2023 年 11 月 12 日 17：44 開始，阿里云發(fā)生嚴(yán)重故障，導(dǎo)致阿里巴巴大量產(chǎn)品無(wú)法連接，一時(shí)間，“阿里云盤崩了”、“淘寶又崩了”、“閑魚崩了”、“釘釘崩了”等話題相繼登上熱搜。

阿里云出現(xiàn)大規(guī)模故障，也成為政企們熱議的話題，大家關(guān)心的問(wèn)題在于：公有云到底還安全嗎？是否還能繼續(xù)上云？未來(lái)應(yīng)該采取哪些措施來(lái)保障穩(wěn)定可靠？

不要?jiǎng)訐u“上云”的方向

一個(gè)不爭(zhēng)的事實(shí)是：阿里云出現(xiàn)嚴(yán)重故障，給上云企業(yè)，特別是核心業(yè)務(wù)跑在云上的企業(yè)帶來(lái)了損失。

一個(gè)是故障波及的范圍廣，故障期間阿里云控制臺(tái)無(wú)法正常登錄，API 調(diào)用異常，導(dǎo)致阿里云全系列產(chǎn)品服務(wù)及全球區(qū)域數(shù)據(jù)中心都受到了影響；另一個(gè)是持續(xù)的時(shí)間長(zhǎng)，故障持續(xù)了 3 個(gè)多小時(shí)才基本完全恢復(fù)。據(jù)不完全統(tǒng)計(jì)，除了阿里系幾乎全線產(chǎn)品出現(xiàn)故障外，整數(shù)云、理工小蜜蜂、餓樂(lè)送、cooleasy、IOTTEC、納思云、語(yǔ)雀等平臺(tái)均受到影響。

如此大的影響規(guī)模，如此嚴(yán)重的程度，在公有云歷史上都非常罕見。于是，有一些人出現(xiàn)了是否繼續(xù)上云的疑慮，甚至有人說(shuō)應(yīng)該退回到過(guò)去自建的模式。

筆者首先給出結(jié)論：千萬(wàn)不要?jiǎng)訐u“上云”的方向。雖然這次阿里云出現(xiàn)的故障很嚴(yán)重，但我們?nèi)圆荒芊裾J(rèn)云相比物理主機(jī)具有更高的可靠性。

這是因?yàn)閭鹘y(tǒng)服務(wù)器硬件受到廠商品牌、機(jī)型、服務(wù)器運(yùn)行時(shí)間以及部件型號(hào)故障率等諸多因素影響，更容易出現(xiàn)故障，而云服務(wù)提供商通常遵循一對(duì)多的模型，而且具有專業(yè)的基礎(chǔ)運(yùn)維團(tuán)隊(duì)和內(nèi)核團(tuán)隊(duì)，能夠在出現(xiàn)問(wèn)題時(shí)快速恢復(fù)。相比自建機(jī)房的方式，公有云不僅運(yùn)維成本更低，而且運(yùn)維更專業(yè)、可靠。

某電商公司 2018 年投入數(shù)百萬(wàn)資金自建物理機(jī)房，起初系統(tǒng)穩(wěn)定性連 90%都達(dá)不到，2020 年雙 11 大促活動(dòng)期間，因業(yè)務(wù)中斷兩小時(shí)，造成高達(dá) 100 余萬(wàn)的損失。后來(lái)該公司改用移動(dòng)云云主機(jī)，公司業(yè)務(wù)系統(tǒng)穩(wěn)定性提高至 99%，建設(shè)維護(hù)成本下降 60%，問(wèn)題迎刃而解。

更重要的是，上云相比自建機(jī)房更是能為企業(yè)帶來(lái)無(wú)可比擬的價(jià)值。在數(shù)字化轉(zhuǎn)型的大背景下，云作為數(shù)字化轉(zhuǎn)型的重要支撐技術(shù)，具有按需使用、彈性伸縮、資源共享等優(yōu)勢(shì)，可以提升企業(yè)的業(yè)務(wù)敏捷性，降低企業(yè)的成本。而且，云計(jì)算也是人工智能的基座，只有在云的基礎(chǔ)上，企業(yè)才能更好地?fù)肀е悄軙r(shí)代。

從千行萬(wàn)業(yè)無(wú)數(shù)企業(yè)的實(shí)踐也能看到這一點(diǎn)。例如，對(duì)可靠性要求最為苛刻的金融企業(yè)，也在將核心業(yè)務(wù)上云。以郵儲(chǔ)銀行為例，其新一代分布式核心系統(tǒng)為全行 6 億多個(gè)人客戶提供了日均 20 億筆的處理能力，聯(lián)機(jī)交易處理效率提升一倍，批處理效率提升 33%。

正如長(zhǎng)江黃河不會(huì)倒流，上云的大方向也不會(huì)因?yàn)槌霈F(xiàn)一些坎坷而發(fā)生改變。

雞蛋不要放在一個(gè)籃子里

上云的方向沒(méi)問(wèn)題，但是上云的路徑和具體策略卻需要借助阿里云故障時(shí)間進(jìn)行重新審視。

比如對(duì)于核心業(yè)務(wù)上云的企業(yè)，就有必要警惕云集中的風(fēng)險(xiǎn)，實(shí)施多云戰(zhàn)略勢(shì)在必行。

Gartner 公布的 2023 年三季度新興風(fēng)險(xiǎn)報(bào)告顯示，云集中風(fēng)險(xiǎn)連續(xù)第二年進(jìn)入“五大新興風(fēng)險(xiǎn)”綜合榜單，其中中國(guó)市場(chǎng)的這種風(fēng)險(xiǎn)尤為突出。正如 Gartner 法律風(fēng)險(xiǎn)與合規(guī)實(shí)踐部門研究總結(jié)徐然所說(shuō)，“云服務(wù)集中化風(fēng)險(xiǎn)正在成為大多數(shù)企業(yè)的共識(shí)，許多企業(yè)和機(jī)構(gòu)現(xiàn)在面臨這樣的處境：一旦單個(gè)云服務(wù)商出現(xiàn)故障，將導(dǎo)致業(yè)務(wù)發(fā)生嚴(yán)重中斷。”

破局云集中風(fēng)險(xiǎn)的一個(gè)有效途徑，就是實(shí)施多云戰(zhàn)略，就像不要將雞蛋放在同一個(gè)籃子里一樣。Flexera 發(fā)布的《2021 年云計(jì)算市場(chǎng)發(fā)展?fàn)顟B(tài)報(bào)告》顯示，有 92%的企業(yè)采用了多云戰(zhàn)略，就是如此。

采用多云戰(zhàn)略的好處顯而易見，一方面，企業(yè)可以將風(fēng)險(xiǎn)分散，防止出現(xiàn)某個(gè)云廠商出現(xiàn)故障時(shí)企業(yè)業(yè)務(wù)中斷的風(fēng)險(xiǎn)，實(shí)現(xiàn)雙保險(xiǎn)、多保險(xiǎn)；另一方面，企業(yè)也能選擇各領(lǐng)域最優(yōu)的云服務(wù)廠商，形成最佳組合來(lái)滿足業(yè)務(wù)需求。

通過(guò)這次阿里云宕機(jī)事件，還有一個(gè)警示意義，那就是必須要重視災(zāi)備。事實(shí)上，災(zāi)備服務(wù)也是云相比自建機(jī)房的重要優(yōu)勢(shì)，云服務(wù)提供商通常會(huì)提供災(zāi)備服務(wù)，以滿足企業(yè)數(shù)據(jù)安全和業(yè)務(wù)連續(xù)性需求。

但是需要指出的是，不同云廠商的災(zāi)備服務(wù)能力也是有差異的。例如，華為云就具有同城 AZ（AvailableZone，可用區(qū)）內(nèi)、跨 AZ、異地跨區(qū)的兩地三中心容災(zāi)方案和 1000 公里以上的城市級(jí)容災(zāi)能力。河鋼集團(tuán)，就采用華為云提供的兩地三中心容災(zāi)備份方案，實(shí)現(xiàn)了系統(tǒng)的平穩(wěn)可靠運(yùn)行，任何時(shí)候都能實(shí)現(xiàn)業(yè)務(wù) 0 中斷。

所以，對(duì)于將核心業(yè)務(wù)放在云上的企業(yè)，只有不將雞蛋放在一個(gè)籃子里（多云與多地災(zāi)備），才能最大限度保障企業(yè)核心數(shù)據(jù)的安全和業(yè)務(wù)的平穩(wěn)運(yùn)行。

后記：選云，要選可靠的云

毋庸置疑，阿里云這次出現(xiàn)如此大的故障，會(huì)對(duì)其未來(lái)的市場(chǎng)開拓帶來(lái)負(fù)面影響。野村綜研（上海）數(shù)字化能力中心總監(jiān)陶旭駿就表示，政府和國(guó)企央企市場(chǎng)是云市場(chǎng)的非常重要的客戶群，他們對(duì)安全性和穩(wěn)定性的要求是壓倒成本和性能的，阿里云會(huì)在開拓企業(yè)市場(chǎng)時(shí)受到挑戰(zhàn)。

可以預(yù)計(jì)，這次事件也會(huì)對(duì)政企在選擇云服務(wù)廠商時(shí)帶來(lái)影響，大家會(huì)有一個(gè)強(qiáng)烈的共識(shí)：選云，要選可靠的云。因?yàn)?，不管是性能，還是成本，都必須有一個(gè)前提，那就是高可靠性、高可用性。打個(gè)比方，高可靠性和高可用性是 1，其他是 0，如果沒(méi)有前者，后者也不復(fù)存在。

那么什么是可靠的云呢？我覺(jué)得，首先要看企業(yè)的基因。比如華為云，就根植華為的基因，華為從運(yùn)營(yíng)商業(yè)務(wù)起家，運(yùn)營(yíng)商對(duì)于產(chǎn)品的可靠性、穩(wěn)定性有極高的要求，如我們經(jīng)常聽到的電信級(jí)要求，要求在不間斷運(yùn)行、高穩(wěn)定性、可靠性上有 5 個(gè) 9 的級(jí)別。正是這樣嚴(yán)苛的要求，讓高可靠性、高可用性刻在了華為、華為云的骨子里，滲透到了血液里。

其次要看企業(yè)在高可靠性、高可用性上的技術(shù)能力，尤其是運(yùn)維安全上的內(nèi)功。事實(shí)上，在軟硬件迭代加速、企業(yè)需求瞬息萬(wàn)變、不確定性加劇的大背景下，云服務(wù)的運(yùn)維也在發(fā)生變革，運(yùn)維既要保穩(wěn)，也要敏捷。令人欣喜的是，業(yè)界的頭部廠商正在身體力行地推動(dòng)運(yùn)維模式的變革，從運(yùn)維組織、人員能力、知識(shí)體系發(fā)展等全維度進(jìn)行變革，強(qiáng)化穩(wěn)定可靠性。

穩(wěn)定可靠一直是各云廠商的業(yè)務(wù)重點(diǎn)和難點(diǎn)，為此進(jìn)行了各種組織上和體制上的設(shè)計(jì)。例如，華為云內(nèi)部就專門有一種職業(yè)，叫做 SRE（SiteReliabllitiyEngineer，站點(diǎn)可用工程師），還系統(tǒng)定義了包括質(zhì)量管理機(jī)制、運(yùn)維平臺(tái)等 SRE 的能力體系。京東云通過(guò)京東云云泰-穩(wěn)定性主動(dòng)管理平臺(tái)，為客戶提供全鏈路的云上安全保障，其基于混沌工程原理，可以做到先于用戶發(fā)現(xiàn)問(wèn)題、先于感知修復(fù)問(wèn)題。金山云服務(wù)器帶來(lái)完善的管理員面板功能，可以讓用戶快速了解實(shí)例情況、配置實(shí)例、掛載和擴(kuò)容硬盤等，隨時(shí)掌控資源使用情況。

總而言之，針對(duì)阿里云出現(xiàn)故障這一事件，需要客觀理性看待：既不能因噎廢食，改變上云的大方向；也不能置若罔聞，需要對(duì)上云的路徑和策略進(jìn)行重新審視，需要對(duì)云服務(wù)廠商進(jìn)行全面審視。

只有這樣，企業(yè)的云上之旅和數(shù)字化轉(zhuǎn)型步伐才能既快又穩(wěn)。

審核編輯 黃宇