撰稿丨諾亞、云昭

出品 | 51CTO技術(shù)棧（微信號：blog51cto）

“沒想到月底了，竟然因為這個原因沒了全勤……”

“滴滴崩了”成為昨夜今晨的熱詞。雖然滴滴于今日早間發(fā)博表示網(wǎng)約車服務(wù)已恢復(fù)，但是依舊有不少用戶反饋無法正常打車，只能選擇別的平臺或方式出行。

“技術(shù)人員因為出門打不到滴滴 無法及時到達工作崗位導(dǎo)致修復(fù)延遲?！?/p>

雖然網(wǎng)友們已經(jīng)開始玩起了黑色幽默，但不得不深思的是，如此大規(guī)模的宕機事故為何歷時一夜仍未恢復(fù)正常？

1、混亂一夜，對手爆單   

綜合各平臺用戶反饋看，此次滴滴App的崩潰是從昨日晚間10點多開始的。

有司機接受采訪時表示，在這次突發(fā)事件中，滴滴平臺在接單、定位、計費等各環(huán)節(jié)均出現(xiàn)了問題。有乘客表示，7公里路程花了將近270元。

圖片

更有司機提到，接了一單距離為8公里的訂單，收費顯示1540元。計費系統(tǒng)的混亂可見一斑。

經(jīng)過一夜搶修，在早高峰來臨之際，滴滴發(fā)布微博表示“非常慚愧”，并更新了恢復(fù)情況。

滴滴稱“經(jīng)技術(shù)團隊連夜修復(fù)，滴滴網(wǎng)約車等服務(wù)已恢復(fù)，用戶可下載滴滴App使用打車服務(wù)。騎車等服務(wù)還在陸續(xù)修復(fù)中，所有可開鎖或未關(guān)鎖的青桔車輛均可免費騎行，希望能為緩解早高峰壓力努力多做一點點?！?   

圖片

遺憾的是，對于早間出行的上班族來說，這次系統(tǒng)故障的影響仍在持續(xù)。時至今天早上8點31分，依然有用戶反饋：好不容易打上了車，司機還是無法點擊確認“已接到乘客”，取消訂單也取消不了，客服也聯(lián)系不上。

在微博相關(guān)話題下，不少網(wǎng)友提到因滴滴崩潰影響了早上通勤。與此同時，除滴滴以外的多個出行平臺，如高德、T3，出現(xiàn)了爆單現(xiàn)象。

據(jù)滴滴出行此前公布的2023年第三季度財報顯示，單季度中國出行業(yè)務(wù)總交易額為725億元，日均單量達到3130萬單。如果將此次故障時長計算為12小時，估計將會讓滴滴損失過千萬的訂單量和超4億的交易額。

截至發(fā)稿，滴滴尚未對本次故障的具體原因作出說明。

2、天崩背后，原因難測

這不是滴滴第一次出現(xiàn)類似的問題，但可能是滴滴恢復(fù)耗時最長、影響最廣的一次。

2022年9月22日，滴滴稱“由于機房網(wǎng)絡(luò)故障，導(dǎo)致滴滴部分服務(wù)受影響”。不到半天，經(jīng)緊急修復(fù)后全面恢復(fù)。

2021年2月25日，由于“系統(tǒng)異常”，也出現(xiàn)了“部分訂單服務(wù)無法使用的情況”。

更早可追溯到2015年10月8日，“滴滴深圳部分服務(wù)器遭遇技術(shù)故障”，部分地區(qū)出現(xiàn)無法叫車的情況。

圖片

圖片

可以看到，以往滴滴出現(xiàn)技術(shù)故障，基本可以在較短時間內(nèi)解決，影響范圍較小。相較之下，本次事件中，平臺功能幾乎全面癱瘓，僅網(wǎng)約車服務(wù)功能恢復(fù)時長近12小時。

鑒于滴滴尚未給出崩潰的根因，而目前披露的信息較少，所以出現(xiàn)了多方猜測。

有互聯(lián)網(wǎng)從業(yè)者在社交平臺爆料稱，是滴滴系統(tǒng)半夜被攻擊所致?！胺?wù)器沒有物理隔離，物理攻擊后臺服務(wù)全掛，dc都上不去?！?/p>

隸屬于不同板塊的業(yè)務(wù)之間本應(yīng)有隔離，但從表象上看，打車、共享單車等業(yè)務(wù)全崩了，據(jù)此有人推測，問題可能出在更加底層的基礎(chǔ)設(shè)施。更有人指出，滴滴云可能就是此次系統(tǒng)崩盤的關(guān)鍵環(huán)節(jié)。   

2017年11月，滴滴公有云，伴著“為開發(fā)者而生”的口號低調(diào)上線。然而這個愿景最終落空，今年滴滴云官方宣布，由于產(chǎn)品線調(diào)整，自2023年3月31日起不再對外提供公有云服務(wù)。

雖然不知道具體問題在哪里，但是有一點是明確的：云服務(wù)的不穩(wěn)定性對于使用服務(wù)的企業(yè)殺傷力是巨大的。

3、阿里、滴滴事故頻發(fā)的背后 

如果說去年阿里云香港節(jié)點的崩潰，讓大家認識到即便是技術(shù)巨頭，也無法保證云產(chǎn)品的穩(wěn)定性，意識到單一云廠商會給企業(yè)帶來不小的風(fēng)險，讓多云部署+混合云部署的訴求再度上升。

那么今年11月12日阿里云產(chǎn)品的全線崩潰，則是讓全國用戶在對于日常高頻使用的近乎壟斷的App不再那么信任了。一點云服務(wù)上的配置不當(dāng)，就會造成全國范圍內(nèi)的應(yīng)用故障，輕則數(shù)據(jù)丟失，重則業(yè)務(wù)受損，代價非常昂貴。

然而，彈性擴容、異地多活、災(zāi)備這些故障防治措施預(yù)案，到底在故障發(fā)生時，能起到幾分效果，能否真正支撐起N個9的高可用數(shù)字？又一次引起了人們的質(zhì)疑。

再好的預(yù)案沒演練過也只是預(yù)案。就像平時，很多公司都會聲稱我們的系統(tǒng)有備份能還原。實際上最后真的需要還原的時候發(fā)現(xiàn)，要么備份沒成功，要么備份成功了但是數(shù)據(jù)陳舊，要么找到數(shù)據(jù)采集設(shè)備出故障了，總之無法還原。演練的缺失，導(dǎo)致相關(guān)人員對于故障場景缺乏應(yīng)用的理解和認識。

針對各種故障場景下服務(wù)的容錯能力、配置合理性、服務(wù)健壯性、監(jiān)控告警實效性、定位與解決問題應(yīng)急能力，也許只有在真實演練之后，這些名詞才能真正經(jīng)得起現(xiàn)實的考驗，知道現(xiàn)有系統(tǒng)和線上服務(wù)的薄弱性。

“墨菲定律”告訴我們，永遠不要心存僥幸，怕什么往往就會來什么。

而除了技術(shù)層面，此次滴滴事件還折射出了更深層次的問題。據(jù)脈脈一名滴滴員工聲稱，不止外部的App，就連滴滴內(nèi)部的辦公系統(tǒng)也癱瘓了。

圖片

這種自家系統(tǒng)故障當(dāng)天不能修復(fù)的情況比較少見，不少聲音都認為是“降本增效”導(dǎo)致的。有經(jīng)驗的技術(shù)人員在當(dāng)下增速放緩的環(huán)境下，被企業(yè)砍掉，系統(tǒng)熵增的問題很難一時得到解決。

圖片

單純的技術(shù)問題往往只是表象。正如航空業(yè)所提出的，一個事故的發(fā)生，往往是一系列事故鏈條的最終結(jié)果。關(guān)于人、關(guān)于組織和流程的問題，我們或許更應(yīng)該深思。

4、大范圍崩潰何時休

首先，要杜絕系統(tǒng)大范圍故障，需要企業(yè)真正的重視和投入。業(yè)內(nèi)流行這樣一句話：面試造火箭，工作擰螺絲。面試篩選人才的時候問的問題都很高大上：如何保證系統(tǒng)的高可用，真到上崗干活的時候，往往由于許多原因并不會做出很多的設(shè)計和實現(xiàn)。   

圖片

“有些業(yè)務(wù)會為了一點點性能，堅決不接入這些設(shè)計，怎么勸都沒用?！?/p>

對于內(nèi)部的安全放置、運維工作，不應(yīng)該被視為負資產(chǎn)。今天系統(tǒng)的故障都是昨天買下的雷。

其次，企業(yè)對于應(yīng)急響應(yīng)機制需要高度重視，尤其在技術(shù)層面，不能應(yīng)付了事。

針對可能出現(xiàn)的突發(fā)事件，要確保在發(fā)生問題時能夠迅速響應(yīng)、有效處置。   

最后，做好事后分析，避免重蹈覆轍，兩次踏進同一條錯誤的河流。崩潰的直接原因是什么，為什么，當(dāng)時是如何應(yīng)對的，如何降低此類事件再發(fā)的可能性或影響，如何使我們在此類事件中的溝通更有效。

5、寫在最后：巨頭擔(dān)當(dāng)，知恥而后勇

滴滴出行崩潰事件不僅僅是一家企業(yè)的問題，更反映了互聯(lián)網(wǎng)企業(yè)在快速發(fā)展中普遍面臨的挑戰(zhàn)。作為行業(yè)巨頭，滴滴在追求經(jīng)濟效益的同時，應(yīng)充分履行社會責(zé)任。如何保護用戶的數(shù)據(jù)安全？如何提供穩(wěn)定可靠的服務(wù)？如何推動行業(yè)健康發(fā)展等等，都是亟待回答的問題。無論是阿里云還是滴滴，大范圍宕機后，都是牽一發(fā)而動全身。對于互聯(lián)網(wǎng)企業(yè)而言，只有不斷加強技術(shù)研發(fā)、優(yōu)化服務(wù)體驗、履行社會責(zé)任，才能持續(xù)贏得用戶的信任和支持。

參考鏈接：

https://weibo.com/ttarticle/p/show?id=2309404973007549366286

https://tech.ifeng.com/c/8V4r37XAhyv

https://www.zhihu.com/question/632226716