“宕機”背后云安全的問題有多少？

本刊記者|梅雅鑫

近日，阿里云突發(fā)的宕機事件又將云安全推到風(fēng)口浪尖，據(jù)了解，此次事件是阿里云華北2地域可用區(qū)C部分的ECS服務(wù)器（云服務(wù)器）等實例出現(xiàn)IO HANG（IO不響應(yīng)）導(dǎo)致的。阿里云經(jīng)緊急排查處理后，業(yè)務(wù)已全部恢復(fù)。同時，阿里云方面表示，將根據(jù)SLA協(xié)議（服務(wù)合同）盡快處理因此次故障受影響企業(yè)的賠償事宜。

但是比起賠償，業(yè)內(nèi)人士更加關(guān)注此次宕機事件帶來的影響和事件背后折射出的問題。經(jīng)過十余年的發(fā)展，中國的云計算市場已經(jīng)初具規(guī)模，各種新技術(shù)、新應(yīng)用、新場景、新架構(gòu)成為公有云/私有云平臺市場保持快速、持續(xù)增長的助推器。目前越來越多的企業(yè)將其業(yè)務(wù)系統(tǒng)、數(shù)據(jù)部署在云上，云服務(wù)器一旦宕機，企業(yè)業(yè)務(wù)必然會受波及。因而安全被各企業(yè)視為頭等要務(wù)。

理論上不存在“永不宕機”的云

事實上，不止是阿里云，其他云服務(wù)提供商也都出現(xiàn)過宕機事件。僅2018年一年，全球主流云計算廠商曾發(fā)生數(shù)十起宕機事故。

2018年1月18日，谷歌云自動化失效導(dǎo)致宕機；

2018年3月2日，AWS宕機致部分Alexa失聲；

2018年5月31日，AWS北弗吉尼亞地區(qū)數(shù)據(jù)中心出現(xiàn)硬件問題；

2018年6月17日，因愛爾蘭數(shù)據(jù)中心的恒溫系統(tǒng)出現(xiàn)問題，微軟Azure愛爾蘭數(shù)據(jù)中心宕機；

2018年7月20日，騰訊云云硬盤故障；

2018年9月4日，微軟云Azure數(shù)據(jù)中心遭雷劈宕機；

2018年11月9日，谷歌公有云下的Kubernetes服務(wù)（GKE）宕機；

不難發(fā)現(xiàn)，雖然宕機的原因不盡相同，但宕機卻時有發(fā)生。

據(jù)悉，云服務(wù)產(chǎn)生故障的原因一般分為兩類：一是因為誤操作導(dǎo)致的問題（用不用云服務(wù)都有這個問題），二是云平臺故障導(dǎo)致的問題。中國信息通信研究院云計算與大數(shù)據(jù)研究所所長何寶宏也表示，目前發(fā)生的宕機事故約80%是因為技術(shù)人員操作不規(guī)范或“誤操作”導(dǎo)致的，相比于“誤操作”，云平臺故障的技術(shù)問題僅占20%。

云服務(wù)提供商的云平臺可提供服務(wù)器快照、數(shù)據(jù)庫備份和日志備份等諸多功能，這些功能為企業(yè)帶來了便利，遠比企業(yè)自己構(gòu)建類似的服務(wù)簡單好用，但是涉及到權(quán)限問題就值得思考了。企業(yè)使用云平臺上的賬戶權(quán)限管理時，嚴格地避免無意或者惡意的“誤操作”很重要，因為如果云服務(wù)管理權(quán)限每個人都有，那么很容易出現(xiàn)“誤操作”的問題，所以要嚴格控制賬戶管理的權(quán)限。

無論是傳統(tǒng)的環(huán)境，還是云環(huán)境，都不能做到絕對“持續(xù)可用”。何寶宏對此表示，理論上任何技術(shù)或者服務(wù)出現(xiàn)中斷都是不可避免的，僅是概率大小的問題。

雖然所有的云服務(wù)都不是絕對安全的，沒有辦法100%保證系統(tǒng)的正常。但是大部分情況下，云環(huán)境的可用性和可靠性都比傳統(tǒng)環(huán)境高，這主要是因為云平臺的運維更加專業(yè)?？梢?，盡管云會發(fā)生故障，但云仍然是值得信任的。

服務(wù)可靠性、業(yè)務(wù)連續(xù)性需不斷加強

未來云服務(wù)或?qū)⑾袼娒阂粯映蔀榛A(chǔ)設(shè)施。停電1分鐘，對于一般家庭而言，也許只意味著少看一會兒電視、少吹一會兒空調(diào)，但對于企業(yè)而言，或許意味著一條生產(chǎn)線的癱瘓、整個生產(chǎn)流程的推倒重來。同理，云服務(wù)器宕機1分鐘，對于云服務(wù)提供商來說是一次運維故障，但對企業(yè)而言，或許意味著客戶的流失甚至企業(yè)破產(chǎn)，特別是不可逆的故障不是云服務(wù)提供商賠償就能挽回的。

有業(yè)內(nèi)專家透露，宕機的后果可以分為兩種，一種是可恢復(fù)的，一種是不可恢復(fù)的。例如，此前騰訊云因硬盤故障導(dǎo)致一家初創(chuàng)公司近千萬元的平臺數(shù)據(jù)丟失，且不能恢復(fù)，讓騰訊云元氣大傷，與之相比，阿里云的損失就沒有那么慘重了。

而且此次事件折射出來的問題并不完全屬于云安全范疇，隨著云計算在各垂直領(lǐng)域的不斷滲透，云服務(wù)的可靠性、業(yè)務(wù)連續(xù)性將成為下一步云計算發(fā)展的重中之重。

可靠性和業(yè)務(wù)連續(xù)性一直是電信業(yè)非常重視的指標，但云廠商對于服務(wù)可靠性的要求還不夠。何寶宏指出，該問題并不只出現(xiàn)于云廠商提供的服務(wù)中，而是新興行業(yè)發(fā)展初期常常會遇到的問題。例如，2016年國家電網(wǎng)公司經(jīng)營區(qū)域內(nèi)城市配電網(wǎng)和農(nóng)村配電網(wǎng)的供電可靠率分別達到99.946%、99.782%，但隨著近年來工業(yè)互聯(lián)網(wǎng)的需求越來越大，對電網(wǎng)的依賴性越來越高，99.9999%的供電可靠率也逐漸出現(xiàn)。由此可見，一項服務(wù)的可靠性可以隨著人們對該服務(wù)的依賴程度提升而越來越高。

未來，云服務(wù)的可靠性和業(yè)務(wù)連續(xù)性也將會隨著企業(yè)上云以及垂直行業(yè)對云服務(wù)的依賴程度的加深而不斷提升。當(dāng)然這樣的提升需要更多經(jīng)驗的積累和時間的考驗，眼下還是應(yīng)該盡量避免宕機事件的發(fā)生。

“多云”部署或成企業(yè)新保障

諸多宕機事件告訴我們，面對天災(zāi)人禍，不論是公有云還是私有云都不能獨善其身。為減少業(yè)務(wù)中斷帶來的損失，云服務(wù)廠商需要構(gòu)建云容災(zāi)方案。

何寶宏指出，預(yù)防宕機發(fā)生可以從多個方面著手。

一是云廠商技術(shù)的完善，即不斷地增強云服務(wù)的可靠性和業(yè)務(wù)連續(xù)性，但毋庸置疑的是無論可靠性達到幾個9都無法保證云服務(wù)“永不宕機”。

二是企業(yè)需根據(jù)自身特點選擇云災(zāi)備和云保險服務(wù)，盡量在經(jīng)濟和人員條件可行的情況下使用這些服務(wù)分散風(fēng)險，如果故障只出現(xiàn)在一個服務(wù)器集群，采用異地災(zāi)備的方案，就可以以最快時間切換到另一個集群，保持系統(tǒng)可用；云保險則是企業(yè)的最后一道屏障。

三是增強用云規(guī)范意識，為避免由于人員的“誤操作”或者相關(guān)人員操作不規(guī)范造成的宕機事故，相關(guān)企業(yè)和政府機構(gòu)應(yīng)加強技術(shù)人員的培訓(xùn)和建立災(zāi)備意識，企業(yè)的IT人員日常應(yīng)做到異機備份、數(shù)據(jù)容災(zāi)、業(yè)務(wù)雙活、定期對災(zāi)備和雙活進行演練等，盡可能避免云故障帶來的損失。

宕機事件的發(fā)生使不少企業(yè)對云服務(wù)的部署方式產(chǎn)生了質(zhì)疑，于是，“多云戰(zhàn)略”成為很多企業(yè)正在考慮的方案。業(yè)內(nèi)分析師也坦言，真正安全的方式需要將重要業(yè)務(wù)分別放在不同的“籃子”里，也就是選擇多個供應(yīng)商，進行“多云”部署?！岸嘣啤辈渴鸨旧硪彩且环N災(zāi)備預(yù)案，如果自身服務(wù)非常重要，可以考慮租用多個云服務(wù)器互為主備，或者自建機房，只是這樣成本和技術(shù)復(fù)雜度會成倍增加。

對于初創(chuàng)企業(yè)或中小企業(yè)而言，自建機房的運維難度很大，運維水平也遠低于大的云服務(wù)廠商，因而故障概率更大、損失更加不可控。所以采用多云或混合云可能是未來最為靠譜的方案，純公有云、純私有云都是不太安全的解決方案。

而有實力的企業(yè)應(yīng)該盡可能自建服務(wù)器，將核心數(shù)據(jù)、核心業(yè)務(wù)邏輯放在自己的內(nèi)網(wǎng)服務(wù)器上，前端模塊等可以考慮放在公有云服務(wù)器上，這樣的話可以最大限度地實現(xiàn)風(fēng)險分擔(dān)，保障企業(yè)的用云安全。