前言

昨天晚上阿里云史诗级崩溃了。

涉及到阿里云盘、淘宝、咸鱼、钉钉、语雀等等多条业务线产品。

“阿里云盘崩了”“淘宝又崩了”“闲鱼崩了”“钉钉崩了”等话题相继登上热搜，阿里系诸多产品受到影响。

这一次事故，影响范围之大，可以说是史诗级别的。

1、语雀出现异常

昨天那段时间，我正在使用语雀编辑知识星球中的文章，发现保存出现异常，页面直接报错了。

2、朋友圈很热闹

紧接着，我的朋友圈一下子热闹起来了。

大家都在评论这件事故，说明了它的严重性，影响范围太大了。

3、事件的过程

阿里云对此公告称，2023年11月12日17:44起，阿里云监控发现云产品控制台访问及API调用出现异常，阿里云工程师正在紧急介入排查。

18:54阿里云再度公告，经过工程师处理，杭州、北京等地域控制台已恢复，其他地域控制台服务逐步恢复中。

而最新流出的截图显示，阿里工程师通过分批重启组件服务，大部分地域控制台服务已恢复访问。

据悉，此次受影响产品包括企业级分布式应用服务、消息队列MQ、微服务引擎、链路追踪、应用高可用服务、应用实时监控服务、Prometheus监控服务、消息服务、消息队列Kafka版、机器学习、图像搜索、智能推荐AlRec等。

而受影响地域涵盖华北2 (北京)、华北6 (乌兰察布)、 华北1 (青岛)、华东2(上海)、华南2(河源)、华北3(张家口)、中国香港、印度(孟买)、美国(硅谷)、华南1(深圳)、英国(伦敦)、韩国(首尔)、日本(东京)、阿联酉(迪拜)、西南1 (成都)、华南3 (广州)、新加坡、澳大利亚 (悉尼)、马来西亚(吉隆坡)、 华北5 (呼和浩特)、 印度 尼西亚(雅加达)、美国 (弗吉尼亚)、菲律宾 (马尼拉)、泰国(曼谷)、华东1(杭州)、华南1金融云。

这并非阿里云首次出现大面积故障。

目前是什么原因，还不得而知。

4、我以前的经历

其实这次事故使用阿里云产品的其他用户也受到影响。因此，作为普通用户的我们如果有高并发的业务场景，务必要做高可用，异地多活的设计。

我们之前做游戏平台的时候，为了保证游戏登录接口的高可用，为了防止机房网络的问题，比如：整个机房突然断电，或者机房遇到某些不可逆的因素，比如：发生地震或者洪灾，导致这个机房挂了。

为了保证机房出现问题时，尽可能小的影响用户。

我们在做系统设计的时候，使用了异地多活的架构，将用户流量负载到了三个机房：深圳机房、天津机房和成都机房。

其中深圳机房占了40%的流量，天津机房占了30%的流量，成都机房占了30%的流量。

而且我们当时选了两个以上的云服务厂商。

我们那段时间，还真的遇到过某个机房整个停电的问题。

不好幸好做了异地多活的设计，如果一个机房挂了，流量可以切到另外两个机房当中，将用户的影响降低最低。