从阿里云又又又宕机谈测试
阿里云又又又一次宕机了。
3月2日 23:55 分左右，阿里云疑似出现大规模故障情况，华北相当多互联网公司都炸了，一众APP和网站陷入瘫痪。
被从暖和的被窝里叫醒的程序员们、运维们纷纷起来干活了，还没有睡的夜猫子们纷纷出来吐槽了~
经过将近3个小时的奋战后，阿里云官网公告称经过紧急排查处理，已经全部恢复。
其实这不是阿里云第一次出现大规模的故障了，在2018 年 6 月 27 日 16:21 左右，阿里云也曾出现重大技术故障。在2016年阿里云也同样出现过这次一样的IO HANG情况。
当然其他云服务厂商情况也不是那么乐观，仅去年一年，全球主流云计算厂商就曾发生数十起宕机事故，原因更是五花八门，谷歌云曾因自动化失效导致宕机、AWS 曾因数据中心出现硬件问题导致宕机、微软 Azure爱尔兰数据中心曾因高温和打雷陷入宕机、腾讯云因运营和硬盘故障陷入宕机.....
每次云服务厂商出现故障，各依赖于云服务的企业们就如同遇到了滔天海啸与地震~
作为没有被叫起来加班，但是同样也要因为云服务故障而胆战心惊的测试来说，有什么方法可以帮助我们可爱的程序猿哥哥、运维哥哥们遇到这种情况也能够不慌不忙，镇定自如的解决呢？
第一，运维代码一样要经过严格测试才能上线，以避免出现因为运维代码发布错误的版本或者操作而导致宕机。
第二，在代码上线之前经过严格的测试，以及定制相对的解决方案。这里的测试，不仅仅是功能或者性能的测试，在DevOps中，是会有针对突然出现断电，磁盘损坏等情况的测试。
第三，要建立完善的监控机制，也就是说一旦出现宕机事件，立马能够报警通知相关人员解决问题。有了完善的监控机制，甚至能够很快的定位问题，减少维护时间。
第四，建立多云架构，选择多个厂商，以避免当单一的云平台出现问题时，企业损失惨重的情况出现。毕竟东方不亮西方亮嘛，阿里云挂了，腾讯云还坚挺着也行嘛~
以上纯属芒果个人看法，有更好的建议，欢迎多多留言，大家一起讨论哟~
精益技术 赋能过程