【編者按】

在企業上云成主流趨勢的今天，上云的風險備受關注，云服務器若宕機一分鐘都會給企業的業務帶來不可估量的損失。前段時間，微軟Azure圣安東尼奧數據中心被雷擊中，引發故障，系統中斷超過24小時。再一次證明，跨AZ(Availability Zones：可用區)高可用，建立容災備份機制，是每個企業上云所要關注的重點之一。

據媒體報道，2018年9月4日，微軟在美國中南部地區的圣安東尼奧數據中心由于雷電天氣影響導致電壓激增，數據中心的冷卻系統發生故障。為保證數據和硬件完整性，數據中心的自動化措施強制關閉了系統電源以防止機器因過熱造成損壞。

這一事故引發了 Azure 中斷，Office 365 以及 Azure Active Directory 服務都受到影響，并且恢復相關存儲服務經歷了很長時間。

故障從9月4日上午 9 點(北京時間 9 月 4 日 17:00)左右開始出現問題，到9月5日 13點左右(北京時間9月5日21:00左右)，微軟大多數受影響服務的存儲可用性已經恢復，整個故障中斷時間超過 24 小時。

雖然Azure Support 將事故稱為“網絡問題”，并表示中斷只會影響美國中南部的客戶，但是很多用戶表示中斷已經影響了包括西歐、亞洲在內的其他地區。

Azure Support 在對用戶的回復中澄清了為什么其他地區會受到影響：“在某種程度上，我們所有的數據中心都是相互聯系的。因此，如果一個數據中心出現故障，它將轉移到其他數據中心。此外，在歐洲的客戶可能會在受影響的數據中心托管一些資源。”

包括 Office 365 和 VSTS (Visual Studio Team Services)在內的近 40 個 Azure 服務受到影響。

9月5日，Azure 狀態更新中表示，工程師正在優先恢復存儲資源，以便恢復依賴于這些受影響資源的所有服務，但是恢復過程需要一段時間。到北京時間9月5 日晚 9 點左右，大多數受影響的服務已經恢復。

到底應該怎么上云?

此次 Azure 服務中斷時間長，影響較大，又引發了大家對上云風險的討論。討論中出現了這樣的疑惑：區域性中斷應該不會拖垮那么多服務，地理冗余在哪里?

雖然很多細節都圍繞在具體是哪里的冷卻系統發生了故障，但Azure的這次服務中斷也讓大家認識到AZ(可用區)的重要性。AZ能讓使用云服務的用戶在給定云計算區域內的幾個獨立建筑周圍分散工作量，以期避免單個數據中心會帶來的問題。

上云必須要防止這些基礎設施問題，即使 99%的SLA(等級服務協議)也意味著一年 365 天大約可以有 4 天不在線。所以很多公司會提到 99.9% 和 99.99%。當以年為單位來看，小數點后面的位數也不可小覷。

公有云提供的高度冗余意味著公司需要在全國各地擁有為站點提供服務并充當備份的數據中心。公有云應當建立自己的容災備份機制，那么，作為公有云的落地實踐，行業云又該如何保證跨區高可用，為企業提供穩定可靠的服務呢?

呼叫中心云服務，是云計算在呼叫中心行業的應用與實踐。作為呼叫中心云服務的引領者，巨人網絡通訊呼叫中心云服務以“雙活分區”“雙云互備”的模式來保證系統跨區高可用。

把系統同時部署在云服務商的A區和B區，并且在AB區設有多個機房，任何一個機房出現問題，對云服務的正常運營是沒有影響的。而我們選擇云服務商的前提是，所提供的組件本身就是跨AZ高可用的。因為只有云廠商為你提供的基礎資源高可用，才能讓業務的跨AZ變得簡單。

只在一個云上做雙活分區還不夠!巨人網絡通訊采用兩個云廠商，以雙云互備的形式為高可用再加一層防護網，可以為客戶在不同的云平臺開通獨立賬號，同時使用。雙云互相切換的時間控制在1分鐘以內，并保證云服務商和我們的核心機房之間是兩條專線直連，如果遇到其中任何一條被挖掘機挖掉的情況，業務可以自動切換到另一條，也就是我們常說的“物理雙鏈路、設備雙冗余”。

通過雙活分區、雙云互備的模式，即便是出現自然災害或人為失誤的極端情況，也能保證客戶系統正常使用。