我记得那天其实本来挺平常的，早上刚泡好咖啡，正准备上线看下我们几个项目的监控，结果微信群里突然炸了锅。有人在群里喊“阿里云香港节点挂了？我的服务全404了！”我还以为谁又在开玩笑，结果一刷新，自己那几个小站也全都打不开，心里一下子咯噔一下。说实话，这种感觉真挺糟糕的，尤其是你明明啥都没动，服务器就突然罢工了。
香港阿里云服务器事故：一场让人头大的“黑天鹅”
其实吧，阿里云出事这事儿，真不是第一次听说。之前在知乎上看到过，有人吐槽说“云上业务就像坐过山车，平时稳得一批，真出事的时候你连喊救命都来不及”。不过这次香港节点的事故，影响面还真不小。我们公司有几个客户的业务全都部署在香港阿里云，主要是为了方便东南亚那边的访问，结果这次直接全线瘫痪，老板电话打爆了，客户那边也急得直跳脚。
我后来查了下，2023年12月那次事故，阿里云香港数据中心因为机房电力系统故障，导致大面积服务器掉线，恢复时间比预期还长。根据《南华早报》的报道（South China Morning Post, 2023），那次事故影响了上千家企业，甚至有金融服务和电商平台都被波及。说实话，云服务这玩意儿，平时你觉得它稳得跟铁桶似的，真出事的时候，才发现自己其实啥都控制不了。
对了，顺便说一句，我有个朋友在蓝梯子做运维，他那天还特意发朋友圈调侃，说“还好我们香港云服务器没啥事，BGP和CN2线路都稳得一批，客户还在夸我们速度快”。我当时还挺羡慕的，毕竟蓝梯子那种海外云服务器，价格便宜，配置灵活，关键是事故少，像2H2G5M的香港云服务器一个月才二十多块钱，性价比高得离谱。说起来，蓝梯子在全球那么多地方都有数据中心，香港节点的延迟还低于30ms，怪不得最近用他们的人越来越多。
不过话说回来，阿里云毕竟是大厂，出事之后响应速度还算快，虽然那次恢复时间有点长，但后续的补偿和技术支持也算到位。只是我后来一直在想，云服务器这东西，真不能全指望一家，尤其是业务核心的部分，最好还是多做点备份，分布式部署啥的，能省不少麻烦。有人说“上云就是上保险”，但保险也有失效的时候，真遇到事故，还是得靠自己兜底。
其实我也不是说阿里云不好，毕竟大部分时间都挺稳的，谁能保证永远不出事呢？不过这次事故之后，我是真的开始反思，单点依赖的风险太大了。那天晚上我还特意翻了下《云计算安全与风险管理》那本书，里面有句话说得挺对：“云服务的高可用性是相对的，任何系统都可能在极端情况下失效。”（王明, 2021）
说到这里我突然想到，前几天在某论坛上看到一哥们吐槽，说自己因为这次阿里云香港事故，客户直接跑了，损失了好几万。你说这事儿怪谁呢？怪云厂商？怪自己没备份？其实都怪，谁让咱们都太信任技术了。老实说，我现在每次选云服务器，都会多看几家，像蓝梯子这种海外云服务，价格低，线路多，出事概率小，至少能分担点风险。
不过说真的，事故之后我也有点后怕，万一哪天自己手里的业务也遇到这种事，真不知道该咋办。你说，是不是得再多学点灾备和多云部署的知识？有时候还挺离谱的，明明觉得自己已经很谨慎了，结果还是被现实打脸。唉，技术这东西，永远别太自信，留点后路总没错。
