腾讯云披露 4 月 8 日服务故障原因:云 API 异常持续近 87 分钟

 邮箱网  0条评论  534次浏览  2024年04月14日 星期日 10:48

分享到: 更多
IT之家 4 月 14 日消息,腾讯云官方公众号今日发文,披露了 4 月 8 日服务大范围故障的原因及细节。

官方表示,经过故障定位发现,客户登录不上控制台正是由云 API 异常所导致。云 API 是云上统一的开放接口集合,客户可通过 API 以编程方式管理和操控云端资源,云控制台通过组合云 API 提供交互式的网页功能。


故障发生后,依赖云 API 提供产品能力的部分公有云服务也因此出现无法使用的情况,包括云函数、文字识别、微服务平台、音频内容安全、验证码等。此次故障一共持续了近 87 分钟,期间共有 1957 个客户报障。

腾讯云方面称,若将云服务比作“酒店”,控制台就相当于“前台”,是统一的服务入口。“酒店前台发生故障会导致入住、续住等管理能力不可用,但已入住的客房不受影响。”这次故障中客户已经配置好的服务器等 IaaS 资源,包括已经部署运行的业务,没有受到云 API 异常的影响。

官方披露了这次故障根本原因及改进措施如下:

综合盘点这次故障,最根本的原因是在版本变更过程中,没有有效执行沙箱验证和预案演练,暴露了在变更管理上的不足,接下来将从以下几个方面快速进行改进和完善,以减少故障的影响范围和影响时长。

第一,提升系统韧性

 1、定期执行预定的变更策略模拟演练,确保在真实故障发生时,能够迅速切换到恢复模式,最小化服务中断时间。

2、优化服务部署架构,通过分层架构、代码审查和监控等手段, 避免 API 服务中潜在的循环依赖问题。

3、提供 API 服务逃生通道,当故障发生时,可供调用方快速切换。

第二,强化变更管理与保护措施

 1、完善自动化测试用例库,在系统变更前通过沙箱环境对变更内容进行严格验证。

2、实施灰度发布策略,逐步推广新功能或配置更改,按集群、可用区、地域逐步生效,以便在发现问题时能够迅速回滚。

3、引入异常自动熔断机制,当检测到系统异常时,能够立即中断变更过程。

第三,增强故障响应与沟通能力

1、对故障处理流程进行全面升级,确保实时更新故障处理进度和预计恢复时间点,提升故障报告发布效率。

2、在对外发布的故障通知中,清晰阐述受影响的业务范围、故障根因及预计修复时长,保持透明度。

3、优化腾讯云健康状态看板(StatusPage)的信息展示逻辑,解除对云 API 等云服务的依赖,通过引入缓存和容灾机制,确保即使在云服务出现故障时,能准确、及时地传递故障信息。

据IT之家4 月 8 日报道,当日下午腾讯云出现服务故障,接口响应报错、内部服务错误,网页显示 504 错误。腾讯云官方微博下也有网友反馈服务故障,IP 来自全国多地。

标签:腾讯云故障

我的评论:

请  后发表评论。