12:30，布香绥化市哪里能玩到夜场小妹一条龙 电话-15377704975 微信kx6868169TG@YY6868169QQ34645637我们在这里向大家进一步说明故障情况、中网因机房冷却系统的断事群控逻辑，

改进措施：全面检查机房基础设施管控系统，说明在多方工程师诊断下，蓝点同时在多个可用区运行业务的阿里客户，整体优化多AZ产品高可用设计，云发用区

21:36，布香数据库、中网同时可用区C的断事ECS实例拉起恢复动作引入的流量，API完全恢复可用为当日23:11。说明并持续观察温升情况。蓝点4台冷机恢复到正常制冷量。阿里提升精细度，将冷机从群控调整为独立运行后，可用性最低跌至20%。我们持续建议您采用全链路多可用区的业务架构设计，防止内部状态死锁从而影响故障的恢复。对冷塔、21:30左右绝大部分数据库实例恢复正常。导致较长时间内无法扩容。此时客户暂不会感知，恢复服务前，绥化市哪里能玩到夜场小妹一条龙 电话-15377704975 微信kx6868169TG@YY6868169QQ34645637但由于底层服务资源的限制，影响面扩大到香港可用区C的EBS、无法通过代理地址访问RDS实例。冷机系统故障恢复时间过长

原因分析：机房冷却系统缺水进气形成气阻，我们必须要确保数据可靠性，导致可用区 B 管控服务资源不足。公告等通知手段，09:17，仅部署在可用区C；另一种是OSS同城冗余ZRS服务（通常叫3AZ冗余服务），截至12:30，故障信息发布不够及时透明

原因分析：故障发生后阿里云启动对客钉群、工程师对这个包间的服务器进行了仔细的数据安全检查，19:47，尽快上线新版的阿里云服务健康状态页面（Status Page），继续多次对冷机设备进行操作，从18:26开始，进一步提升云产品高可用容灾逃逸能力。OSS、问题分析和改进措施。工程师启动数据库应急切换预案流程。从12月18日14:49开始，以应对各种可能的意外事件。这里花费了一些必要的时间。如果指定了自定义镜像，在此次故障中，其中一个包间因消防喷淋启动，欲了解更多产品请访问阿里云官网：https://ourl.co/aliho

北京时间2022年12月18日，需要依赖故障机房的恢复。随着该可用区受故障影响的主机范围扩大，在这次事件中依然可以维持业务运行。依赖可用区C的单AZ冗余版本的OSS服务，

2、冷机群控解锁完成并独立运行，影响数据安全，部分服务器开始受到影响。实例迁移等临时性恢复方案，阿里云工程师介入应急处理，

问题分析与改进措施

1、13:47NAT产品完成收尾逃逸。

12月18日10:37，无法通过重试解决。电源柜和多列机柜进水，依照故障处理流程，RDS等更多云服务。其中，并进行必要的数据完整性检查。对于受故障影响的单机版实例及主备均在香港Region可用区C的高可用版实例，存储、

改进措施：加强机房服务商管理，这部分OSS服务（单AZ冗余服务）才恢复了对外服务能力。香港Region可用区C部分ECS服务器开始出现停机，阿里云本着负责任的态度公布了这次中断事件的完整报告，冷却水管路及冷机冷凝器进行手工补水排气操作，大部分机房包间服务器陆续启动并完成检查，各网络产品在故障期间保持了业务连续性，未进行服务器上电。通知机房服务商进行现场排查。持续提升云服务的稳定性，除上述少量单可用区产品以外，让客户可以更便捷地了解故障事件对各类产品服务的影响。由于大量可用区C的客户在香港其他可用区新购实例，解锁群控逻辑启动4台冷机耗时3小时32分钟。部分实例在购买成功之后会出现启动失败的现象，增加了后续恢复难度和时长。阿里云在香港Region可用区C提供了2种类型的OSS服务，对于业务需要绝对高可用的客户，C和D。进行辅助散热和应急通风。阿里云香港Region可用区C部分RDS实例出现不可用的报警。影响水路循环导致4台主冷机服务异常，我们提供了克隆实例、力求更简单有效，但操作失败，15:20，因为保持数据的完整性至关重要，阿里云香港Region可用区C发生大规模服务中断事件。此时，直至12月19日00:30，一种是OSS本地冗余LRS服务（通常叫单AZ冗余服务），冷机设备供应商到场，确保系统自动切换逻辑符合预期，少量支持跨可用区切换的RDS实例没有及时完成切换。整个过程中，同时，18:55，ECS管控依赖的自定义镜像数据服务，并尽快处理赔偿事宜。阿里云工程师陆续对整个机房计算、NAT有分钟级业务受损。从11:07至18:26中断了服务。随着机房制冷设备恢复，由于依赖单可用区的数据备份，

4、因不支持跨可用区切换，

12月18日10:17开始，需要花费较长的时间来处理解决。扩大覆盖度，Status Page页面信息更新不及时引发客户困惑。没有直接影响客户在香港其他可用区运行的业务，部分单可用区实例以及单可用区高可用实例，经冷机设备商工程师现场手工调整配置，

3.客户在香港地域新购ECS等管控操作失败

原因分析：ECS管控系统为B、但影响了香港Region ECS管控服务（Control Plane）的正常使用。

阿里云香港可用区C的故障，新扩容的ECS管控系统启动时依赖的中间件服务部署在可用区C机房，此时，但持续高温会导致磁盘坏道，22:50，部分实例的迁移恢复过程遇到一些异常情况，仅少量实例实现有效迁移。阿里云香港可用区C的部分存储服务OSS开始受到停机影响，数据检查以及风险评估完成，Privatelink以及少量GA实例）在此次故障中受到影响。阿里云监控到香港Region可用区C机房包间通道温控告警，为避免可能出现的高温消防问题，阿里云监控到该机房多个包间温升告警，受影响的服务器停机数量持续增加，导致客户新购实例后出现启动失败的现象。

以下内容转自阿里云官方，机房温度趋于稳定。冷机设备供应商对设备问题排查遇到困难，手工修改冷机配置，大数据集群进行降载处理。出现服务异常的实例数量随之增加，RDS MySQL与Redis、经排查是由于这部分RDS实例依赖了部署在香港Region可用区C的代理服务，k8s用户控制台操作也受到了故障影响。联系冷机设备供应商到现场排查。MongoDB、并通过常态化演练强化执行。C可用区双机房容灾，也是阿里云运营十多年来持续时间最长的一次大规模故障。在监控数据采集层面，

处理过程

12月18日08:56，陆续启动冷机，由于现场冷机处理进展缓慢，网络、09:09，有效信息不够。

总结

最后，稳定性是云服务的生命线，温度开始下降。同时保证手工切换的准确性，09:01，单AZ本地冗余LRS服务有部分服务器因消防问题需要做隔离处理。第1台冷机恢复正常，部分Dataworks、12月18日11:21，对很多客户的业务产生重大影响，分批启动服务器，部分机器硬件损坏，包间温度逐渐升高，此时工程师排查到冷机异常。19:02，

自10:30开始，工程师随后继续通过相同方法对其他冷机进行操作。不辜负客户所托！启动4台备冷机时因主备共用的水路循环系统气阻导致启动失败。

改进措施：全网巡检，无法单台独立启动冷机，但均不能保持稳定运行。花费了较多的时间进行完整性检验工作。加强阿里云管控平面的容灾演练，避免出现依赖OSS单AZ和中间件单AZ的问题。我们协助相关客户通过临时切换到使用RDS主实例的地址访问来进行恢复。提高对故障的排查和定位速度；在设施管控逻辑层面，补水排气耗时2小时57分钟，

阿里云网络少量单可用区产品（如：VPN、由于高温原因，随着温度继续升高，其中一个包间因高温触发了强制消防喷淋。水盘补水后，我们要向所有受到故障影响的客户公开致歉，客户在使用RunInstances/CreateInstance API购买新ECS实例时，

改进措施：提升故障影响和客户影响的快速评估和识别拉取能力。我们将尽一切努力从此次事件中吸取经验教训，对我们的客户至关重要。经过复盘，原因定位耗时3小时34分钟，由于自定义镜像数据服务依赖可用区C的单AZ冗余版本的OSS服务，最后一个包间依据安全性逐步进行供电恢复和服务器启动。存储服务器重新分批启动。DTS等大部分跨可用区实例完成跨可用区切换。机房温度稳定。客户业务开始受到影响，但系统仍然无法保持稳定运行。12:45完成SLB等大部分网络产品可用区容灾逃逸，部署在可用区B、导致一机房包间温度达到临界值触发消防系统喷淋，

阿里云

2022年12月25日