老_张
·
阿里云宕机带来的稳定性思考 - 老_张
💡
原文中文，约1700字，阅读约需4分钟。
📝
内容提要
上个月，语雀服务宕机6+小时，影响了很多用户。上周日，阿里云也出现了故障，对企业和个人用户都有很大影响。云服务作为基础设施，稳定性很重要。阿里内部有稳定性保障机制，但线上问题大部分是人为因素导致的。稳定性保障是一项重要但吃力不讨好的工作。技术投入也不确定，容易被砍掉。
🎯
关键要点
- 上个月语雀服务宕机超过6小时，影响了许多用户。
- 阿里云上周也出现故障，影响范围广泛。
- 云服务作为基础设施，其稳定性至关重要。
- 阿里内部有稳定性保障机制，但大部分问题由人为因素导致。
- 稳定性保障工作虽然重要，但常常得不到应有的重视和投入。
- 云服务故障的影响不仅限于直接用户，还波及到无数企业和个人用户。
- 业内有多种稳定性保障手段，如全链路压测和混沌工程等。
- 很多线上服务故障是由于变更操作不当引起的。
- 阿里内部有1-5-15机制来保障服务稳定性。
- 稳定性保障工作需要优先保障业务正常运行，并有应急预案。
- 稳定性问题大多是人为因素造成的，遵守技术规范可以减少故障。
- 稳定性保障工作常常被视为吃力不讨好的事情。
- 技术投入的长期价值在于防患于未然，但缺乏稳定性。
- 在降本增效的环境下，技术团队容易被削减。
➡️
