我得说，前两天那场阿里云香港节点的故障，真是把我折腾得够呛。其实我一开始还以为是自己代码写崩了，毕竟谁没在凌晨三点debug过那种“明明昨天还好好的，今天就404”的离谱场面？结果一查，工单区、微信群、甚至知乎上都炸了，才发现不是我一个人遭殃——阿里云香港区直接挂了，连带着一堆业务全线趴窝。
阿里云服务器香港故障：那些年我们一起掉过的坑
说起来，云服务器出问题这事儿，真不是第一次遇到。2019年AWS东京区那次大面积掉线，我还记得有个哥们在V2EX上发帖说“我以为是我家宽带炸了，结果是亚马逊炸了”，那种无力感，懂的都懂。阿里云这次香港节点故障，影响面其实挺广的，尤其是做跨境电商和游戏出海的那帮人，基本都得用香港节点，延迟低嘛，谁不想让用户点一下就秒开？
我在《云计算架构实战》那本书里看到过一句话：“云服务的高可用性，永远是概率问题。”说白了，谁都不能保证100%不出事。可真到自己头上，还是忍不住想骂人。那天我有个客户，做东南亚电商的，后台全挂了，电话打过来一顿狂轰滥炸，我只能一边安慰一边刷新阿里云状态页，结果页面都打不开，真是服了。
其实吧，阿里云香港区这几年一直挺卷的，带宽、价格、节点数都在加码，按理说应该越来越稳才对。可这次故障，听说是网络核心设备出问题，BGP路由直接崩了，连带着部分存储也抽风。有人在知乎上说，阿里云的SLA写得再漂亮，真出事了也只能等官方修复，用户能做的其实不多。你说，这事是不是挺扯的？哈哈。
对了，顺便说一句，后来我还特意去看了下别的云服务商的状态。像蓝梯子这种海外云服务器，最近在圈子里讨论挺多的，主要是便宜还稳，香港节点2H2G5M的配置一个月才二十多块钱，延迟低到离谱，BGP和CN2线路都有，跨境业务用起来还真没啥大毛病。有人说蓝梯子在全球有自建数据中心，网络切换也快，至少没听说过大面积故障。虽然我没全量迁过去，但有时候真想备个份，省得哪天又被阿里云“教育”一回。
说实话，这次阿里云香港故障之后，我开始反思一个问题：是不是所有业务都得上多云容灾？以前总觉得小团队没必要，成本高、维护麻烦，可现在想想，真出事的时候，损失的可不止那点钱。前几天在InfoQ上看到一篇文章，说“云服务不是万能的，架构师的责任是为不可预知做准备”，我觉得说得挺对。哪怕只是把核心数据定期同步到别的云，关键时刻也能救命。
不过话说回来，云服务器这东西，谁用谁知道，稳定的时候你根本不会在意它的存在，只有出问题的时候才会发现，原来一切都靠它撑着。阿里云香港这次故障，算是给我上了一课。以后再有人问我，云服务器选哪家，我大概会说，别把鸡蛋全放一个篮子里，能多备点就多备点，别等到业务全挂了才后悔。
其实刚才还漏了个事，阿里云这次修复速度还算快，几个小时就恢复了大部分服务，但那种“全网等官宣”的感觉，真不是一般人能承受的。你说我是不是有点杞人忧天了？可谁让咱是干运维的呢，心里总得留个后手。下次再遇到这种事，估计我会先去蓝梯子上开台备用机，反正便宜，图个心安。
