摘要:日,公布了事故分析。此外,亞馬遜還完成了對所有備用配電的審計。至此,亞馬遜表示,已經確定所有斷路器都是正確的配置了,并會進行定期的測試和審計。最后,亞馬遜對在這次事件中受到損失的企業表示了歉意。
上周四即6月14日,Amazon位于美國東部的數據中心出現故障,并影響了AWS多項云服務以及基于之上的Heroku、Quora等知名網站。16日,Amaozn公布了事故分析。事故是由公共電網故障引起,并引發了一系列連鎖故障。:
事情的起因是電纜故障影響了高壓配電系統。
6月14日20:44左右,一電纜發生故障,進而影響了高壓配電系統。2個為可用區域提供電力的公用變電站出現故障,進而使得整個供應區供電不足。但這個情況是可以處理的,亞馬遜啟動了備用發電機,保證了所有的EC2實例和EBS存儲成功轉移。
然而,20:53,1個備用發電機因其風扇過熱造成了超負荷運轉而斷電。所以采用備用發電機(由一個完全獨立的配電電路完成額外發電能力)的方案也宣告失敗。更不幸的是,在這套特定的后備電源分配電路中,一個斷路器被錯誤配置為在低功率閾值時打開,這樣,當負載轉移到該電路時,錯誤發生了,該斷路器斷路了。
20:57,當該電路斷路器斷開時,實例和存儲失去了主要備份電力或二次后備電源。受此影響客戶的實例和卷是運行在多個可用區域的,只能在此環境中等到電力恢復才能正常運行。
15日10:19,發電機風扇被替換并安裝好,發電機開始提供動力。電力逐步恢復后,受影響的實例和存儲也開始恢復。
10:50,絕大多數實例已經恢復正常。但對于EBS存儲(含啟動塊)而言,電力不足之時寫入會有數據損失,也就是這些存儲可能存在不一致的狀況。這并非是潛在的不一致,因為即使是存儲上I/O停頓,EBS也會在線直接反饋出受損狀態。用戶只能通過驗證存儲上的一致性來恢復它。
最后,16日1:05,超過99%受影響的存儲才得以解決。
總的來看,EBS-related EC2 API的損失集中在20:57-22:40。具體來看,這段時間內,可變系統調用(如創建,刪除)失敗,進而直接影響到客戶發布新的EBS-backed EC2實例。EC2和EBS APIs實施在多個可用復制數據存儲區。EBS數據存儲被用來存儲元數據等資源的卷快照。一個主要的EBS數據存儲因為這個時間失去了動力,使得系統無法將數據存儲的副本放到另外一個可用區。一般來看,為了保護數據存儲,系統會自動翻轉為只讀模式,直到電力恢復可以啟動可用區,進而盡快恢復到一致狀態,并返回到數據存儲讀寫模式,使得啟用可變EBS調用成功。但這個事件中,這一保護方案沒有起到作用。
未來,為了保證數據存儲實現快速切換,亞馬遜將實施變革。高壓配電系統以及所有運行實例和存儲將采用全冗余電源。此外,亞馬遜還完成了對所有備用配電的審計。在審計中,亞馬遜還發現了另一個設置有問題的斷路器。至此,亞馬遜表示,已經確定所有斷路器都是正確的配置了,并會進行定期的測試和審計。
最后,亞馬遜對在這次事件中受到損失的企業表示了歉意。
CSDN觀點:從亞馬遜的解釋來看,頗有“屋漏偏逢連夜雨”之慨,但也從另一層面看出對于數據中心的任何一次事故而言,所需要提供的應對方案應是復雜的,連續的,方案之外,定期測試也是必須的。在該事件之后,有很多有價值的分析與評論,特選擇一些和大家共享。
原文鏈接:ycombinator.com
ericabiz:(自2001-2007年一直經營一個專用服務器托管公司)
在托管實施設計中,電池要有足夠的力量來支持發電機。但這也會帶來一個巨大單點故障的可能性。一個更好的設計是通過飛輪產生足夠的電力。不過,對于一般數據中心而言,一年左右的時間內總會遇到這些發電機故障。
亞馬遜有著好的設置,但是沒有進行有效的測試。
順便說一下,這也是問你的數據中心供應商的一個好問題:是否擁有兩個完全冗余電源并包含PDU和發電機器的系統?多長時間進行一次測試?如果一個電路單元/發電機失敗,我如何設置服務器來保證應用不失去動力?
有一個正確的方法:多電源保證每一個服務器連接到2PDUs或連接到2個不同的發電機——但這是昂貴的,許多較低端的托管服務提供商是無法接受這個成本的。
rdl:
大型余熱發電設備(比如利用蒸汽、建筑、供熱設備產生的廢熱等)往往采用grid-backup模式。舉個例子,麻省理工學院的熱電廠(幾大天然氣渦輪機),也有很多大學利用蒸汽加熱,很多工業遺址也證明了這些。它歸結為成本和分區允許。顯然比起運行一個24*7的發電機,其更容易獲得許可證。而從實際價格上看,利用余熱更能體現循環價值。
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/3638.html
摘要:以下這個名單恐怕是這些公司不想看到的的年前大云故障。微軟稱這次中斷是由外部網絡故障所導致,部分用戶受影響長達個小時。微軟表示這次中斷與故障無關。微軟最終確定人為錯誤是罪魁禍首。 本杰明?富蘭克林曾經說過,這個世界上有兩件事情不可避免,死亡和納稅。但如果這位偉大的政治家和發明家活在我們的現代世界,也許服務器停機也會進入這個名單。不管底層技術再怎么好,也不管托管提供商再多么能干,云總是會發生故障...
摘要:阿里云再次發生故障,這已是年的第二起。這場事故,持續了三個小時左右。針對故障,阿里云表示會根據協議服務合同,盡快處理賠償事宜。十天前,阿里云今年的第一起事故被曝光。后來,阿里云就此事作出回應,并在網站醒目標識并給出告警。阿里云再次發生故障,這已是2019年的第二起。3月2日23時55分左右,阿里云開始出現大規模宕機故障,位于華北地區的多家互聯網公司的IT運維人員發現多個APP和網站開始陷入卡...
回顧2012,更多開放,更多協作,更多機會產生。從來沒有一項服務會將幾乎所有IT、互聯網、通信技術整合在一起,沒有合作、開放的心態就沒有云計算。接下來,將從IaaS、NoSQL與NewSQL、數據中心、大數據、安全這幾個方面對過去一年作出總結。IaaS——群雄追趕AWS談到IaaS,Google和AWS是公認的業界最強。AWS是全球將IaaS這個business運營的較好的公司,除了技術領先,還要...
摘要:全球云計算廠商躬身入局,開啟現代化應用之旅事實上,包括亞馬遜云科技華為云在內的全球云計算廠商已在這一領域進行了多年實踐。過去年,亞馬遜云科技一直在持續不斷地突破很多現代化應用技術。年,亞馬遜云科技發布第一個消息隊列的服務,至今已有年歷史。 2006年,是云計算滾滾浪潮的開端,這場IT技術變革始于亞馬遜AWS的成立,它讓公有云成為整個云行業的標桿,也形成了...
閱讀 2849·2021-08-20 09:37
閱讀 1606·2019-08-30 12:47
閱讀 1089·2019-08-29 13:27
閱讀 1684·2019-08-28 18:02
閱讀 749·2019-08-23 18:15
閱讀 3083·2019-08-23 16:51
閱讀 931·2019-08-23 14:13
閱讀 2124·2019-08-23 13:05