AWS法蘭克福節(jié)點遭遇重大事件：空氣處理系統(tǒng)故障導(dǎo)致設(shè)備關(guān)閉、網(wǎng)絡(luò)中斷、EC2實例宕機

云巨頭AWS稱，空氣處理系統(tǒng)故障導(dǎo)致設(shè)備關(guān)閉、網(wǎng)絡(luò)中斷和EC2實例宕機。

AWS的EU-CENTRAL-1區(qū)域的單單一個可用區(qū)（AZ）近日遭遇了重大事件。

該公司的狀態(tài)頁面顯示，該事件始于6月10日太平洋夏令時下午1點24分，最初導(dǎo)致“一些EC2實例出現(xiàn)了連接問題”。

半小時后，AWS報告“EC2 API出現(xiàn)了API錯誤率和延遲同同增加、實例出現(xiàn)了連接問題……是由那個受影響的可用區(qū)的一部分內(nèi)環(huán)境溫度升高引起的?！?/p>

到下午2點36分，AWS表示溫度在回落，但網(wǎng)絡(luò)連接仍處于斷開狀態(tài)。

但是一小時后，云巨頭給出了以下令人頗為不安的說法：

雖然溫度繼續(xù)回到正常水平，但工程師仍無法進入可用區(qū)受影響的部分。我們認為環(huán)境在接下來的30分鐘內(nèi)可以安全地重新進入，但現(xiàn)階段正在遠程恢復(fù)。

下午4點12分的更新報告稱，出于安全原因，工作人員仍無法進入現(xiàn)場。

下午4點33分，網(wǎng)絡(luò)服務(wù)恢復(fù)正常，AWS表示這應(yīng)該會促使EC2實例迅速恢復(fù)正常。下午5點19分的更新聲明“受影響可用區(qū)內(nèi)的環(huán)境狀況現(xiàn)已恢復(fù)到正常水平”，并告知用戶“絕大多數(shù)受影響的EC2實例現(xiàn)已完全恢復(fù)，但我們繼續(xù)在處理依然出現(xiàn)性能下降的一些EBS卷?！?/p>

Kinesis Data Streams、Kinesis Firehose、Amazon Relational Database Service和AWS CloudFormation也受到了波及。

AWS的最新狀態(tài)更新下結(jié)論道：“我們將在后續(xù)帖子中提供有關(guān)根本原因的更多詳細信息，但可以確認數(shù)據(jù)中心內(nèi)沒有著火?！?/p>

這就留下了一個問題：究竟是什么情況讓數(shù)據(jù)中心危險到無法進入的地步？

6月11日02點45分的更新。AWS更新事件報告，表明該事件是“控制系統(tǒng)故障引起的，導(dǎo)致受影響可用區(qū)的多個空氣處理系統(tǒng)失靈”。

空氣處理系統(tǒng)負責為數(shù)據(jù)中心冷卻，所以一旦它們停止運轉(zhuǎn)，“環(huán)境溫度就開始上升”到不安全的水平，因此AWS服務(wù)器網(wǎng)絡(luò)設(shè)備關(guān)閉。

“遺憾的是，由于這個問題影響了幾個冗余網(wǎng)絡(luò)交換機，這單單一個可用區(qū)中的大量EC2實例失去了網(wǎng)絡(luò)連接，”更新補充道。

“雖然我們的操作人員通常能夠在受到影響之前恢復(fù)冷卻功效，但在受影響可用區(qū)的一部分內(nèi)，滅火系統(tǒng)被激活了?！?/p>

“這個系統(tǒng)激活后，數(shù)據(jù)中心被疏散開來并密封起來，噴灑一種化學物質(zhì)，以去除空氣中的氧氣，從而達到滅火效果。”

AWS的工作人員只好等地方消防部門抵達現(xiàn)場并證明數(shù)據(jù)中心是安全的。AWS表示，一旦出具符合標準的文件，“需要重新為數(shù)據(jù)中心注入氧氣，以便工程師可以安全進入設(shè)施，恢復(fù)受影響的網(wǎng)絡(luò)設(shè)備和服務(wù)器?！?/p>

安全工作條件現(xiàn)已恢復(fù)，大部分硬件和服務(wù)也已恢復(fù)。

但一些設(shè)備似乎已受到損壞，正如AWS所說“極少數(shù)剩余的實例和卷已受到環(huán)境溫度升高和斷電帶來的不利影響，它們?nèi)晕吹玫浇鉀Q?！?/p>

這家云巨頭還告知客戶，被激活的滅火系統(tǒng)仍處于禁用狀態(tài)。