• 據(jù)外媒CNBC獲得的內(nèi)部文件顯示，亞馬遜遷離Oracle的數(shù)據(jù)庫使用Aurora PostgreSQL是Prime Day促銷日陷入癱瘓的主要原因。
• 這次故障突顯了亞馬遜希望在2020年之前完全擺脫Oracle數(shù)據(jù)庫的過程中可能面臨的挑戰(zhàn)。
• 近年來亞馬遜和Oracle在打口水仗，聲稱自家數(shù)據(jù)庫軟件和云工具的性能更勝一籌。

亞馬遜現(xiàn)在算是領(lǐng)教了遷離Oracle數(shù)據(jù)庫軟件有多困難。

[[247571]]

據(jù)CNBC獲得的一份內(nèi)部報告顯示，在Prime Day促銷日，這個頭號電子零售商一邊忙著處理導(dǎo)致銷售流程減慢的重大網(wǎng)站故障，一邊忙著應(yīng)對其在俄亥俄州***的一個倉庫遇到的技術(shù)問題，該技術(shù)問題導(dǎo)致成千上萬件包裹發(fā)貨延遲。

文件顯示，這個問題很大程度上歸咎于亞馬遜從Oracle數(shù)據(jù)庫遷移到自家的數(shù)據(jù)庫技術(shù)。這次故障突顯了亞馬遜希望在2020年之前完全擺脫Oracle數(shù)據(jù)庫的過程中可能面臨的挑戰(zhàn)，以及重新獲得這種級別的可靠性有多難。這還表明Oracle的數(shù)據(jù)庫在一些方面確實(shí)比亞馬遜的同類軟件更高效，Oracle可能會在本周于舊金山舉行的年度OpenWorld大會上強(qiáng)調(diào)這一點(diǎn)。

Prime Day故障發(fā)生后，亞馬遜的工程師撰寫了一份長達(dá)25頁的報告，亞馬遜稱這是糾正錯誤。亞馬遜采用這套標(biāo)準(zhǔn)流程，試圖了解重大事故為何發(fā)生、如何防止將來重蹈覆轍。

報告顯示，亞馬遜努力查明Prime Day問題的根本原因，原因是數(shù)據(jù)庫遷移之后丟失了一項(xiàng)功能。文件顯示，萬一剛安裝的數(shù)據(jù)庫(名為Aurora PostgreSQL)出現(xiàn)錯誤，亞馬遜也未給出應(yīng)急方案。

在一個問題中，工程師被問及為什么亞馬遜的倉庫數(shù)據(jù)庫沒有遇到“上一次流量高峰期間(那時使用Oracle數(shù)據(jù)庫)的同一個問題”。他們回答，“Oracle和Aurora PostgreSQL是兩種不同的[數(shù)據(jù)庫]技術(shù)”，處理“保存點(diǎn)”(savepoint)的方式不一樣。

保存點(diǎn)是一種重要的數(shù)據(jù)庫工具，用于跟蹤和恢復(fù)單個事務(wù)。報告稱，在Prime Day當(dāng)天，創(chuàng)建了數(shù)量過多的保存點(diǎn)，亞馬遜的Aurora軟件不堪重負(fù)，因而拖累了數(shù)據(jù)庫的整體性能。

無論如何都有可能發(fā)生

CNBC透露了文件的細(xì)節(jié)后，伊利諾伊大學(xué)厄巴納-尚佩恩分校的計算機(jī)科學(xué)教授馬特•西澤(Matt Caesar)說：“如果亞馬遜堅(jiān)持使用Oracle數(shù)據(jù)庫，很可能不會發(fā)生這次故障。此外，如果亞馬遜使用Oracle的數(shù)據(jù)庫，似乎能夠更早地診斷問題，從而有望縮短故障的持續(xù)時間。”

亞馬遜的發(fā)言人在通過電子郵件發(fā)表的聲明中對這個問題輕描淡寫，稱沒有什么故障，盡管內(nèi)部文件聲稱數(shù)據(jù)庫“性能降級導(dǎo)致了滯后和嚴(yán)重故障。”

發(fā)言人說：“有必要指出這一點(diǎn)，那就是該倉庫從未發(fā)生過什么故障，問題只是導(dǎo)致了約1%的包裹出現(xiàn)短時間的發(fā)貨延遲。這個問題很快查明并得到了解決。”

俄亥俄州的這個倉庫是在Prime Day之前遷離Oracle數(shù)據(jù)庫的13個倉庫中***的一個。文件稱，在Prime Day促銷活動期間，該倉庫每天處理的包裹超過110萬件。處理庫存和發(fā)貨數(shù)據(jù)的所有服務(wù)和軟件已統(tǒng)統(tǒng)遷移到了那些倉庫中的Aurora數(shù)據(jù)庫上。

據(jù)報告聲稱，這次故障在Prime Day持續(xù)了數(shù)小時，導(dǎo)致15000多件包裹發(fā)貨延遲，還浪費(fèi)了約90000美元的勞動力成本。損失不包括工程師們排除和修復(fù)錯誤所耗費(fèi)的所有時間或任何可能錯失的銷售訂單。

在報告里頭名為“汲取教訓(xùn)”的部分，亞馬遜的工程師寫道：“保存點(diǎn)在Aurora PostgreSQL中的行為與其在Oracle中的行為不一樣”，言外之意是Oracle的軟件處理問題更有效。報告還稱，沒有用于PostgreSQL中分析的SQL語句數(shù)據(jù)，而要是有該數(shù)據(jù)，“原本有助于查明”問題的根本原因。

要是亞馬遜做好更充分的準(zhǔn)備，這次故障也許不那么嚴(yán)重。在文件的一個部分，該公司稱，由于“底層PostgreSQL數(shù)據(jù)庫遇到性能問題時缺少應(yīng)對方案”，“結(jié)果花了很長的時間才解決”問題。文件還聲稱，一份“完備的應(yīng)對方案或操作手冊”原本有助于“更快地消除影響”。

哥倫比亞大學(xué)的計算機(jī)科學(xué)教授亨寧•舒爾茨萊寧(Henning Schulzrinne)看了文件后說：“我猜想，亞馬遜剛更換了數(shù)據(jù)庫，并沒有測試在亞馬遜Prime Day那天出現(xiàn)的具體的負(fù)載模式，結(jié)果大吃一驚 ”。

近年來，亞馬遜和Oracle一直在打口水仗，原因是亞馬遜擴(kuò)大了軟件品種，與Oracle更加正面較量了。CNBC在8月份曾報道，亞馬遜正努力在2020年初之前將整套數(shù)據(jù)庫從Oracle遷移出去。

“真的很難”

Oracle董事長兼聯(lián)合創(chuàng)始人拉里•埃里森才不信亞馬遜的說法。在該公司去年12月份的財報電話會議上，埃里森稱亞馬遜“沒有遷離Oracle”。他在今年8月份的一次活動中重申了觀點(diǎn)，他說：“我認(rèn)為亞馬遜做不到這一點(diǎn)。”

他說：“亞馬遜有10年的時間來遷移Oracle，但現(xiàn)在仍使用Oracle。而使用自己的技術(shù)對它們來說并不容易。那么做不具有成本效益。我的意思是，真的很難。”

市場研究公司Moor Insights & Strategy的***分析師帕特里克•穆爾黑德(Patrick Moorhead)表示，這一事件表明，舊的應(yīng)用軟件(就像亞馬遜倉庫中使用的那些應(yīng)用軟件)遷離Oracle有多難;幾十年來，Oracle一直在與世界上***的企業(yè)合作。

他說：“AWS Aurora是為前瞻性應(yīng)用軟件設(shè)計的，而Oracle是為較傳統(tǒng)的應(yīng)用軟件設(shè)計的。”

論文：Amazon Aurora：高吞吐量云原生關(guān)系數(shù)據(jù)庫在設(shè)計方面的考量