一个操作失误,阿里云大规模故障,引发大量吐槽

(点击上方公号,快速关注我们)


综合自:云头条(ID: yuntoutiao)、微博、阿里云、CSDN 等


阿里云因 bug 禁用内部 IP 导致链路不通,造成大规模故障


27日,阿里云午夜在官网、微博发布了故障公告:


6月27日下午,我们在运维上的一个操作失误,导致一些客户访问阿里云官网控制台和使用部分产品功能出现问题,引发了大量吐槽。故障于北京时间2018年6月27日16:21左右开始,16:50分开始陆续恢复。

经过紧急技术复盘,故障原因如下:


当天下午,工程师团队在上线一个自动化运维新功能中,执行了一项变更验证操作。这一功能在测试环境验证中并未发生问题,上线到自动化运维系统后,触发了一个未知代码bug。错误代码禁用了部分内部IP,导致部分产品访问链路不通。 后续人工介入后,工程师团队快速定位问题进行了恢复。

 

受影响范围包括阿里云官网控制台,以及MQ、NAS、OSS等产品功能。
 

对于这次故障,没有借口,我们不能也不该出现这样的失误!我们将认真复盘改进自动化运维技术和发布验证流程,敬畏每一行代码,敬畏每一份托付。


640?wx_fmt=png


下午 16:30 左右,微信朋友圈、微信群、微博出现阿里云故障消息,故障原因主要体现在阿里云官网、控制台无法访问,尝试登陆阿里云官网,显示如下:


640?wx_fmt=png


官网有时候可以访问,有时候显示502错误的网关,即使官网可以访时,点击登陆,页面只会刷新,登陆不了。


一位行业从业者发推称:阿里云的函数计算挂了,导致线上故障。打算马上降级到本地计算,结果阿里云的 Kubernetes 也挂了。想着挨个机器手工改一下,发现 OSS 也挂了…整个过程没有报警,因为 SLS 也挂了…(备注:未得到阿里云官方确认)


官网公告称16:21左右开始,阿里云官网的部分管控功能,及MQ、NAS、OSS等产品的部分功能出现故障,以下为全文:


640?wx_fmt=png


阿里云官网通告:6月27日阿里云部分产品及账号登录访问异常通告


【阿里云】【网络】【异常通告】


异常时间:北京时间2018年6月27日16:21左右。

异常概述:于北京时间2018年6月27日16:21左右开始,阿里云官网的部分管控功能,及MQ、NAS、OSS等产品的部分功能出现访问异常,阿里云工程师正在紧急处理中,请您稍后重试。


【异常更新】

北京时间2018年6月27日 16:50

目前受影响的业务正在逐步恢复中,若遇到异常,请您稍等后重试。


【异常更新】

北京时间2018年6月27日 17:30
目前受影响的业务大部分已经恢复正常,请您确认。若还有异常,请您跟我们反馈,谢谢。


故障时间 50 分钟左右,故障原因,阿里云尚未披露。


以下为用户吐糟:


640?wx_fmt=jpeg

640?wx_fmt=jpeg


网友吐糟:毕竟是自主研发的云,当然有点小脾气


640?wx_fmt=png


640?wx_fmt=png

640?wx_fmt=png

640?wx_fmt=png


写在最后

每一次的故障确实不应该发生,但有时又难以避免。对此,不少网友表示,理解身为同行的程序员们,解决问题比解决人更重要。

640?wx_fmt=png

但是也有不少人认为:

出了故障可以原谅,那客户的损失该如何算?

如果是没按规范操作导致的事故肯定是要处罚的,否则这次事故的复盘就是无价的经验啊。

技术人员肯定得背故障啊,但是这事应该要升级,不是说一个技术人或者开除就算了的。


对此,你怎看呢?



【关于投稿】


如果大家有原创好文投稿,请直接给公号发送留言。


① 留言格式:
【投稿】+《 文章标题》+ 文章链接

② 示例:
【投稿】
《不要自称是程序员,我十多年的 IT 职场总结》:http://blog.jobbole.com/94148/


③ 最后请附上您的个人简介哈~



关注「程序员的那些事」,不错过圈内事

640?wx_fmt=png

阅读更多
想对作者说点什么? 我来说一句

没有更多推荐了,返回首页

关闭
关闭
关闭