微软存储服务性能更新导致Azure故障

ZDNet至顶网软件频道消息：上周微软Azure近11小时的故障是由于微软升级Azure存储服务的性能导致的，微软Azure企业副总裁Jason Zander解释了这次故障的原因，并对所有受影响的Azure用户道歉。目前，微软Azure团队向用户发表致歉公开信，并表示会主动地为受影响的客户提供SLA协议赔偿，用户无需重复递交SLA赔偿申请，微软将在下个账单月为受影响用户转账。

美国太平洋时间11月18日晚，美国、欧洲和亚洲部分Azure用户存储和网站服务无法访问，部分Xbox LIVE用户无法联机，微软MSN.com网站、Visual Studio Online和搜索也得到了影响。更糟糕的是，Azure服务健康状态（Service Health Dashboard）和Azure管理门户（Management Portal）都依赖于Azure存储服务，这两款服务都没有正确地显示Azure的状态，在Azure故障的时候，页面显示服务状态为正常。

尽管微软已经测试了几周这次的Azure存储服务的性能更新，但直到微软部署到Azure上才意识到“有一个问题导致存储二进制大对象前端进入无限循环”的问题。Jason Zander表示，“结果是前端无法承接进一步的流量，反过来又导致建立在它之上的其他的服务出现问题。”

微软在发现问题后，立刻回滚了更新，但仍需要重启存储前端来彻底恢复。根据官方故障报告，“这次故障已经被大范围扩散，由于操作失误更新在短时间内快速部署到了大部分数据中心，通常这一生产环境的部署是渐进部署的”。

Zander表示，结果是一些客户仍然会遇到“间歇性的问题”。他表示，微软的工程师们正在和这些客户一起解决这些难缠的问题。

微软表示，未来将制定一系列措施，避免这类问题再次发生：

• 确保部署工具强化应用产品变更的标准协议，在产品更新的过程中使用渐进式部署。
• 改进恢复方法，尽量减少恢复时间。
• 修复存储前端无限循环Bug，然后再部署到生产环境。
• 改进服务健康状态架构（Service Health Dashboard Infrastructure）和协议。

经营云生意的基础自然是企业和用户的信任，微软非常了解事态的严重性，正在努力进行补救措施。