美國時間2月28日上午9:54分，知乎網(wǎng)友“十六樓的老民工”剛喝完早上第一杯咖啡，突然發(fā)現(xiàn)之前在電腦上下達(dá)的部署指令并未完成，S3云服務(wù)出錯了。他任職的那所舊金山公司，是亞馬遜云的大客戶。隨即，他從AWS技術(shù)服務(wù)人員那端確認(rèn)了S3出故障的消息。

 

　　S3是亞馬遜提供的一款明星級的存儲桶產(chǎn)品，通俗地講，可用于圖片及網(wǎng)頁上其他項目的保存?zhèn)浞荩瑫r可以在服務(wù)器和靜態(tài)網(wǎng)站里共享文檔。由其引發(fā)的故障，迅速在美國各類新聞網(wǎng)站、應(yīng)用程序和智能硬件公司的身上爆發(fā)，Quora、Netflix、Airbnb 、Slack、Nest、Runkeeper以及亞馬遜的智能家居操作系統(tǒng)Alexa等等，都因此出現(xiàn)了不同程度的服務(wù)中斷。

 

　　大約十幾分鐘后，“十六樓的老民工”就意識到，盡管云計算廠商的服務(wù)故障或宕機時有發(fā)生，但這次事故的嚴(yán)重程度足以上新聞。“我原以為AWS很可靠了，S3一般很穩(wěn)定，上一次這么大規(guī)模的（事故）還是2012年圣誕節(jié)的時候。”

 

　　在行業(yè)內(nèi)人士眼中，亞馬遜提供的云服務(wù)產(chǎn)品非常穩(wěn)定，S3此前從未出現(xiàn)嚴(yán)重故障，公司的運維能力也很強，通常出現(xiàn)問題一小時內(nèi)就能解決。但在那一天接下來的四個小時里，亞馬遜卻經(jīng)歷了漫長的尷尬。

 

　　關(guān)于事故的影響范疇，SimilarTech營銷總監(jiān)丹尼爾·巴楚科估算稱：“在互聯(lián)網(wǎng)最大的網(wǎng)站中，有1%使用S3。而根據(jù)他所在的機構(gòu)提供的數(shù)據(jù)，S3被近15萬家網(wǎng)站使用，包括ESPN和AOL等。

 

　　不過這次事故對中國企業(yè)并未造成太大波及。36氪聯(lián)系了有米科技、侯斯特、天天果園、OPPO等多家亞馬遜云的中國客戶，尚未發(fā)現(xiàn)服務(wù)受影響的案例。

 

　　“亞馬遜在全球有多個數(shù)據(jù)中心，這次僅僅是是美國東部的弗吉尼亞州數(shù)據(jù)中心出了故障，不是全球性故障。這個中心靠近美國東部，一般美國人才會采用，中國國內(nèi)使用的話訪問速度很慢，所以估計國內(nèi)用戶用的很少。”有米科技CTO蔡銳濤說。

 

　　另外，這次事故發(fā)生的時間是亞太區(qū)的夜晚，大洋彼岸的企業(yè)也躲過一劫。

 

　　S3停擺將給亞馬遜造成多大的經(jīng)濟(jì)損失？Gartner調(diào)研總監(jiān)張毅表示，云計算廠商的賠付協(xié)議通常會規(guī)定一個用時間衡量的可用性。舉例而言，根據(jù)企業(yè)與云計算廠商簽訂的SLA（service level agreement），當(dāng)某企業(yè)要求可用性為99.95%，意味著每年365天中必須有99.95%的時間正常運轉(zhuǎn)，而牽涉到特別重要的客戶或關(guān)鍵任務(wù)，比如電商客戶，可能要保證99.99%的有效服務(wù)時間。如果停擺時間超過0.05%或0.01％，通常會以更多免費服務(wù)時間作為賠償。

 

　　在2013年亞馬遜發(fā)生的一次服務(wù)器故障中，曾有媒體估算亞馬遜每秒的損失約為1100美元。

 

　　美國時間14:08，亞馬遜宣布S3已恢復(fù)正常，災(zāi)難停止了。

 

　　這場風(fēng)波留給人們提的醒是，在購買云計算服務(wù)時要提前設(shè)計好一套Plan B。

 

　　Commvault 亞太區(qū)企業(yè)解決方案架構(gòu)師李可表示，“各種系統(tǒng)部件的故障和情況都有可能發(fā)生，一定要從公司的業(yè)務(wù)需要出發(fā)，來制定數(shù)據(jù)恢復(fù)保護(hù)和系統(tǒng)容災(zāi)的方案規(guī)劃，來根據(jù)這個去評估自身所能承受的損失的數(shù)據(jù)量和時間點，然后根據(jù)這個來制定數(shù)據(jù)恢復(fù)和容災(zāi)方案，來制定混合云等方案。”

 

　　不過設(shè)計出什么樣的備災(zāi)方案需要權(quán)衡風(fēng)險與成本。

 

　　“你可以在AWS上再設(shè)計一套備災(zāi)方案，比如可以在us east和us west間切換。不過這不容易，也有額外費用。”“十六樓的老民工”說。

 

　　“你要用兩套系統(tǒng)，但架構(gòu)開發(fā)時間、人手、推向市場的時間都是金錢。所以有的企業(yè)反倒寧愿掛掉五個小時。也有的公司使用云服務(wù)只是作為長期存儲，不會每天看，事故發(fā)生了只會影響數(shù)據(jù)調(diào)用。”Gartner調(diào)研總監(jiān)張毅告訴36氪。

 

　　但這次S3事故前，很多企業(yè)并沒有做類似方案設(shè)計，原因在于S3此前顯示出具有很強的穩(wěn)定性，在人們觀念中為一份低風(fēng)險的東西買保險，總認(rèn)為不夠劃算。

 

　　另一種方式是自建云，滿足自己的可用性，免去了因為公有云宕機而躺槍的風(fēng)險，不過自建的方式在成本和穩(wěn)定性上都會帶來不小的挑戰(zhàn)。這些都要自己去計算權(quán)衡。

 

　　網(wǎng)頁、電郵中的圖像和附件看不到、各種APP數(shù)據(jù)上傳受阻、智能硬件因為無法調(diào)取提供服務(wù)所需的數(shù)據(jù)瞬間倒退成老式電器……S3的故障讓很多人恍然大悟，自己的整個生活已經(jīng)被搬上了云端。一家云計算服務(wù)商的停擺，甚至有足夠的力量中斷互聯(lián)網(wǎng)世界的運行，特別是當(dāng)這家公司是亞馬遜。根據(jù)市場研究公司Synergy Research Group去年發(fā)布的第三季度數(shù)據(jù)，亞馬遜云服務(wù)在全球IaaS（基礎(chǔ)設(shè)施服務(wù)）公開市場的份額已經(jīng)上升至45%。

 

　　“但云計算就是填坑填出來的，只有出現(xiàn)事故，才能發(fā)現(xiàn)系統(tǒng)設(shè)計和流程上的不足，加以改進(jìn)。很多東西不是靠紙面上能解決的。S3已經(jīng)是很穩(wěn)定的服務(wù)，今天的事故又一次告訴我們，革命尚未成功，同志仍需努力。”“十六樓的老民工”說。

 

　　就在亞馬遜云出故障的同日，隔著太平洋的中國，百度移動端和客戶端搜索也掛掉了30多分鐘。有的網(wǎng)友看到百度搜索顯示無法訪問，第一反應(yīng)卻是去百度一下這是怎么回事。大概2月28日的黃歷上寫了三個大字——“宜宕機”。

 

　　（36氪記者徐濤對此文亦有貢獻(xiàn)）