“你们香港阿里云是不是又挂了？”我刚泡好一杯咖啡，Slack上就弹出来同事的消息，带着点幸灾乐祸的表情包。说实话，这种事我已经见怪不怪了，毕竟做运维的，服务器出点幺蛾子，简直比下雨还频繁。可这次不太一样，香港节点，阿里云，直接崩了，连官网都打不开，工单系统也进不去，真是有点离谱。
香港阿里云服务器崩了，到底咋回事？
其实我一开始还以为是我们自家应用出问题，毕竟代码写得再牛，也架不住有时候脑子短路。可后来一查，发现不止我们，连带着好几个同行都在微信群里哀嚎，说自己的服务全挂了。有人说，阿里云香港节点这次是“全线瘫痪”，连带着CDN、RDS、ECS全都趴窝。说白了，这种级别的事故，真不是小打小闹能形容的。
我记得去年有一次，阿里云杭州节点也出过类似的事，不过那次好像是因为机房电力故障，后来官方发了个公告，说是“极端天气导致供电异常”。这次香港的，官方倒是很快发了公告，说是“网络设备故障”，但具体啥原因，谁也说不清楚。有人在知乎上分析，说可能是BGP路由表被污染了，也有人说是机房被挖断了光纤。反正众说纷纭，真相只有阿里云自己知道。
对了，顺便说一句，我在《云计算架构实战》那本书里看到过，云服务商其实最怕的就是这种“单点故障”，一旦核心节点挂了，影响面比你想象的大得多。可问题是，谁能想到阿里云这种大厂也会出这种低级错误？我有点怀疑，是不是他们的冗余和容灾做得没那么到位。说实话，作为用户，咱也只能干着急，毕竟服务器在别人手里，想骂也没用。
其实吧，这种事发生多了，大家也就麻木了。你说，云服务不是号称“高可用”吗？可一旦出事，工单没人回，客服电话打不通，官网都打不开，真有点无助。有人在V2EX上吐槽，说“云计算的高可用，最后变成了高不可用”。我觉得这话说得挺扎心的。对了，2023年Gartner的报告里还专门提到，亚太区云服务的可用性其实一直是个短板，尤其是香港、新加坡这种节点，带宽和基础设施都没内地那么稳妥（Gartner, 2023）。
说起来，我有个朋友在一家做跨境电商的公司，服务器全放在香港阿里云。那天他跟我说，老板直接在群里开骂，说“花了这么多钱，结果还不如自建机房”。我当时听了也只能苦笑，毕竟云服务的好处是弹性和省心，可一旦出事，真的是全公司都得陪着遭殃。你说，这事是不是挺扯的？哈哈。
其实我也不是第一次遇到这种大规模宕机了。2018年AWS悉尼节点也崩过一次，那次影响了好几个澳洲的金融公司。后来AWS发了个长长的事故报告，洋洋洒洒几千字，最后一句话的意思就是“我们很抱歉，下次会更好”。可下次到底会不会更好，谁知道呢？
我有时候也在想，咱们是不是太依赖云了？以前自建机房，出事了还能自己去机房里捣鼓捣鼓，现在全靠云服务商，出了问题只能等他们修。说实话，这种无力感还挺难受的。可那又能咋办呢？迁移成本太高，老板也不愿意折腾，大家都在赌，赌云服务商不会出大事。可一旦赌输了，损失的还是自己。
对了，刚才还漏了个事，这次香港阿里云崩了之后，朋友圈里一堆人开始安利多云部署，说什么“不要把鸡蛋放在一个篮子里”。我个人觉得，这话说得没错，可真要做多云，成本和复杂度都不是一般公司能承受的。说白了，大家嘴上说得轻松，真让你搞多云，估计一半人都得劝退。
说到这里我突然想到，前几天还看到有个哥们在B站做了个视频，专门吐槽云服务的“高可用神话”。他说，云服务商的SLA写得再漂亮，真出事了，赔偿也就几块钱，根本弥补不了业务损失。我觉得他说得挺有道理的。你说，咱们到底该信谁呢？
其实我也说不准，刚才说的也不一定对，等会儿我再查查。反正这年头，服务器崩了，大家都得学会自嘲，不然真有点遭不住。
0 留言