香港阿里云服务器机房在哪里_什么样的故障让阿里云换了总裁？

2022年12月18日，或许是阿里云最黑暗的一天。阿里云香港可用区C因机房水冷设备故障，发生大面积服务中断，对很多客户业务造成重大影响，包括当天中午起澳门地区多个网站、APP无法访问。云服务器一般宕机后几个小时左右就能恢复，但阿里云在12月18日上午8点56分首先检测到故障预警，直到第二天凌晨0点30分所有服务才恢复正常。整个故障持续了15个半小时以上。难以想象，全球第三大云计算服务商在机房出现异常时，需要这么长时间才能恢复，这和它宣扬的各种黑科技高可用大不相同。

这次故障对阿里云的技术品牌造成了很大的损害，就算你继续宣传你的技术，客户可能也不会再相信你了，一旦失去客户的信任，你很快就会失去市场，毕竟云计算市场竞争还是很激烈的，华为云、腾讯云、百度云等公司都在加紧抢占市场份额。

故障恢复

暴露问题：制冷系统监控不足

当机房发生故障时，首先检测到的是机房温度异常高，随后才发现机房制冷设备出现问题。显然机房监控系统并没有对制冷机组进行监控。原因是机房主备水冷机组共用一个水循环系统，因此存在单点故障问题，一旦水循环系统出现问题，就会影响主备水冷机组。后来手动操作制冷设备仍然无法恢复其正常运行。显然没有对水冷设备进行过设备故障演练，导致问题发生后很长时间才恢复运行。

为何要对机房进行直喷？

大家都知道机房里的服务器都是电子设备，电子设备最怕水，如果服务器受潮，很有可能造成短路、服务器损坏，从而导致数据丢失，延长故障恢复时间。那么他们为什么不喷洒七氟丙烷气体来灭火呢？至少泡沫或者粉末会管用。但实际上，直接引发喷洒操作，这也很奇怪。

高可用性毫无用处

企业使用阿里云的一个重要原因就是看重它的高可用性，希望当故障发生时，用户能够快速无感的切换，将故障导致的业务中断时间降到最低。在此次阿里云宕机故障中，虽然采用了B、C可用区双机房进行容灾，在C可用区故障后通过B可用区对外提供服务，但可惜的是B可用区的服务实例资源不足。同时ECS启动时所依赖的中间件服务并不是双机房容灾，只是部署在可用区C机房，此时可用区C机房已经出现故障，导致B区无法扩容。这也暴露出阿里云对于重要的基础中间件和OSS基础服务并没有真正实现完全双机房容灾，出现了单点故障问题。

阿里云智能更换领导层

2022年12月29日，距离阿里云宕机事件不到两周，阿里巴巴董事长兼CEO张勇向全体阿里巴巴员工发信，宣布人事变动。张勇将亲自担任阿里云智能总裁，张建锋不再担任阿里云智能总裁。信中提到：唯有通过每一个小动作，维护客户利益、创造客户价值，才能承担起引领发展、创造就业、参与国际竞争的伟大使命。

这封信发给全体员工之后，张勇以阿里云智能总裁的身份，给全体阿里云员工发了一封内部信。信中的措辞更是严厉，800多字中，“客户”一词被提到20多次，可见张勇这次是真的急了。以下是这封信的部分内容。

反射

不管是像阿里巴巴这样规模的公司，还是创业公司，要想赢得客户、赢得市场，就必须始终把客户的利益放在第一位，把客户的信任放在第一位。否则，一旦失去客户的信任，就会逐渐失去市场，进而在激烈的市场竞争中被淘汰。希望在新的一年里，阿里云能够真正汲取这次宕机事故的教训，真正为客户创造价值。