AWS中斷表明即使在云中也需要冗余

如果有人對(duì)Amazon Web Services在保持商業(yè)網(wǎng)站平穩(wěn)運(yùn)行中的關(guān)鍵作用有任何疑問(wèn)，那么該問(wèn)題在2月28日該公司的S3存儲(chǔ)服務(wù)的一部分關(guān)閉時(shí)得到了明確的答復(fù)。這次故障使從Apple到Zendesk等公司運(yùn)營(yíng)的數(shù)十種Web服務(wù)消失了。

令許多用戶(hù)感到沮喪的是，應(yīng)該報(bào)告其Web服務(wù)運(yùn)行狀況的Amazon AWS儀表板報(bào)告了一切正常運(yùn)行(即使顯然不是)。這樣做的原因是，儀表板依賴(lài)于Amazon的S3存儲(chǔ)，無(wú)法接收有關(guān)中斷的更新信息。

AWS承認(rèn)存在問(wèn)題，并承諾保持客戶(hù)更新。但是更新在下午中旬停止了。AWS團(tuán)隊(duì)的最后一條推文是：“對(duì)于S3，我們認(rèn)為我們了解根本原因，并且正在努力進(jìn)行修復(fù)。所有服務(wù)的未來(lái)更新都將顯示在儀表板上。”此前，該公司曾承諾在Twitter上進(jìn)行更新。

但是，一旦公司在其數(shù)據(jù)中心所在的北弗吉尼亞州的位置再次運(yùn)行了S3服務(wù)，Service Health Dashboard就開(kāi)始準(zhǔn)確報(bào)告情況。

那時(shí)，位于該數(shù)據(jù)中心狀態(tài)報(bào)告中的服務(wù)表明該問(wèn)題已解決。AWS在下午2:19報(bào)道說(shuō)，“在太平洋標(biāo)準(zhǔn)時(shí)間上午9:37到下午1:57之間，我們?cè)谂c其他AWS服務(wù)進(jìn)行通信時(shí)，在US-EAST-1地區(qū)中API網(wǎng)關(guān)請(qǐng)求的錯(cuò)誤率提高了。部署新的API或修改現(xiàn)有的API也受到了影響。問(wèn)題已解決，服務(wù)正常運(yùn)行。”

對(duì)儀表盤(pán)進(jìn)行仔細(xì)檢查后發(fā)現(xiàn)，位于亞馬遜北弗吉尼亞州的某些服務(wù)可能仍然微不足道，但在其他方面看來(lái)它仍然可以正常運(yùn)行。

那么，Amazon S3服務(wù)實(shí)際上發(fā)生了什么?該公司還不是很好，但是它對(duì)API網(wǎng)關(guān)請(qǐng)求的錯(cuò)誤率升高的評(píng)論表明該問(wèn)題與基礎(chǔ)架構(gòu)有關(guān)，這可能是路由器問(wèn)題。

但是，當(dāng)然，這只是一個(gè)猜測(cè)。但是，最近許多大規(guī)模的服務(wù)中斷(例如航空公司預(yù)訂系統(tǒng))似乎都?xì)w結(jié)為路由器問(wèn)題，因此做出這樣的假設(shè)是合理的。另外，路由器更新經(jīng)常是此類(lèi)問(wèn)題的根本原因。亞馬遜沒(méi)有說(shuō)出問(wèn)題的真正原因是什么，所以它可能是從黑客入侵到配置問(wèn)題。我們只是不知道。

我們確實(shí)知道的一件事是，AWS及其S3服務(wù)是問(wèn)題的一部分，但這不是因?yàn)樗豢煽?。?shí)際上，Amazon的服務(wù)是如此可靠，以至于其客戶(hù)對(duì)AWS的依賴(lài)程度可能比其應(yīng)有的程度更高。從大多數(shù)客戶(hù)的角度來(lái)看，AWS永遠(yuǎn)不會(huì)失敗，因此他們不認(rèn)為需要計(jì)劃停機(jī)。

當(dāng)然，除了它是什么時(shí)候。然后，正如我們看到的那樣，客戶(hù)幾乎沒(méi)有任何更新和解釋。但是，缺乏解釋可能會(huì)令人討厭，客戶(hù)真正需要的是重新開(kāi)始工作。這需要一些計(jì)劃。

該計(jì)劃的第一階段必須是為您保留在S3存儲(chǔ)服務(wù)中的項(xiàng)目找到備用存儲(chǔ)位置。這可能意味著將備份保留在另一個(gè)區(qū)域的S3存儲(chǔ)中，或者可能意味著完全使用另一個(gè)存儲(chǔ)服務(wù)。這樣，如果S3存儲(chǔ)出現(xiàn)故障，則可以無(wú)縫切換到其他服務(wù)。

理想情況下，Amazon可以在其S3產(chǎn)品中提供冗余存儲(chǔ)，因此，如果該服務(wù)像2月28日那樣發(fā)生故障，則數(shù)據(jù)請(qǐng)求將自動(dòng)路由到另一個(gè)站點(diǎn)。該計(jì)劃的潛在問(wèn)題是，如果冗余依賴(lài)于還存儲(chǔ)在AWS中的信息，那么當(dāng)區(qū)域出現(xiàn)故障時(shí)，冗余也是如此。

但是，假設(shè)亞馬遜可以避免犯這種錯(cuò)誤，并且我確信該公司可以做到，那么它就有一種很好的方法來(lái)保護(hù)客戶(hù)，使其不會(huì)犯同樣的錯(cuò)誤，即假設(shè)亞馬遜永遠(yuǎn)不會(huì)倒下。

更好的方法是假設(shè)AWS和所有其他云服務(wù)都將崩潰，然后計(jì)劃解決方案。實(shí)際上，這樣的假設(shè)是良好的安全實(shí)踐。冗余對(duì)于確保您的數(shù)據(jù)始終無(wú)故障可用非常重要。

這就是為什么現(xiàn)有數(shù)據(jù)中心具有冗余服務(wù)器，冗余網(wǎng)絡(luò)路由器和電源的原因。這也是為什么他們擁有比實(shí)際所需更多的發(fā)電機(jī)來(lái)保持?jǐn)?shù)據(jù)中心正常運(yùn)行的原因。

一些數(shù)據(jù)中心甚至超出了對(duì)可靠性的追求，甚至達(dá)到了擁有多余的冷凍水庫(kù)的程度，因此不太可能損失系統(tǒng)冷卻劑。擁有冗余數(shù)據(jù)存儲(chǔ)庫(kù)只是確?？梢越桓犊蛻?hù)所需信息的一部分。

借助AWS及其高度的可靠性，很容易忘記這樣的課程，但它們?nèi)匀缓苤匾?/p>