對于大規模運營的云計算提供商而言，云平臺發生故障和中斷是可以理解的（也可能是不可避免的）。AWS、Google、Microsoft這三個主要的云計算供應商必須在運營效率和高可用性之間取得平衡，運營效率通過自動化得到改善，而高可用性則通過物理上不同的區域得到改善。

 

可用性區域旨在提供冗余性，但仍可能在其中發生廣泛的系統故障。云計算區域提供了更大程度的邏輯分離，但它們為跨區域復制工作負載的組織帶來了一些問題。

 

盡管存在復雜性和權衡，企業需要了解與區域隔離相關的變量，以便他們可以設計高可用性和對系統性故障更具彈性的應用程序。

 

可用性區域和云區域如何協同工作

 

AWS、Microsoft Azure和谷歌云都依賴于相互連接的云計算設施的三個層次結構：數據中心、松散耦合的可用性區域，以及地理分隔的云區域。

 

可用性區域是兩個或多個地理位置相近的數據中心的集合，通常位于同一個都市區，并通過冗余、超高速、低延遲的網絡電路連接。而多個可用性區域可以組成一個云區域。

 

云區域通過專用的高性能線路連接，微軟公司稱之為“延遲定義的周邊”。云計算提供商通常在一個國家擁有多個云區域。例如，AWS公司在美國有四個商業性云區域，另外兩個云區域專門用于公共部門。

 

許多云計算服務（包括一些數據庫、存儲層和負載平衡器）旨在跨可用性區域自動配置資源。其他服務（如AWS身份和訪問管理或Azure CDN）可在所有云區域自動使用。正如谷歌中斷事件所示，數據中心的耦合可能導致整個可用性區域在適當的條件下發生故障。

 

云計算提供商方法中的變量

 

谷歌公司的中斷事件還突出了云計算供應商管理可用性區域的不同之處。例如，AWS公司聲稱擁有最大程度的設施獨立性。亞馬遜公司首席技術官Werner Vogels 2018年在博客中表示，如果一個可用性區域電力中斷，不會影響另一個可用性區域運營，而一個可用性區域中的軟件錯誤不太可能蔓延到另一個可用性區域。他補充說，AWS公司為此還專門構建了工具和程序，因此它們不會影響多個云區域。

 

與此同時，微軟公司在推出可用性區域方面進展緩慢，截至目前，其54個全球云區域中只有10個云區域有這些可用性區域。去年9月，缺乏廣泛的可用性區域導致微軟Azure在美國中南部的云區域發生大規模的中斷。

 

Azure Post Mortem強調了可用性區域內低延遲連接的價值，指出跨區域復制為許多服務增加了太多的延遲。就這些數據中心之間的連接而言，云計算運營商對其內部設施、系統和網絡的設計細節是眾所周知的隱私。然而，一些公開的細節也暴露了它們的規模和復雜性。

 

AWS公司表示，連接其各種數據中心和云區域的專用網絡建立在通過跨洋電纜連接的全球冗余并行100 GbE城域光纖網絡上。

 

谷歌公司運營著一個全球私有網絡，估計占全球所有互聯網流量的25％左右。谷歌公司在2018年表示，在過去三年中花費了300億美元來建設其云計算基礎設施，包括增加新的區域和幾條海底光纜。

 

谷歌公司使用自行開發的軟件定義網絡和分布式控制平臺以及網絡結構管理器，通過跨多個數據中心復制和共享配置數據來提供高可用性（HA）。它還使用容器集群來支持實時工作負載遷移和“無中斷”數據平臺升級。

 

微軟Azure表示其云區域旨在將故障隔離到一個云區域中，并且一個云區域中的故障不應影響其他區域。

 

使用云內和云平臺之間的區域

 

跨多個云區域分發應用程序工作負載和數據庫是通過云計算基礎設施實現高可用性的最佳方式。但是，組織必須在這樣做時必須理解和設計網絡性能的可變性。

 

云計算提供商在路由流量方面存在差異，這會顯著影響網絡延遲。沒有一個云計算提供商可以保證甚至公布其區域間性能的數據。

 

然而，網絡監控供應商ThousandEyes公司于2018年11月進行的詳細研究提供了大量有用的見解。雖然其演示文稿的觀點還需要一些探討和研究，但以下是云計算廣域網性能的一些關鍵點。

 

1 可用性區域內的性能優異，一致性滿足低于2ms網絡延遲的目標。

 

2 云區域之間表現在美國和歐洲最好，在亞洲和大洋洲表現最差。美國和歐洲地區之間的表現也相當不錯。

 

3 亞洲的各供應商的績效差異很大，其中AWS公司具有最高的網絡可變性。

 

4 AWS、Azure、谷歌云將網絡彼此對等，這意味著它們之間的流量不會流經主干，并遍歷公共互聯網。因此，在云平臺之間移動數據時存在疏忽的數據包丟失和抖動，盡管在單個云場景中區域間延遲會有相同的差異。

 

在使用多個云區域來提高應用程序可用性時，需要考慮應用程序流量的來源（大多數最終用戶所在的位置）以及區域間網絡延遲的可變性，以及三大云計算提供商在路由全球流量的差異。