至顶网软件频道消息: 随着云应用的愈发成熟,云计算提供商也开发出了更好的维护工具来运营最大的、最先进的服务器集群,因此,灾难性的云计算故障在2017年似乎是一个不合时宜的事了。虽然所有厂商都遭遇了可能会限制特定服务的宕机时间,或者局部不可用的短时间故障,但是很多人认为,在早期出现的那种大规模故障,肯定是原始时代的事情了。
但是接近2月底的时候,AWS的故障事件就震动了整个行业,打击了企业客户对采用云计算的信心,因为故障当天有数量庞大的业务受到影响,GitHub、Slack、Zendesk、Heroku、Twilio、Mailchimp、Citrix和Expedia,只是其中的一小部分。当AWS透露这次故障是由人为错误导致,人们的信心进一步降低——实际上是由于技术人员输入不正确的单行命令导致。
下面是盘点出的2017年国外10大云故障,提醒人们,这个快速成熟的行业,其出色运营的风险比以往任何时候都要高。
IBM,1月26日
今年年初,IBM云的可信度受到打击,当时客户用于访问Bluemix云基础设施的一个管理门户出现数小时的故障。
虽然底层基础设施没有发生故障,但是客户沮丧地发现,他们无法管理他们的应用、无法添加或者移除为工作负载提供支持的云资源。
IBM表示,这次故障是间歇性的,是由接口的错误更新导致。
GitLab,1月31日
GitLab广受欢迎的在线代码库GitLab.com遭遇了18个小时的服务中断,最终还是没有完全修复。这次故障主要原因是,一位员工在维护流程中将一个数据库目录从错误的数据库服务器中删除导致的。
GitLab事后表示,最乐观的估计是,这次故障影响了大约5000个项目、5000条评论和700个新用户帐户。
Facebook,2月2日
在漫长而痛苦的三个小时中,全球各地的一些用户被锁在Facebook之外,担心他们的帐户被黑客入侵。
社交媒体巨头Facebook随后解释说,有功能将会防范黑客发送给用户一个恢复屏幕,让人感觉有人登录了他们的帐户,受影响的用户会被阻止立即重新登录。
Facebook确认实际上并没有发生安全漏洞。这是Facebook第二次出现故障。几天之前,有人报告说他们看不到他们的新闻消息。
AWS,2月28日
这是一次震动整个业界的故障事件。一位AWS工程师试图对位于弗吉尼亚州数据中心内的一个S3存储系统进行调试的时候,意外地输入了一个错误命令行,随后大部分互联网,包括Slack、Quora和Trello在内的很多企业平台停机了4个小时。
调查显示,该员工使用既定的步骤,试图关闭少量托管了计费流程子系统的服务器。相反,意外的命令导致更大范围服务器处于脱机状态,其中包括为服务器提供特定数据存储所需的一个子系统,以及另一个分配新存储的子系统。
这次由这样一家几乎占据了全球1/3云市场份额的提供商导致的故障,重新引发了关于公有云风险的争论。
微软,3月16日
存储可用性问题困扰了微软Azure公有云超过8个小时,主要影响到美国东部的一些客户。一些用户无法配置新存储或者访问该地区的现有资源。随后一个微软工程团队将这次故障归咎于一个存储集群端点并出现不可用的情况。
除了该问题之外,微软还在Azure状态页面上列出了一个软件错误,使得多个服务的存储配置受影响超过1个小时。
微软Office 365,3月21日
由于用户身份验证问题,导致多个微软企业和消费级云服务(包括Office 365存储和电子邮件服务)无法使用。
这次受影响广泛的故障使得客户无法访问OneDrive存储、Skype协作、Outlook电子邮件、以及像Xbox Live这样的消费级产品。
苹果iCloud,6月28日
有多个社交媒体来源报道称,苹果iCloud Backup服务出现了可用性故障。平台的系统状态页面显示,iCloud Backup只影响了不到1%的用户。
在这次故障中,受影响的用户无法从之前的备份中恢复iOS设备,持续了至少36小时。虽然恢复过程会被挂起无法完成,但是启动新的设备备份以保护数据是没有问题的。
AWS,9月14日
虽然9月份发生的这起AWS服务远不如2月份的那么严重,但事实上这次故障影响了S3存储服务,且源自于同一个US-EAST-1地区,足以引起人们对半年前灾难性事件的不愉快回忆。
访问存储块出现问题,从当天中午开始引起人们的注意,并在东部时间下午1点前得到控制。
微软Azure,9月29日
当天欧洲的客户无法使用微软Azure公有云中的一些服务长达7个小时。这次让北欧第二大云计算提供商出现故障的原因是意外启动了灭火系统。微软表示,对系统的日常维护工作导致灭火气体释放,自动出发空调系统关闭,从而让设备温度升高,迫使计算机系统自动关闭。
像Virtual Machines、Cloud Services、Azure Backup等多个重要服务都在本地时间下午1:27到8:15处于脱机状态。
Google Docs,11月15日
有数千位Google Docs用户遭遇了服务中断,导致他们的业务受到影响。
这次停机是从东部时间下午4点之前开始的,持续了30分钟到1个小时的时间。Google证实,这次故障影响了一个“重要用户子集”,备受欢迎的文档创建和编辑工具也无法访问文件。
Google表示,在周三晚上对于大多数用户来说Google Docs服务已经恢复。
Google的一家合作伙伴表示,在其400家企业客户中,有6家受到这次故障的影响。这家解决方案提供商,同时也是Google用户,本身也受到了影响。
好文章,需要你的鼓励
树莓派基金会调查发现,尽管60%的家长认为编程是孩子的重要技能,但超过70%的家长表示孩子在正常课程中没有学习编程。该基金会CEO指出,随着AI技术快速发展,年轻人掌握技术理解和创造能力比以往更重要。超半数家长认为编程应成为必修课程,并相信学习编程能提升孩子未来职业前景。为填补学校教育空白,基金会呼吁在学校和图书馆广泛设立编程俱乐部,目标到2035年全球教授1000万儿童编程技能。
Patronus AI发布突破性研究,构建了首个系统性AI代理错误评估体系TRAIL,涵盖148个真实案例和21种错误类型。研究发现即使最先进的AI模型在复杂任务错误识别上准确率仅11%,揭示了当前AI代理系统在长文本处理、推理能力和自我监控方面的重大局限,为构建更可靠的AI系统指明方向。
文章介绍了AI大语言模型中最新的深度研究功能,这是目前最令人印象深刻的新功能之一。作者详细解析了ChatGPT、Claude和Gemini等主流模型的使用方法,并重点展示了深度研究功能的实际应用。通过实际测试,作者用ChatGPT 4.5的深度研究功能生成了一份关于1990-2025年最令人厌烦歌曲的详细报告,展示了AI如何通过思维链进行深度研究和分析。文章还提到了语音交互模式将进一步改变用户与AI的交互体验。
这项研究首次从理论和实践证明AI模型可通过模仿生物睡眠-学习周期显著提升性能。研究发现AI训练中存在自发的"记忆-压缩循环",并据此开发了GAPT算法,在大语言模型预训练中实现4.8%性能提升和70%表示效率改善,在算术泛化任务中提升35%,为AI发展指出了注重信息整理而非单纯数据扩展的新方向。