最近互联网也是非常有意思，接二连三的发生故障，让我们一起先回顾一下。

2015年5月11号晚上21点左右开始，网易的网易新闻、云音乐、易信、有道云笔记等移动应用均无法正常刷新，网易名下的游戏也全线瘫痪。故障原因：骨干网络遭受攻击。

2015年5月27日下午，部分用户反映其支付宝出现网络故障，账号无法登录或支付。故障原因：光纤挖断。影响时长：4个小时

2015年5月28日上午11:09，携程官网及APP出现故障无法打开，到28日23:29全面恢复，整个过程耗费12个多小时。故障原因：误操作。影响时长：12个小时左右

2015年6月5日 今日头条网首页和APP都无法访问，直接提示500错误。故障原因：不明 影响时长：30分钟左右。

2015年6月15日12点30分 知乎网无法打开，直接提示【服务器提出了一个问题】错误，在13点45分左右的时候，知乎页面恢复正常。故障原因：机房故障 影响时长：60分钟左右

 

到底是怎么了，是什么让我们的互联网业务如此脆弱？真的是运营商老是在后面干坏事？还是我们的系统架构不给力？还是我们运维能力真的很弱？如果广义的去看这个，我还会把它归结成运维问题。不过对于以上的故障，从运维的角度来说，我依然会说官方结论不够专业，希望内部不是这样的哈。

1、网易说骨干网收到网络攻击影响业务，貌似那天好像也就网易业务受到影响？

2、光纤挖断影响四个小时，从这么核心的业务来说，第一原则一定是恢复业务，我想支付宝即使没做双活，肯定也会有一个可用的备份中心，为什么没切过去了？一定是内部出了乱子。不过阿里流弊的地方，负面的事情他可以变成正面，他们把"5.27"变成了技术保障日，大肆宣传。

3、携程事件，我之前写过一篇文章【携程事件：运维债务的深度分析和解决方案】，不详谈了。

4、今日头条，500内部错误，这条新闻可以让自己上头条，但也没有正式的给出解释。从500错误的恢复时间来说，有点长，500错误是十分好定位，我的怀疑是数据库的压力不够，导致后面的扩容变更，也只有数据库分库分表扩容时间需要这么长了。另外头条君的首页上直接给个500的错误，技术表述，十分的不友好，建议你服务降级啊，推个大众版的新闻，不做个性化推荐，这个可以做一个缓存就可以解决的。

5、知乎故障，直接说是机房故障，太简单了，但我觉得最大的可能应该是Tengine后端服务超时导致的，而非简单的一个机房故障引起。

在每一次故障发生的时候，其实都是伤害了我们的用户，内部的表述就是可用性或者质量。因此我们必须要足够的重视，更需要我们把它变成宝贵的经验。那到底什么是可用性和可靠性？影响可用性的因素有哪些？运维如何提高可用性？等等。

(责任编辑：安博涛)