|
2月28号，号称「亚马逊AWS最稳定」的云存储服务S3出现“超高错误率”的宕机事件。 接着，半个互联网都跟着瘫痪了。 一个字母造成的血案 AWS在昨天给出了确切的解释：一名程序员在调试系统的时候，运行了一条原本打算删除少量服务器的脚本，结果输错了一个字母，导致大量服务器被删。为了修复这个错误，亚马逊不得不重启整个系统（在此之前已经几年都没有重启过了），最终导致了震惊全球的Amazon S3宕机4个小时事件。
我想这名程序猿当时的表情应该是这样的 曾经有人计算过，AWS每宕机一分钟，对亚马逊造成的损失是$66,240美元...而这还不包括那些依靠AWS来运行自家服务的公司们的损失。所以这次接近4小时的宕机造成多大的损失，只能请大家自行脑补了。
程序员的世界就是这样的不近人情，一丁点儿错误就足以酿成大错。在这次“一个字母造成的血案”之前，刚刚发生了Gitlab程序猿用错一条命令误删了整个数据库的悲剧。再久一点以前，欧洲宇航局的的火星探测器因为传感器失灵了仅仅一秒钟，就造成探测器在火星表面坠毁，历时数年的探测计划功亏一篑。 所以，当你身边的程序员为了一点点小事较真的时候，你一定要理解：魔鬼都藏在细节里啊！ 当S3宕机时，你才明白AWS多么强大 几年前，Google.com曾有一次宕机了一个小时。在那一个小时的时间里，整个互联网的流量减少了40%。当时有人感慨：Google一家就是半个互联网。如今，“半壁江山”的江湖地位似乎要归属于亚马逊了。 AWS是云计算领域全球的领导者，而S3又是AWS历史最久的服务，可以说是AWS的基石。很多AWS提供的其他服务都依赖于S3云存储，比如EC2，Lambda 和 EBS 等，所以这次宕机影响巨大。据最近的统计显示，全球共有148213个网站和121761个独立域名在使用AWS S3服务。
就拿这次事故来说，很多人一觉起来发现手机里的歌听不了，电影看不了，股票不能交易，App也没法下载，就连家里的智能电器都纷纷罢工（主页君家里的电子门锁都失灵了！）云计算听上去离生活很远，其实离我们很近。 这次S3宕机影响到无数家公司和服务 在这里罗列了几个著名的：
就连AWS自己用来公布服务状态的 AWS Dashboard 都受到了影响，在一段时间内只能通过Twitter账户来发布更新状态。这次S3宕机事件的影响范围之广，可见一斑。 “打错一个字母瘫痪半个互联网”是怎样的感受？ 在今天亚马逊披露了这起事故背后的原因后，很多人心里都会有一个疑问： 这个倒霉的程序员会被开除吗？ 关于这一点，虽然主页君肯定没法做出准确的判断，但还是愿意给出我们的猜测：不会。 首先，这名程序猿打错命令有没有责任？肯定有。但是，在处理高度可靠的云服务时，每一次操作都应该按照严格的程序，每一个命令都要经过足够的审核。除非这名程序员在操作过程中因为偷懒省略了一些必要的步骤，否则，这次事故更多是系统的责任，因为系统没有足够的机制来防止错误的发生。人，都是会犯错的，只有机器不会。 其次，oncall（值班）的程序员一边操作着影响巨大的的系统，一边还需要争分夺秒的解决问题，肩上的压力之大难以想象。虽然这次事故确实是由于一个打错的字母造成的，但如果事故发生后，作为云服务领航者的亚马逊不是勇敢的承担这笔学费，而是把锅甩给某一个程序员身上，那就太让人寒心了。 我甚至敢断言：如果亚马逊真的做出这样的决定，那么他们在日后的招聘过程中会遇到很大的困难——每个程序员都会三思：我会不会成为下一个背锅的人？
当然，如果这哥们（也可能是姐们） 真的因此被解雇了，想想看——我打错了一个字母，就瘫痪了半个互联网 这牛逼也够吹一辈子了！ 最后，主页君想说：程序员这行真的不容易，做云服务的尤其如此，大家且行且珍惜。对受到这次事故影响而心惊胆战了好几几天的程序员们说一句：加油，你们挺住！ (责任编辑：IT) |
