亚马逊故障频发用户该怎么办？

作者：译者/滕晓龙 2010-05-20 16:08:01

云计算上周一系列的电力问题困扰着的Amazon web服务与应用（AWS）位于Virginia的Ashburn数据中心。对于人为造成的电力故障，Amazon表示此次事件只是一场事故，目前正努力争取恢复运行，同时也强调用户应该使用AWS工具和服务备份数据以免造成损失。

上周一系列的电力问题困扰着的Amazon web服务与应用（AWS）位于Virginia的Ashburn数据中心。对于人为造成的电力故障，Amazon表示此次事件只是一场事故，目前正努力争取恢复运行，同时也强调用户应该使用AWS工具和服务备份数据以免造成损失。

Amazon发言人Kay Kinton说：“这些意外事故总是接二连三地发生，我们也很难对如此集中的事故作出合理解释。但可以肯定的是我们对运营的态度是非常认真和谨慎的。”

Kinton表示发生的事故之间并无关联，每次故障只会影响单个区域中的一小部分用户。而且我们为客户在单个区域中的任意故障提供了缓冲措施。

鉴于之前许诺过要让用户们充分了解运行中发生的问题，AWS对于每个故障事件都发布了详细的报告。

Amzon运营故障中的奇怪案例

5月5日，在一台UPS发生故障无法切换至备用电源时，AWS员工进行了切换，从而造成了重多服务的瘫痪。3个小时之后，“人为失误造成了备用发电机断电，从而导致同一区域的服务器都断电。”4天后，电源配电面板发生短路故障，由于工业电源面板往往具有防止意外的短路的冗余设计，所以这是一个特殊的设备故障。AWS报告说会花费更多的时间来确保面板安全。

事故报告显示，“在恢复电力供应之前，设备工程师必须找到正确的接地故障并予以纠正，而不是急于恢复供电从而将运行置于危险之中并给本区域中其他主机造成影响。”

5月9日的运营中断是近期事故持续时间最长的一次，中断持续8个小时。5月11日的运营中断则是由于车辆撞上电线杆，从而切断了数据中心的电源，其中一台设备在这次中断中转换电源失败造成了另一台设备中断30分钟。

为什么AWS数据中心近期故障频发？分析人士表示，即便运营中断的原因是如目前所公布的那样，类似这样的事故在数据中心中也不少见。Amazon能如此快速和彻底地解决突发设备故障，是应该得到褒奖的。“似乎他们处理事故的能力一向很出众。”

orrester分析师Andrew Reichman说。Amazon正常运行时间纪录比其他企业要好很多，尽管有些难以料的故障发生，我们还是会觉得这是一个系统性的问题。他表示运营中断仍旧为AWS带来了一定的负面影响，数据中心经常发生这类事故，但是你并没有听说过，因为这已不是新闻了。Reichman认为负面宣传使得AWS更难以在业界中推广云计算，但是总的来说，事故造成的影响并不大。人们对Amazon　web服务与应用愈来愈感兴趣，因为那能帮他们实现更好的规模经济，我们也相信Amazon将做的更加专业。”他说。Amazon要求用户对可能发生的故障要有足够的思想和物质准备。虽然许多用户都对发生的运营中断表示不满，但是受到影响的用户数量却非常小。

“如同一个数据中心所产生的影响，运营中断会导致一系列新的问题发生。”AWS的老顾客、Python boto项目的作者Mitch Garnaat说。Garnaat认为云供应商除了要为客户提供工作良好的故障转移系统，还需要让客户了解诸如控制设备故障之类的信息。Amazon表示它正在重新设计其电源系统，以减少单台设备故障对其他服务器产生的负面影响，而这些改进将在未来几个月由设计走向应用。它还要求客户学习运行某些故障保护系统。在第一次运营中断之后，Amazon就承诺重新设计其电源系统以使更少的服务器免受单个设备故障的影响。第二次的事故后，它要求客户对自己的AWS环境保持警惕，并表示事实上用户可以采用正确的布局以避免任何的运营中断。公开的事故报告显示：“我们要提醒用户充分利用Amazon EC2的优势，该应用帮助在多个区域横跨架构并能在单个区域中承受实例故障。”用户们并不想眼看事故发生而束手无策，但是似乎那就是使用AWS产品所需支付的代价之一。

【编辑推荐】