别人的宕机时间是AWS的七倍,aws云主机时快时慢怎么处理-ESG跨境

别人的宕机时间是AWS的七倍,aws云主机时快时慢怎么处理

别人的宕机时间是AWS的七倍

北京时间2020年12月14日晚间，由于内部技术故障导致大面积宕机，谷歌多项服务均无法提供服务，类似的宕机新闻时有发生，每次的主角都可能都不一样，到底谁的宕机次数和宕机时间更少呢

市面上有一些公开的监测数据，比如来自downdetector.com和cloudharmony.com的数据，也有厂商比较自豪说自己宕机时间比同行老伙计时间短的，比如在2018年，亚马逊云服务（AWS）表示第二大云计算公司的宕机时间是AWS的7倍。

AWS坐拥全球近一半的云市场份额，理论上规模越大越容易出错才对，AWS为了减少宕机时间都做了什么呢

在亚马逊re:Invent大会，AWS全球基础架构和客户支持高级副总裁Peter DeSantis介绍了基础设施层面上方方面面的创新，包括如何减少宕机，如何降本增效等等。

在减少宕机时间，在提升服务连续性方面，AWS有挺多的有意义的做法，AWS大中华区产品部计算与存储总监周舸向中国媒体介绍了其中几点。

AWS数据中心电力冗余设计简介

发电机组

从电力供应开始说起，周舸介绍了柴油发电机，介绍了配电室（Ehouse），UPS备用电源等方面。

Ehouse

令人印象深刻的是，为了减少可能发生的故障，AWS在采用现有商用方案（一般是嵌入式系统）的基础上，舍弃了许多原有的东西，自己设计了控制电路的代码。

AWS对基础架构的控制能力可见一斑。

原装设备控制电路存在的问题

在AWS看来，这些控制软件有可能有Bug，如果Bug发生，厂商无法在短时间内完成修复，而如果这些软件本身就是自己写的，那么就可以很快进行修复。这种对于现有服务方案的“不信任”贯穿着AWS架构设计的方方面面。

AWS CTO Werner Vogels曾说过，”Everything fails,all the time”，也就是说，所有东西都可能会坏掉，既然无法避免会坏掉，那就坦然接受，但一定要尽量减少坏掉造成的影响，要能预测什么时候会坏、怎么坏的，提前做出防范和应对。

比如，为了保障电力供应，AWS会在有外部电网供电和内部发电机组的基础上，再加一组发电机，采用冗余的供电方式，冗余设计是贯穿整体架构设计的方方面面，但这会大大提升复杂度，越复杂就越危险。

在2020 re:Invent大会上，Peter DeSantis张贴了这样一张图，横轴表示系统复杂度，纵轴表示故障造成的伤害（爆炸半径），原本的Switch Gear（配电控制系统）和UPS系统处在较为危险的位置。

在Switch Gear（配电控制系统）系统的优化改造中，AWS通过自己写软件控制系统，删除一些没用的、添加部分对AWS有用的功能后，降低了系统复杂度，提升了系统的可靠性和安全性。

使用Rack Level小电池块的UPS

在UPS系统改造中，除了软件层的改进，还使用小容量（Rack Level电池）的电池，而不是以前超大容量的电池，从而降低电池爆炸造成的伤害，从而远离了爆炸半径。

AWS数据中心级别的高可用设计简介

2000年左右，那是一个还没有AWS的时代，Amazon在美国西雅图有一个数据中心，随着业务规模的扩大，亚马逊开始意识到海啸和地震的潜在风险，不能把所有东西都放这里，于是就想在没有地震海啸威胁的美国东海岸建一个数据中心。

东西海岸70ms的超高延迟是绝对不能接受的

各种自然灾害的影响范围与距离造成的延迟

两个数据中心放的太近，可能遭受同一个自然灾害的侵袭，如果离得太远，延迟会带来数据同步的问题也同样不可接受，美国东西海岸的距离就会造成这一问题。所以，数据中心之间需要保持一定的安全距离，而且要保证一毫秒以内的延迟。

类似的，AWS强调多AZ（Avaibable Zone）与多机房的概念不一样，AWS每个Region有至少三个AZ，AWS认为多个AZ相互间要有一定的安全距离，以此来降低外部环境同时对多个AZ造成影响，来提升服务的可用性。

从Region的角度看，AWS为了减少Region间可能造成的干扰，设计原则上是将各个Region独立运作，一个Region出的问题不会传递到别的Region，在Region的级别提供冗余。

AWS供应链保障

2020年是黑天鹅满天飞的一年，突如其来的疫情，急剧增长的在线业务量，逼着所有云厂商在加班加点忙着扩容资源，AWS也不例外，就AWS的规模来猜测，扩容规模要远大于大部分云厂商。

2015年，AWS供应链概况

为了保障扩容的顺利进行，AWS在供应链采购管理上采取了多元化策略，供应商的数量，供应商覆盖的国家和地区在数量上有了很大提升。如今，AWS的供应链系统覆盖7个国家，86家供应商，以此来暴涨供应链的稳定。

2020年，AWS供应链概况

在疫情在全球爆发的2020年，多元化管理策略确实挺有价值，疫情的不确定性给供应链带来很大挑战，许多国家的生产环节和清关效率都出了很大问题，对此，周舸表示深有体会。

写在最后

在可用性方面，公有云作为公开可见的服务，更容易受到公众关注，造成公有云更容易出故障的印象。

抛开客观感受不说，由于公有云作为一种服务，而不是一个个onpremise产品盒子，要考虑的内容更多一些，比如供电，比如网络，比如运营能力等，确实非常考验云厂商的综合实力，需要有数不清的技术创新来打造更高的可用性和业务连续性。

随着一步步迭代和发展，技术只会更成熟，运营经验会更丰富。

特别声明：以上文章内容仅代表作者本人观点，不代表ESG跨境电商观点或立场。如有关于作品内容、版权或其它问题请于作品发表后的30日内与ESG跨境电商联系。