云服务故障的基本对策

其实，云服务也会出现中断故障。云服务中断故障意味着一个云数据中心或整个地区的基本服务（如存储、计算能力或中间件）中断。随着后端和业务应用程序在云中应用的普及，如今这种故障影响的不仅仅是面向客户的网页和在线商店，所有应用程序都会受到影响，整个企业将陷入停顿，所有员工，无论是财务、人力资源、销售、生产、客户服务还是物流的员工都无法工作。

此外，中断可能不仅仅是暂时的。如果一个数据中心烧坏了，服务器和里面的所有数据也就永远消失了。因此，首席信息官（CIO）、首席信息安全官（CISO）和董事会必须决定在灾难恢复和业务连续性规划中接受哪些风险以及需要解决哪些风险。

传统的业务连续性管理（BCM）涵盖了物理领域的挑战：大量员工的缺席（例如，由于大流行病）或洪水和火灾摧毁了办公大楼和数据中心。云服务中断则是一种新的情况——解决这些问题需要深入理解各种技术和设计模式并将其纳入组织的企业架构。

公共云服务故障

故障发生时，云中断BCM设计必须确保以下资源的可用性。

• 存储和计算等资源
• 数据和应用。
• 云服务应用（除了SaaS应用）的一个特别之处在于，这些应用是以下列业务逻辑和数据的形式组成：
• 基础设施即服务（IaaS）工作负载与虚拟机
• 平台即服务（Platform-as-a-Service）工作负载，包括（不仅仅包括）对象存储或数据库即服务

公共云提供了在更广泛故障出现时的生存功能。尽管如此，IT部门和风险管理人员仍然必须了解这些机制，并为潜在的公共云中断做好准备。我们在下文里就来看看所选定的微软Azure概念，尽管其他云（如GCP或AWS）都非常相似。

Azure划分了分区服务、区域服务和全球永久在线服务（下图）。分区服务在一个数据中心运行——最具代表性的分区服务是Azure虚拟机。如果你订购了这样的虚拟机，Azure就会启动一个虚拟机分配给你。因此，如果这个数据中心发生故障，你的虚拟机就会挂掉。没有任何冗余。

区域服务是第一类有一定冗余的服务。许多Azure中用于存储数据或数据库即服务产品的Azure服务属于这一类。这些区域服务在一个区域内的多个分区运行（因此提供了冗余）。例如，Azure苏黎世区域由苏黎世市附近的三个分区组成。某个本地事件（例如飞机坠毁在一个数据中心）不会导致区域服务的瘫痪。所以，区域服务可以提供有限的韧性。然而，区域服务并不能提供对大规模事件的保护，例如瑞士各地都停电几天。