这一篇文章是探讨去年互联网中发生的“宕机”事件的吃瓜文章。
在互联网技术发展到了2022年的今天，尽管理论上系统可以做到“永不宕机”，但过去的一年里，宕机却并未减少。这给广大依赖技术的用户和客户带来了不小的风险，宕机不仅影响内部用户，还可能波及到客户和合作伙伴的收入、信誉以及生产力等各个方面。
宕机在系统中就如同“黑天鹅”，难以预测，因此特别受到关注。特别是对于大型互联网系统，其稳定性风险随着系统的复杂度增加而升高。根据墨菲定律，系统中的错误终究会发生。为了更好地了解这些情况，我们整理了2021年发生的十个重大宕机事件，并分析了其故障原因。
国内宕机事件中，我们可以看到故障原因的多样性和人为因素的重要性。比如，B站在深夜因服务器机房故障而出现宕机，导致大量用户无法访问。富途证券因运营商机房电力闪断导致的多机房网络故障而出现服务中断，但通过详细的技术解释和从容灾设计的说明，让用户对其技术实力有了更深的了解。还有西安“通”因访问量过大而多次出现系统崩溃等问题。
在国际方面，我们看到了诸如、Roblox、Salesforce等大型公司的宕机事件，其中不少是由人为操作失误或系统漏洞所导致。例如，因日常维护工作中的指令错误而切断了全球网络中的所有连接，导致服务中断数小时。而Roblox则是因为开源Consul里的流式传输功能存在bug而导致系统崩溃。这些大型公司的宕机事件都对其业务和声誉造成了不小的影响。
在云计算服务提供商方面，一旦出现故障，其影响范围可能非常广泛。比如OVH数据中心的火灾导致数百万个网站下线，Fastly的全球服务中断则让许多依赖其服务的网站受到影响。而谷歌云和AWS的宕机事件也引发了人们对云服务稳定性的关注。
无论是国内还是国际，无论是传统企业还是云计算服务提供商，宕机都时有发生。这既了技术系统的脆弱性，也提醒我们在建设系统中要特别注意稳定性和容灾设计。通过分析这些宕机事件的原因和影响，我们可以更好地了解系统中的风险点，并采取措施进行改进。希望在2022年，大家都能够避免经历宕机的困扰。