没有不宕机的大厂

  没有100%的稳妥,但大厂的宕机来得还是如此频繁。5月11日,苹果iCloud账户与登录、iCloud邮件等功能在15:27-16:10发生超过40分钟服务故障,虽然只是部分用户,但影响范围遍及全球。

  苹果不是第一个被用户质问的大厂。与苹果同为海外科技巨头的Facebook,过去几年也屡出事故,2021年10月4日和8日,Facebook连续两次出现全球性宕机,合计时长超过9个小时。在国内,最近半年时间,阿里云、微信等大厂先后发生产品故障。2022年12月中旬阿里云香港机房宕机超过10个小时;2023年3月底,微信、QQ等业务出现大面积功能异常。

  由于产业链纵深关联,大厂宕机带来的影响是实打实的。这就难怪今年4月12日,工信部信息通信管理局听取腾讯关于“3·29”微信业务异常情况汇报,要求腾讯坚决避免发生重大安全生产事故,切实提升公众业务安全稳定运行水平。

  宕机引发用户关注,考验大厂的态度,更考验大厂的能力。以往外界想当然或者大厂自我标榜的安全水平,在现实面前不堪一击。

  宕机,一方面冲击用户对企业的信任度:如腾讯、苹果这般数千亿上万亿美元的企业,有人才有资金有技术,何至于还会发生这些技术故障?如果态度没问题,能力就无法自圆其说;另一方面,科技大厂代表的不只是自己,还是新技术新趋势的引领者。阿里云香港机房的长时间故障,吓坏了自家客户,也给云计算“是否真的那么好”蒙上了一层不确定。

  宕机真的不可避免吗?以现阶段的主流技术方案,答案是残酷的,宕机真的无法避免。原因多种多样,最核心的一点无法避开:不管本地计算还是云计算,互联网服务最终指向的都是数据中心。而全球多数数据中心仍以中心化数据储存机制为主,批量计算机和服务器组成中心节点,这种物理属性决定了数据中心无法规避外界因素,也就无法做到永不宕机。

  对宕机无法容忍,却无法做到永不宕机,企业能努力的就是灾备,上述大厂的宕机事故,恰恰是灾备能力没有达到预想中的状态。

  某种意义上,企业越大,产品(功能)越多,技术越新,发生技术BUG的可能性反而越大。因此,大厂之“大”在产品和数据安全层面是把双刃剑,好的一面是,在与竞争对手的PK中,能够提供更顺滑的用户体验和信任层面的安全加持;但坏的一面是,新功能新技术的试水,数据指数级的起伏,都会带来安全事故的概率增大。

  有些合乎逻辑的“失误”能够理解,比如某个热搜发酵之时微博的宕机,“双11”抢购潮中的付款拥堵……企业没能准确预料流量峰值,多加几组服务器就能解决。而有些事故之所以成为事故,如开篇所列例子,关键还是大厂的灾备能力远没有所言得那么强大。

(责任编辑:AK007)