阿里云发生全球性故障，云集中风险该如何化解？

阿里云12日发生的全球性故障再次将“云集中风险”推上风口浪尖。这一公有云史上罕见的事件不仅影响了数以万计的企业和服务，也引发了对云服务集中化趋势的深刻反思。

2023年11月12日17:44(GMT+8)开始，阿里云基础设施发生严重故障，导致阿里巴巴大量产品无法连接，“阿里云盘崩了”“淘宝又崩了”“闲鱼崩了”“钉钉崩了” 等话题相继登上热搜，阿里系诸多产品受到影响。

故障期间阿里云控制台无法正常登录，API调用异常，导致阿里云全系列产品服务及全球区域（包括阿里云位于中国内地、港澳台、亚洲其他地区、欧洲、北美、中东、政务云以及金融云等）数据中心均受影响。

故障恢复期间，一些用户抱怨由于DNS服务也出现问题，导致无法做故障转移，“想跑都跑不了”。

根据阿里云发布的通知，故障持续了3个多小时后才基本完全恢复：

• 17:50——阿里云确认故障原因与某个底层服务组件有关，工程师正在紧急处理中。

  
  

• 18:54——经过工程师处理，杭州、北京等地域控制台及API服务已恢复，其他地域控制台服务逐步恢复中。

  
  

• 19:20——工程师通过分批重启组件服务，绝大部分地域控制台及API服务已恢复。

  
  

• 19:43——异常管控服务组件均已完成重启，除个别云产品（如消息队列MQ、消息服务MNS）仍需处理，其余云产品控制台及API服务已恢复。

  
  

• 20:12——北京、杭州等地域消息队列MQ已完成重启，其余地域逐步恢复中。

  
  

• 21:11——受影响云产品均已恢复，因故障影响部分云产品的数据（如监控、账单等）可能存在延迟推送情况，不影响业务运行。

阿里云此次全球性故障的严重程度、影响规模和范围在公有云历史上都极为罕见，严重打击了各行业用户对公有云可靠性和安全性的信心，进一步凸显了Gartner三季度风险报告中强调的“云集中”风险。

根据Gartner最新公布的2023年三季度新兴风险报告，云集中风险连续第二年进入“五大新兴风险”综合榜单：

在美国和中国市场，云集中风险则更为突出（排名分别上升至第三）：

Gartner法律风险与合规实践部门研究总监徐然表示：“云服务集中化风险正在成为大多数企业的共识。许多企业和机构现在面临这样的处境：一旦单个云服务商出现故障，将导致业务发生严重中断。”

导致“云集中风险”的原因有很多，许多组织为了降低IT复杂性、成本和技能要求，选择将IT服务集中在少数几个战略云供应商手中；而加剧这一风险的是，少数几个云计算巨头凭借其技术能力优势、业务覆盖范围和合作伙伴生态系统，在全球和区域市场占据主导地位。

徐然表示：“对于那些选择将其IT服务托管在公共云中的组织来说，要避免云集中风险的同时又获得云服务的好处，很难兼顾。此外，国家和次国家层面的法规在处理集中风险、反竞争、数据主权和云服务隐私规则方面存在分歧，这进一步复杂化了情况。”

根据Gartner的说法，云集中目前主要有三大风险：

• 超大的事件“爆炸半径”：越多的应用程序（和业务流程）依赖于特定的云提供商，云服务问题可能带来的影响范围就越广，这可能加剧业务连续性的担忧。

  
  

• 高度的供应商依赖和锁定：对特定供应商的集中依赖可能会减少未来技术选择，并允许供应商对组织的技术未来施加重大影响。

  
  

• 监管合规失败：组织可能无法满足不同监管机构对处理集中风险的要求，这些机构对集中风险的处理方法可能各不相同。

徐然表示：“目前，如果公共云的优点对企业战略至关重要，企业迫切需要制订一个完备的连续性计划，以应对可能面临的任何重大云服务风险。”

知名密码学专家布鲁斯施奈尔认为，增加云服务商数量并不能从根本上降低“云风险”，他在IEEE Spectrum上撰文指出：

在全球科技巨头和云服务商争先恐后“大炼数据”的生成式人工智能时代，企业和个人对存放于云端数据的安全焦虑与日俱增，一个可行的策略是将身份、数据和行为解耦合。

“企业不应再对云服务商的数据安全能力和意愿抱有幻想，企业唯一的出路是将数据安全重新掌握在自己手中。”施奈尔说道。

https://help.aliyun.com/noticelist/articleid/1064981333.html?spm=a2c4g.789004748.n2.6.3ebb18650gVvWF

https://www.gartner.com/en/newsroom/press-releases/2023-10-30-gartner-says-cloud-concentration-now-a-significant-emerging-risk-for-many-organizations