帶來了保證，還解決了其公關(guān)危機(jī)。要是沒有重要的數(shù)據(jù)丟失，服務(wù)也能快速?gòu)?fù)原，客戶該滿意還是滿意的。其實(shí)那些滿口“100%正常運(yùn)行時(shí)間”的廠商，大多數(shù)客戶似乎還是不會(huì)因?yàn)橐淮闻既坏氖鹿识艞墶?/p>

嚴(yán)重程度： 低

Salesforce.com

2010年一月，Salesforce.com的68，000名客戶遭遇了至少一個(gè)小時(shí)的宕機(jī)時(shí)間。

該公司在其數(shù)據(jù)中心中報(bào)告“系統(tǒng)失敗”，所有的一切，包括備份在這一時(shí)期都歇菜了。這樣招致了一些負(fù)面關(guān)注，Salesforce.com的鎖定策略Force.com成為眾矢之的，這是一種平臺(tái)即服務(wù)（PaaS）產(chǎn)品，在Salesforce.com之外就不能使用了。因此當(dāng)Salesforce.com有問題了，F(xiàn)orce.com也就掛了。

盡管此次宕機(jī)并沒有對(duì)該公司造成多大傷害，其同VMware 的VMforce合作在童年春天引得熱議紛紛，馬克貝尼奧夫在宕機(jī)后不到一個(gè)月的時(shí)間，還夸夸奇談Salesforce.com“是最大的企業(yè)云計(jì)算公司。”他們好像對(duì)這個(gè)不太在意。

嚴(yán)重程度：中

HEROKU

Heroku是一家為Ruby編程語言服務(wù)的PaaS企業(yè)，預(yù)估有大約44，000個(gè)應(yīng)用安裝在上面，2010年一月，價(jià)值兩萬美元的高容量亞馬遜EC2實(shí)例在這上面掛了。

亞馬遜在一小時(shí)之內(nèi)讓這些實(shí)例由“復(fù)活”，但還Heroku產(chǎn)品開發(fā)者還是受到了打擊。Heroku在一個(gè)單一的可用性局域運(yùn)轉(zhuǎn)其所有的實(shí)例，這就導(dǎo)致他們主要的完整服務(wù)中斷，缺少云計(jì)算最佳實(shí)踐，意味著這樣的宕機(jī)會(huì)阻礙其繼續(xù)發(fā)展。

Heroku以這種方式喝了一壺，他們認(rèn)為處理云服務(wù)時(shí)，這次事件就是“最高指令”。

嚴(yán)重程度： 高

TERREMARK

回顧三月份，VMware合作伙伴Terremark在七小時(shí)的宕機(jī)后，把vCloud Express的未來至于危險(xiǎn)之地，這次事件導(dǎo)致了連接性沒了。這次宕機(jī)據(jù)報(bào)告只有2%的客戶受到影響，但是那些收到影響的人就廠商如何處理這件事上，表達(dá)了極為強(qiáng)烈的不滿。

Terremark發(fā)言人在客戶咆哮時(shí)稱該公司是個(gè)“老媽子”托管公司。最厲害的是他居然把Terremark的響應(yīng)和亞馬遜作對(duì)比，這簡(jiǎn)直就是告訴客戶，在掙扎這選誰的時(shí)候，把狀態(tài)報(bào)告和服務(wù)預(yù)警都算進(jìn)去吧……

當(dāng)然，vCloud Director持續(xù)了一段時(shí)間，VMworld 2010上這種興奮勁也就退去了，Terremark宕機(jī)似乎沒留下多少話柄。

嚴(yán)重程度： 中

亞馬遜

似乎所有的其他云計(jì)算宕機(jī)和亞馬遜的Web服務(wù)宕機(jī)相比都是小兒科。所以云服務(wù)廠商的鼻祖，亞馬遜在過去數(shù)年中遭遇的服務(wù)中斷和實(shí)際的災(zāi)難均勻分布。

2009年六月，一次罕見的事故讓一些客戶失去亞馬遜EC2服務(wù)5小時(shí)，但是大多數(shù)客戶都將其看做是成長(zhǎng)之痛。這種有點(diǎn)奇怪的回應(yīng)方式部沒有持續(xù)，在一次分布式阻斷式服務(wù)攻擊和漫長(zhǎng)的電子郵件管制之后，亞馬遜的災(zāi)難響應(yīng)協(xié)調(diào)和客戶關(guān)系開始缺失。

嚴(yán)重程度： 高

另外一起事件涉及了亞馬遜弗吉尼亞的數(shù)據(jù)中心，遭遇了雷雨，導(dǎo)致系統(tǒng)宕機(jī)6小時(shí)，但是也從一個(gè)側(cè)面顯示了該公司的發(fā)展；亞馬遜的響應(yīng)時(shí)間值得肯定。

嚴(yán)重程度： 中

隨著云計(jì)算持續(xù)發(fā)展和擴(kuò)展，問題也接踵而來。五月份，一些列表面上看起來不相關(guān)的事故在亞馬遜弗吉尼亞數(shù)據(jù)中心再次上演，在一周的跨度內(nèi)導(dǎo)致了三次不同的宕機(jī)。第一次是不間斷電源（UPS）轉(zhuǎn)換到備份電源時(shí)失敗，一機(jī)架的服務(wù)器掛了；第二次發(fā)生在四天之后，一個(gè)電源分配箱短路，導(dǎo)致服務(wù)中斷8小時(shí)。最后兩天后，一輛汽車撞擊了電線桿子，切斷了數(shù)據(jù)中心的電源，導(dǎo)致半小時(shí)宕機(jī)。不管有關(guān)系沒關(guān)系，是不是大事件，這么短的時(shí)間發(fā)生這三次宕機(jī)對(duì)于任何廠商來說都不可能是個(gè)小事。

嚴(yán)重程度： 高

有意思的是，大多數(shù)客戶似乎對(duì)于亞馬遜Web服務(wù)都持有一種開放的態(tài)度。他們接受了亞馬遜技術(shù)的復(fù)雜性，以及可能導(dǎo)致的意外問題，最重要的是他們認(rèn)同亞馬遜云環(huán)境的合理價(jià)格，提供了他們想要的工作價(jià)值。

亞馬遜也沒辜負(fù)客戶的“期望”，繼續(xù)宕機(jī)；當(dāng)然也展示了期完美價(jià)格下的成熟度，在2010年四月份的宕機(jī)中快速做出相應(yīng)。一篇超長(zhǎng)博客發(fā)布，AWS的狀態(tài)頁面也定期更新，一則則簡(jiǎn)訊報(bào)告了宕機(jī)背后的原因以及如何解決的。

嚴(yán)重程度： 中

2011年四月，由于亞馬遜在北弗吉尼亞州的云計(jì)算中心（這是塊福地啊~）宕機(jī)，包括回答服務(wù)Quora、新聞服務(wù)Reddit、Hootsuite和位置跟蹤服務(wù)FourSquare在內(nèi)的一些網(wǎng)站受到了影響。

令人吃驚的是，亞馬遜云服務(wù)中斷將近4天卻沒有違反亞馬遜EC2服務(wù)的服務(wù)等級(jí)協(xié)議（簡(jiǎn)稱SLA）。亞馬遜FAQ問答解釋說，“它確保在365天的服務(wù)期 內(nèi)一個(gè)區(qū)域擁有99.95%的服務(wù)利用率。”而這一次，幾位受到影響的用戶抱怨，在服務(wù)中斷期間，亞馬遜并沒有及時(shí)公布最新的信息。退化了難道？

嚴(yán)重程度：高

總結(jié)

隨著大多數(shù)云計(jì)算用戶注意到上述的這些事件，這樣的宕機(jī)在企業(yè)數(shù)據(jù)中心中頻繁發(fā)生。我們所羅列的并不完全，其他的內(nèi)容可自行參考其他報(bào)道。云計(jì)算并不完美，更多的宕機(jī)事件一直會(huì)發(fā)生下去。所有的頂尖廠商能做的就是學(xué)習(xí)哪些地方出錯(cuò)了，并修正這些問題，以免一些黑馬企業(yè)通過更好的追蹤記錄，篡奪了其云廠商的領(lǐng)頭羊地位。