微软公布11月8日Azure宕机幕后原因

11月18日微软Azure客户服务中断，影响了Azure存储和一些其他服务包括虚拟机。微软今天公布了导致问题的根本原因以及如何改善这种情况。首先，造成服务中断是Azure存储配置变更带来的。 

而在部署变更时有两项操作上的错误: 　　

1、执行标准的跳跃式部署策略时有些细节部分没有涉及到。　　

工程师修复了Azure Table存储性能问题时，认为几个星期前的一部分基础设施就已进行过更改，但不幸的是，配置工具并没有完整执行整个基础设施的部署变化。

2、虽然微软已针对Azure Table存储前端做过测试和预生产验证，但配置被错误地启用，导致Azure Blob存储前端进入死循环，无法应答服务请求。我们的工程团队在几分钟内接到自动监控警报。我们在0分钟内在全球范围恢复了部署上的变化，以避免Azure Blob存储前端遭遇同样的问题，但Azure Blob存储前端已经进入死循环，无法接受任何配置更改。这些配置恢复需要重新启动，也延长了恢复的时间。

微软表示将致力于提高Azure平台的体验，进行以下改进: 　　

- 存储服务中断：确保增量批次更改时加强部署协议执行标准。

- 虚拟机服务中断: 改善Windows和Linux VW恢复机制。提高因存储引起的Windows安装程序配置失败问题的检测和恢复。

- 修复网络服务网络编程错误。

通讯: 　　

- 修复服务健康仪表板错误配置导致不正确的标题状态问题。　　

- 实施新的社交媒体沟通机制。　　

- 改善健康仪表板和创作工具的容错性。

支持: 　　

提供微软支持自动化工具和基础设施的容错性。

Azure首席技术官Mark Russinovich做客第9频道，详细回顾了调查过程，以及讲述了团队如何积极致力于提高Azure平台的用户体验。