日前，大量美國互聯(lián)網(wǎng)應(yīng)用的服務(wù)幾乎在同一時(shí)間集體掉線，迪士尼+的劇集停播、麥當(dāng)勞應(yīng)用程序無法點(diǎn)餐、聯(lián)合航空值機(jī)系統(tǒng)癱瘓……這一系列連鎖反應(yīng)原來系亞馬遜云服務(wù)（AWS）再次突發(fā)嚴(yán)重系統(tǒng)故障。

這場持續(xù)了超15小時(shí)的故障，不僅蔓延到AWS的核心服務(wù)，引發(fā)全球連鎖反應(yīng)，更被業(yè)內(nèi)稱為近年來最嚴(yán)重的宕機(jī)事故之一。故障修復(fù)之余，這也對(duì)行業(yè)拋出了靈魂拷問，全球領(lǐng)先的云服務(wù)商為何不可靠？云端時(shí)代的“斷網(wǎng)魔咒”為何屢破不止？

01

宕機(jī)突發(fā)背后

小漏洞引發(fā)大崩塌

根據(jù)AWS官方公告披露，此次故障的“根源”藏在最基礎(chǔ)的網(wǎng)絡(luò)環(huán)節(jié)。當(dāng)?shù)貢r(shí)間10月19日晚上11:49，AWS的核心節(jié)點(diǎn)之一美國東部1區(qū)（US-EAST-1）首先報(bào)告出現(xiàn)“顯著的錯(cuò)誤率和延遲”現(xiàn)象，在10月20日凌晨0:26，AWS確定事件的觸發(fā)原因?yàn)閰^(qū)域DynamoDB（AWS旗下云原生數(shù)據(jù)庫）服務(wù)端點(diǎn)的DNS解析問題。

所謂DNS（域名系統(tǒng)），是一種將網(wǎng)址轉(zhuǎn)換為IP地址的系統(tǒng)，是互聯(lián)網(wǎng)的核心基礎(chǔ)設(shè)施，也是名副其實(shí)的互聯(lián)網(wǎng)導(dǎo)航系統(tǒng)。其一旦失靈，就意味著客戶端無法把DynamoDB的域名以正常的速度解析成正確的IP地址，從而導(dǎo)致了后續(xù)一連串服務(wù)故障。

其中包括EC2、Lambda、S3、CloudFormation等多個(gè)產(chǎn)品在內(nèi)的“多服務(wù)操作問題”。一直截止到10月20日下午3:01，所有AWS服務(wù)才恢復(fù)正常運(yùn)營。

不僅如此，此次中斷的波及范圍極廣。短短幾個(gè)小時(shí)內(nèi)，Downdetector監(jiān)控到來自500多個(gè)網(wǎng)站的用戶報(bào)告數(shù)量翻倍，達(dá)到400萬份，并最終在恢復(fù)嘗試過程中達(dá)到650萬的峰值。有專家指出，這次事件不僅是一次技術(shù)故障，更是一場關(guān)于互聯(lián)網(wǎng)脆弱性和集中化風(fēng)險(xiǎn)的全球警示。

談及AWS此次服務(wù)中斷帶來的經(jīng)濟(jì)損失，Catchpoint的CEO Mehdi Daoudi指出，如果將本次宕機(jī)的后續(xù)影響、公司停業(yè)損失和“數(shù)百萬名無法進(jìn)行工作的員工的生產(chǎn)力損失”都考慮在其中，累計(jì)損失金額將會(huì)是數(shù)百億美元乃至千億美元。

02

故障背后的深層答案與行業(yè)啟示

值得注意的是，這并非AWS首次遭遇大規(guī)模服務(wù)中斷，作為云行業(yè)的標(biāo)桿企業(yè)，其故障史早已暴露出了核心區(qū)域過度依賴的積弊。

2021年12月，US-East-1區(qū)域服務(wù)器供電故障引發(fā)連鎖反應(yīng)，亞馬遜配送業(yè)務(wù)停滯，Netflix、Twitter等平臺(tái)離線超6小時(shí)，被業(yè)內(nèi)稱為“年度云端災(zāi)難”。

2022年12月，US-WEST-2區(qū)域網(wǎng)絡(luò)設(shè)備故障，引發(fā)大規(guī)模網(wǎng)絡(luò)癱瘓。導(dǎo)致該區(qū)域內(nèi)EC2實(shí)例失聯(lián)、EBS存儲(chǔ)卷無法訪問。

2023年6月，US-EAST-1區(qū)域AWS Lambda和API Gateway的前端系統(tǒng)遇到問題，導(dǎo)致客戶無法調(diào)用函數(shù)、更新或部署新應(yīng)用。

加之此次故障，梳理近五年重大故障可以總結(jié)出幾個(gè)關(guān)鍵規(guī)律。

一是核心區(qū)域的脆弱性，US-EAST-1區(qū)域幾乎成為“故障高發(fā)地”。絕大部分重大故障都起源于US-EAST-1區(qū)域。這既是AWS部署最早、最大的區(qū)域，也是眾多全球客戶默認(rèn)或首選部署的區(qū)域，其負(fù)載和復(fù)雜性最高，一旦發(fā)生故障，影響面最大。

二是“連鎖效應(yīng)”成為常態(tài)，單一服務(wù)的故障（如DynamoDB、Kinesis、ElastiCache）極易通過復(fù)雜的服務(wù)依賴鏈迅速放大，演變成波及數(shù)十項(xiàng)服務(wù)乃至整個(gè)區(qū)域的全面癱瘓。

三是故障根因多樣化但聚焦，故障原因涵蓋從物理網(wǎng)絡(luò)設(shè)備、到DNS解析、再到API容量和軟件bug等多個(gè)層面，但越來越多地指向內(nèi)部核心管理系統(tǒng)或基礎(chǔ)組件的失效，而非直接面向用戶的終端服務(wù)。

AWS故障頻發(fā)的背后，也暴露出全球云基礎(chǔ)設(shè)施的深層矛盾。根據(jù)Synergy Research Group的數(shù)據(jù)，AWS是云基礎(chǔ)設(shè)施技術(shù)領(lǐng)域的龍頭企業(yè)，約占據(jù)三分之一的市場份額，領(lǐng)先于微軟和谷歌。三者合計(jì)占比近70%，市場缺乏充分競爭使得基礎(chǔ)架構(gòu)升級(jí)動(dòng)力不足。

更值得警惕的是“隱性成本削減”帶來的風(fēng)險(xiǎn)。今年7月，AWS在云計(jì)算部門裁員數(shù)百人，上海AI研究院也宣布解散。對(duì)此，行業(yè)分析師曾指出，運(yùn)維團(tuán)隊(duì)精簡可能導(dǎo)致故障響應(yīng)速度下降。

對(duì)于企業(yè)用戶來說，此次AWS故障也再次證明，依賴單一云服務(wù)提供商的風(fēng)險(xiǎn)不可低估。行業(yè)中也早有“雞蛋不要放在一個(gè)籃子里”的呼吁。面對(duì)不可避免的網(wǎng)絡(luò)服務(wù)中斷，企業(yè)應(yīng)增強(qiáng)前瞻性，實(shí)施多區(qū)域部署、混合云策略并且建立實(shí)時(shí)故障轉(zhuǎn)移機(jī)制。

究其根本，云服務(wù)是可靠的，但這種可靠性并非萬無一失，而是需要企業(yè)與云服務(wù)商共同構(gòu)建動(dòng)態(tài)韌性，不是“永不斷線”，而是能夠平衡好“快速恢復(fù)”和“業(yè)務(wù)無損”。

閉眼沖eSIM？你要提前了解“四變五不變”！

eSIM“無卡化”的便捷承諾，為何在實(shí)踐中步履蹣跚？

eSIM商用背后：一場手機(jī)、芯片與運(yùn)營商的“三角博弈”

責(zé)編/版式：王禹蓉

審校：王 濤 梅雅鑫

監(jiān)制：劉啟誠

【通信世界新媒體矩陣】

央視頻 | 微軟MSN | 視頻號(hào) | 微博 | 今日頭條 | 百家號(hào) | 網(wǎng)易號(hào) | 人民號(hào) | 騰訊新聞

搜狐 | 新浪看點(diǎn) | 雪球號(hào) | 抖音 | 快手 | 愛奇藝 | 知乎 | 嗶哩嗶哩 | 咪咕視頻 |CSDN

【新媒體團(tuán)隊(duì)】

監(jiān)制｜劉啟誠

審校｜王濤 梅雅鑫 張鵬

編輯｜王禹蓉

視頻制作｜蔣雅麗 黃楊洋