持續近87分鐘1957個(gè)客戶(hù)報障 騰訊云回應事故原因

2024年4月8日下午，騰訊云出現服務(wù)故障，接口響應報錯、內部服務(wù)錯誤，網(wǎng)頁(yè)顯示504錯誤。504錯誤代表網(wǎng)關(guān)超時(shí)（Gateway timeout），是指服務(wù)器作為網(wǎng)關(guān)或代理，但沒(méi)有及時(shí)從上游服務(wù)器收到請求。

4月8日傍晚，騰訊云公告，騰訊云官網(wǎng)控制臺相關(guān)服務(wù)出現異常，工程師正在緊急修復中。部分地區已恢復，其他地區也正在繼續搶修當中。

4月14日，騰訊云官方對4月8日故障情況進(jìn)行說(shuō)明：4月8日15點(diǎn)23分，騰訊云團隊收到告警信息，云API服務(wù)處于異常狀態(tài)；隨即在騰訊云工單、售后服務(wù)群以及微博等渠道開(kāi)始大量出現騰訊云控制臺登錄不上的客戶(hù)反饋。

經(jīng)過(guò)故障定位發(fā)現，客戶(hù)登錄不上控制臺正是由云API異常所導致。云API是云上統一的開(kāi)放接口集合，客戶(hù)可以通過(guò)API以編程方式管理和操控云端資源，云控制臺通過(guò)組合云API提供交互式的網(wǎng)頁(yè)功能。而事故根本原因在于騰訊云版本變更過(guò)程中，沒(méi)有有效執行沙箱驗證和預案演練，暴露了在變更管理上的不足，最終導致云API服務(wù)新版本向前兼容性考慮不夠和配置數據灰度機制不足的問(wèn)題。

故障發(fā)生后，騰訊云方面表示，依賴(lài)云API提供產(chǎn)品能力的部分公有云服務(wù)，也因為云API的異常出現了無(wú)法使用的情況，比如云函數、文字識別、微服務(wù)平臺、音頻內容安全、驗證碼等。此次故障一共持續了近87分鐘，期間共有1957個(gè)客戶(hù)報障。

從客戶(hù)的視角來(lái)看，云服務(wù)可以分為數據面和控制面，數據面承載客戶(hù)自身的業(yè)務(wù)，控制面負責操作云上不同產(chǎn)品。比如目前使用最廣泛的IaaS服務(wù)基本上都是以直接面向數據面為主，控制面僅在客戶(hù)購買(mǎi)或需要對資源層面進(jìn)行調整操作時(shí)會(huì )涉及。此次發(fā)生故障的控制臺和云API是對控制面的影響。通俗來(lái)講，如果把云服務(wù)類(lèi)比為酒店，控制臺相當于酒店的前臺，是一個(gè)統一的服務(wù)入口。一旦酒店前臺發(fā)生故障，會(huì )導致入住、續住等管理能力不可用，但已入住的客房不受影響。

騰訊云方面稱(chēng)，這次故障中客戶(hù)已經(jīng)配置好的服務(wù)器等IaaS資源，包括已經(jīng)部署運行的業(yè)務(wù)，沒(méi)有受到云API異常的影響。其他以非云API方式提供服務(wù)的PaaS和SaaS服務(wù)，處于正常服務(wù)的狀態(tài)。但用API提供的服務(wù)類(lèi)產(chǎn)品（需要“酒店前臺服務(wù)“）有不同程度的影響，比如騰訊云存儲服務(wù)調用當天有明顯下滑。期間售后團隊協(xié)助部分客戶(hù)做了業(yè)務(wù)容災預案的實(shí)施，將受影響服務(wù)做調度以快速恢復客戶(hù)的業(yè)務(wù)服務(wù)。

騰訊云方面表示將從提升系統韌性、強化變更管理與保護措施、增強故障響應與溝通能力三方面進(jìn)行改進(jìn)。

近年來(lái)，因云服務(wù)問(wèn)題導致應用程序“崩了”的現象頻繁發(fā)生。今年4月9日，支付寶崩了登上熱搜，用戶(hù)反映在使用支付寶APP時(shí)出現“已經(jīng)停止訪(fǎng)問(wèn)”的頁(yè)面。隨后支付寶方面回應稱(chēng)：少量用戶(hù)訪(fǎng)問(wèn)部分頁(yè)面時(shí)出現了短暫性的訪(fǎng)問(wèn)不暢。這一情況已經(jīng)快速恢復，用戶(hù)的資金和信息安全都不受影響，各項功能也都可以正常使用。但具體事故原因并未進(jìn)一步說(shuō)明。

2023年12月3日晚，騰訊視頻“崩了”登上微博熱搜。騰訊視頻方面回應稱(chēng)，出現了短暫技術(shù)問(wèn)題，正在加緊修復，各項功能在逐步恢復中。

2023年11月27日晚間，滴滴App系統發(fā)生故障，全國大面積崩潰，服務(wù)無(wú)法正常使用。11月29日，滴滴方面發(fā)表聲明稱(chēng)，各項服務(wù)已經(jīng)恢復，初步確定，這起事故的起因是底層系統軟件發(fā)生故障。

2023年3月5日20:20左右，在B站用戶(hù)活躍的高峰期，許多網(wǎng)友發(fā)現B站手機和電腦端均無(wú)法訪(fǎng)問(wèn)視頻詳情頁(yè)，當晚B站團隊在出現故障20分鐘后解決了問(wèn)題。多位行業(yè)人士?jì)A向于原因是“迭代更新出現代碼故障”，這是2021年7月B站大規模服務(wù)器崩潰后的官方解釋。

如果不是滴滴全國范圍的長(cháng)時(shí)間崩潰造成大規模的負面影響與討論度，非行業(yè)人士不會(huì )將某款軟件的暫時(shí)“崩了”作為熱點(diǎn)討論。萬(wàn)博智云CTO孫琦對第一財經(jīng)表示，滴滴事件僅是一個(gè)個(gè)案，但該事件故障級別較大，確實(shí)影響到了一定規模普通群眾的生活。實(shí)際上，很多用戶(hù)看不到的軟件故障正在每天發(fā)生，這在行業(yè)內是一個(gè)較為常見(jiàn)的問(wèn)題。

此次騰訊云發(fā)生大范圍故障，有行業(yè)人士將其與2023年11月阿里云史詩(shī)級故障并稱(chēng)。2023年11月12日晚間，阿里云發(fā)生故障，“阿里云盤(pán)崩了” “淘寶又崩了” “閑魚(yú)崩了” “釘釘崩了” 等話(huà)題相繼登上熱搜，阿里系諸多產(chǎn)品受到影響。阿里云對此公告稱(chēng)，2023年11月12日17:44起，阿里云監控發(fā)現云產(chǎn)品控制臺訪(fǎng)問(wèn)及API調用出現異常，阿里云工程師正在緊急介入排查。18:54阿里云再度公告稱(chēng)，經(jīng)過(guò)工程師處理，杭州、北京等地域控制臺已恢復，其他地域控制臺服務(wù)逐步恢復中。

近期國內云平臺密集降價(jià)，阿里云甚至直接將云產(chǎn)品以折扣形式搬進(jìn)羅永浩淘寶直播間，傳統IaaS產(chǎn)品逐漸同質(zhì)化，云廠(chǎng)商競爭逐漸轉為價(jià)格競爭。但在追求銷(xiāo)量與市場(chǎng)規模的同時(shí)，客戶(hù)的基礎運維與數據安全工作，不應因“降本增效”而被忽視。