12月14日，美國科技巨頭谷歌（Google）的許多服務在全球范圍突然一度宕機，旗下用戶大受影響。據悉，谷歌公司的自動系統直到服務中斷了30分鐘仍在匯報任何服務都沒有出現問題，包括消費者服務和面向開發者的云服務。

12月14日，美國科技巨頭谷歌（Google）的許多服務在全球范圍突然一度宕機，旗下用戶大受影響。

綜合多家媒體報導，監察故障的網站“Downdetector”顯示了超過9000個報告YouTube出現問題的用戶報告。當用戶嘗試登錄YouTube時，會出現一只猴子，并看到“出了點問題”的字句。

除了YouTube，谷歌旗下Gmail郵箱，Google日歷、Google Drive、Google Search等服務也都受到影響，但大部分搜索引擎業務仍然完好，影響波及美國、歐洲、印度、加拿大、南非、中南美洲國家、澳大利亞和其他一些國家的用戶。

據英國《衛報》當天報道，Google服務的大面積癱瘓大約從格林尼治標準時間（GMT）12月14日上午11時50分開始（北京時間19時50分），影響了公司旗下絕大多數的服務。而谷歌公司的自動系統直到服務中斷了30分鐘仍在匯報任何服務都沒有出現問題，包括消費者服務和面向開發者的云服務。12時25分，谷歌才終于發現了問題。

隨后，Google Cloud在推特上回應：宕機是由于硬盤滿了。

谷歌宕機，由來已久

據谷歌官方聲明，本次事故原因是由于服務器上的硬盤空間分配出了問題，導致認證系統出了故障。其實，早前就有消息傳出，谷歌云端運算服務容量存在問題。前段時間，谷歌宣布明年停止免費照片上傳容量， 并鼓勵訂閱Google One也能說明這一點。

時至今日，谷歌終于還是栽了。

其實，這已經是谷歌今年第3次宕機事件了。9月25日，谷歌就曾上演過一次全球宕機，當時谷歌系統癱瘓多半集中在美國東岸，Gmail、YouTube、谷歌云端在系統宕機時，不斷有用戶持續嘗試進入，但都無法順利使用。

再往前，美東時間6月2號，基于谷歌云架構服務的諸多谷歌服務也在全球范圍內遭遇大規模中斷，宕機近4小時。據悉，不僅是Snapchat、Vimeo、Shopify、Pokemon GO等外部服務，包括如YouTube、Gmail、Google Search等谷歌自家服務的運行也受到了影響。

美國東海岸用戶率先報告了這個問題，同時，宕機監控器DownDetector的報告表明，北美、英國、歐洲、南美等全球多地也受此影響。對于這個問題，谷歌公司表示是因為網絡系統出現了問題，以后一定加強管理。

宕機的代價有多大？或許無人知曉確切的答案，但是可以粗略的估算一下。2013年谷歌曾發生過一次5分鐘的宕機，谷歌當年第二季度營收達到141億美元，相當于每分鐘營收10．8萬美元，換句話說，谷歌所有服務宕機5分鐘，其直接損失就是54．5萬美元，還不算由此帶來的企業商譽影響和對客戶業務的間接影響。

由此算來，谷歌單單今年的幾次宕機，所帶來的損失就已經難以估量。而這其中，幾乎所有問題都圍繞其云架構服務展開，而云架構講究多地多活，防止單點故障。一個服務器出故障應該可以在幾分鐘內檢測到，然后引流到其它服務器，同時啟動休眠的服務器。

可見，谷歌云的市場占有率始終干不過前面兩家大廠，也是有原因的。

主流廠商，競相爭“宕”

其實，不只是谷歌，微軟也曾在云和硬盤方面發生過事故。

今年9月初，Windows 10的更新就出現了翻車事故。據了解，微軟在更新中修復了Windows 10 2004的一些bug，但同時又引入了幾個新的問題，導致用戶頻繁遇到PC崩潰、循環重啟等情況。

而在之后的修復過程中，微軟除修復一些常規bug，還特意更新解決了NVME固態硬盤引起的系統崩潰。據了解，Windows和NVMe固態硬盤的兼容問題一直都很差。此前，Windows 7就不支持使用NVMe的固態硬盤，因此裝有NVME固態的電腦需要單獨集成相關驅動才可使用。而即使此次修復，由于存儲設備兼容性問題，也不是每個人的電腦都能夠收到此次更新。

在云端，微軟云計算服務Azure的主要組件在2014年8月就發生全球大范圍宕機。微軟表示，Azure服務當時處于中斷狀態，原因是位于全球多個數據中心的至少6個主要Azure組件無法提供服務。Azure允許企業獲取計算資源，通過互聯網運行程序。

更令人震驚的是，2018年9月4日，微軟在美國中南部地區的圣安東尼奧數據中心由于雷電天氣影響導致電壓激增，數據中心的冷卻系統發生故障。為保證數據和硬件完整性，數據中心的自動化措施強制關閉了系統電源以防止機器因過熱造成損壞。這一事故引發了 Azure 中斷，Office 365 以及 Azure Active Directory 服務都受到影響，并且恢復相關存儲服務經歷了很長時間。

故障從9月4日上午9點（北京時間9月4日17：00）左右開始出現問題，一直持續到9月5日13點左右（北京時間9月5日21：00左右），整個故障中斷時間超過 24 小時。

除了谷歌和微軟，即使全球最領先的亞馬遜云也曾屢次三番出現故障。

據外媒報道，2020年11月25日，亞馬遜云端服務Amazon Web Services（AWS）遭遇了持續數小時的故障，導致部分網站和服務系統崩潰。AWS的服務狀態頁面上的通知顯示，因其處理大量數據流的服務器Kinesis出現問題，導致一些網站的“錯誤率增加”，亞馬遜已經對該問題進行了修復，但完全恢復還需要一段時間，并貼出了當前受到影響的服務。

值得一提的是，正值北美“黑色星期五”前夕，AWS宕機可能影響到亞馬遜的電商業務。有賣家稱，其亞馬遜上的訂單數據突然急劇下降，甚至廣告費用也出現了異常。

此前，AWS云存儲服務S3也曾在2017年出現大宕機，該錯誤持續了4個小時，彼時AWS解釋稱該故障是由于一名程序員在調試系統的時候，運行了一條原本打算刪除少量服務器的腳本，結果輸錯了一個字母，導致大量服務器被刪。被錯誤移除的服務其中運行著兩套S3的子系統，從而導致S3不能正常工作，S3 API處于不可用狀態。

不只是國外巨頭，國內包括阿里云、華為云在內的業內巨頭也曾出現宕機事故。

2020年4月10日上午，大批網友在微博反饋華為云崩了，出現登錄異常、管理后臺無法訪問等情況。從網友曬圖來看，不少使用云服務的后臺都出現了“服務器暫時過載或處于維護中，請稍后重試。”“建立數據庫連接時出錯”等提示。

2019年3月20日下午，阿里系多款產品短時無法正常運作，時長約10分鐘，涉及App包括淘寶、天貓、淘寶直播、閑魚等。新浪科技親測發現，淘寶和閑魚均出現“重新加載”提示。

讓外界頗感意外的是，阿里對外僅答復“修好了”，并未公布阿里系應用全線“崩潰”的原因。另外，僅僅1天后，3月21日，部署在阿里云上的鐵路12306部分服務又一次發生故障。當用戶搜索車票時系統顯示“很抱歉，查詢失敗，您可以稍后點擊下面按鈕重試”。

由此可見，在越來越依賴“云計算”的今天，目前主流的云服務廠商依然不能確保萬無一失。然而，在萬物上云的今天，云服務一旦出現問題，所將造成的損失也將更加巨大。

如何避免云服務／云平臺故障給自身業務帶來損失？

毫無疑問，云服務在未來將成為電力一樣的新型基礎設施。然而，正如人類至今也沒做到絕對避免停電一樣，云服務在漫長的運行過程中發生故障亦在所難免，我們所要做的就是避免停電損失擴大化。

對于大部分業務來說，云平臺的故障造成的損失并不致命。因此，我們可以通過多重保障，以避免云平臺故障造成的損失擴大化，從而讓損失可控。例如：

核心數據定期異地備份，尤其需要保證備份的可用性。

保留少量自有服務器或其它云平臺主機，一旦發生故障，及時發布公告告知用戶。

組織運維人員配合云平臺恢復服務，核心運維保持隨時在線。

及時對損失做出評估。

當然，在消費等服務之外，包括智慧醫療、智能交通等服務也將成為未來的主流應用場景之一。在這些領域，即使細微延遲都可能導致“人命關天”。對此，應該在邊緣側部署相對應的分析與計算能力，通過云邊協同，保障場景的連續性、穩定性。

隨著科技的不斷發展，未來或將有越來越多的故障發生。為此，雞蛋不能裝在一個籃子里，請提前做好Plan B。

責任編輯：xj