【編者按】

在企業(yè)上云成主流趨勢(shì)的今天，上云的風(fēng)險(xiǎn)備受關(guān)注，云服務(wù)器若宕機(jī)一分鐘都會(huì)給企業(yè)的業(yè)務(wù)帶來(lái)不可估量的損失。前段時(shí)間，微軟Azure圣安東尼奧數(shù)據(jù)中心被雷擊中，引發(fā)故障，系統(tǒng)中斷超過(guò)24小時(shí)。再一次證明，跨AZ(Availability Zones：可用區(qū))高可用，建立容災(zāi)備份機(jī)制，是每個(gè)企業(yè)上云所要關(guān)注的重點(diǎn)之一。

據(jù)媒體報(bào)道，2018年9月4日，微軟在美國(guó)中南部地區(qū)的圣安東尼奧數(shù)據(jù)中心由于雷電天氣影響導(dǎo)致電壓激增，數(shù)據(jù)中心的冷卻系統(tǒng)發(fā)生故障。為保證數(shù)據(jù)和硬件完整性，數(shù)據(jù)中心的自動(dòng)化措施強(qiáng)制關(guān)閉了系統(tǒng)電源以防止機(jī)器因過(guò)熱造成損壞。

這一事故引發(fā)了 Azure 中斷，Office 365 以及 Azure Active Directory 服務(wù)都受到影響，并且恢復(fù)相關(guān)存儲(chǔ)服務(wù)經(jīng)歷了很長(zhǎng)時(shí)間。

故障從9月4日上午 9 點(diǎn)(北京時(shí)間 9 月 4 日 17:00)左右開(kāi)始出現(xiàn)問(wèn)題，到9月5日 13點(diǎn)左右(北京時(shí)間9月5日21:00左右)，微軟大多數(shù)受影響服務(wù)的存儲(chǔ)可用性已經(jīng)恢復(fù)，整個(gè)故障中斷時(shí)間超過(guò) 24 小時(shí)。

雖然Azure Support 將事故稱(chēng)為“網(wǎng)絡(luò)問(wèn)題”，并表示中斷只會(huì)影響美國(guó)中南部的客戶(hù)，但是很多用戶(hù)表示中斷已經(jīng)影響了包括西歐、亞洲在內(nèi)的其他地區(qū)。

Azure Support 在對(duì)用戶(hù)的回復(fù)中澄清了為什么其他地區(qū)會(huì)受到影響：“在某種程度上，我們所有的數(shù)據(jù)中心都是相互聯(lián)系的。因此，如果一個(gè)數(shù)據(jù)中心出現(xiàn)故障，它將轉(zhuǎn)移到其他數(shù)據(jù)中心。此外，在歐洲的客戶(hù)可能會(huì)在受影響的數(shù)據(jù)中心托管一些資源?！?/p>

包括 Office 365 和 VSTS (Visual Studio Team Services)在內(nèi)的近 40 個(gè) Azure 服務(wù)受到影響。

9月5日，Azure 狀態(tài)更新中表示，工程師正在優(yōu)先恢復(fù)存儲(chǔ)資源，以便恢復(fù)依賴(lài)于這些受影響資源的所有服務(wù)，但是恢復(fù)過(guò)程需要一段時(shí)間。到北京時(shí)間9月5 日晚 9 點(diǎn)左右，大多數(shù)受影響的服務(wù)已經(jīng)恢復(fù)。

到底應(yīng)該怎么上云?

此次 Azure 服務(wù)中斷時(shí)間長(zhǎng)，影響較大，又引發(fā)了大家對(duì)上云風(fēng)險(xiǎn)的討論。討論中出現(xiàn)了這樣的疑惑：區(qū)域性中斷應(yīng)該不會(huì)拖垮那么多服務(wù)，地理冗余在哪里?

雖然很多細(xì)節(jié)都圍繞在具體是哪里的冷卻系統(tǒng)發(fā)生了故障，但Azure的這次服務(wù)中斷也讓大家認(rèn)識(shí)到AZ(可用區(qū))的重要性。AZ能讓使用云服務(wù)的用戶(hù)在給定云計(jì)算區(qū)域內(nèi)的幾個(gè)獨(dú)立建筑周?chē)稚⒐ぷ髁?，以期避免單個(gè)數(shù)據(jù)中心會(huì)帶來(lái)的問(wèn)題。

上云必須要防止這些基礎(chǔ)設(shè)施問(wèn)題，即使 99%的SLA(等級(jí)服務(wù)協(xié)議)也意味著一年 365 天大約可以有 4 天不在線(xiàn)。所以很多公司會(huì)提到 99.9% 和 99.99%。當(dāng)以年為單位來(lái)看，小數(shù)點(diǎn)后面的位數(shù)也不可小覷。

公有云提供的高度冗余意味著公司需要在全國(guó)各地?fù)碛袨檎军c(diǎn)提供服務(wù)并充當(dāng)備份的數(shù)據(jù)中心。公有云應(yīng)當(dāng)建立自己的容災(zāi)備份機(jī)制，那么，作為公有云的落地實(shí)踐，行業(yè)云又該如何保證跨區(qū)高可用，為企業(yè)提供穩(wěn)定可靠的服務(wù)呢?

呼叫中心云服務(wù)，是云計(jì)算在呼叫中心行業(yè)的應(yīng)用與實(shí)踐。作為呼叫中心云服務(wù)的引領(lǐng)者，巨人網(wǎng)絡(luò)通訊呼叫中心云服務(wù)以“雙活分區(qū)”“雙云互備”的模式來(lái)保證系統(tǒng)跨區(qū)高可用。

把系統(tǒng)同時(shí)部署在云服務(wù)商的A區(qū)和B區(qū)，并且在AB區(qū)設(shè)有多個(gè)機(jī)房，任何一個(gè)機(jī)房出現(xiàn)問(wèn)題，對(duì)云服務(wù)的正常運(yùn)營(yíng)是沒(méi)有影響的。而我們選擇云服務(wù)商的前提是，所提供的組件本身就是跨AZ高可用的。因?yàn)橹挥性茝S商為你提供的基礎(chǔ)資源高可用，才能讓業(yè)務(wù)的跨AZ變得簡(jiǎn)單。

只在一個(gè)云上做雙活分區(qū)還不夠!巨人網(wǎng)絡(luò)通訊采用兩個(gè)云廠商，以雙云互備的形式為高可用再加一層防護(hù)網(wǎng)，可以為客戶(hù)在不同的云平臺(tái)開(kāi)通獨(dú)立賬號(hào)，同時(shí)使用。雙云互相切換的時(shí)間控制在1分鐘以?xún)?nèi)，并保證云服務(wù)商和我們的核心機(jī)房之間是兩條專(zhuān)線(xiàn)直連，如果遇到其中任何一條被挖掘機(jī)挖掉的情況，業(yè)務(wù)可以自動(dòng)切換到另一條，也就是我們常說(shuō)的“物理雙鏈路、設(shè)備雙冗余”。

通過(guò)雙活分區(qū)、雙云互備的模式，即便是出現(xiàn)自然災(zāi)害或人為失誤的極端情況，也能保證客戶(hù)系統(tǒng)正常使用。