阿里云香港机房故障致服务中断，业务恢复进展如何？

事件概述与影响范围

2022年12月18日，阿里云香港Region可用区C机房发生持续超10小时的大规模服务中断，该事件因机房冷却系统失效导致消防喷淋触发，造成电源柜及多列机柜进水，部分硬件设备永久性损坏。

受影响的云服务包括ECS、EBS、OSS、RDS等核心产品，波及澳门金融管理局、莲花卫视等关键基础设施运营商，以及OKX等加密货币交易平台。由于高温导致的磁盘坏道风险，部分存储服务主动停机超过7小时。

故障根本原因分析

技术团队确认事故由三级连锁故障引发：

1. 冷却系统水路气阻导致主备冷机均无法正常运作
2. 机房群控逻辑缺陷延缓应急启动效率
3. 温度阈值设置偏差导致消防系统误触发

业务恢复进展跟踪

故障处置过程分为三个阶段：

• 09:00-12:00：尝试冷机重启失败后启动服务器降载，完成受影响ECS实例迁移
• 12:00-18:00：实施紧急排水和硬件更换，恢复核心网络设备运行
• 18:00-20:00：分批重启存储集群，完成数据完整性校验

客户赔偿与改进措施

阿里云已启动SLA赔偿程序，重点改进方向包括：

本次事件暴露云计算基础设施设计的单点故障风险，阿里云需在硬件冗余设计、故障隔离机制和应急响应流程等方面进行系统性优化。行业专家建议关键业务系统应采用多区域部署策略以提升容灾能力。