过去一周,全球科技服务领域上演了一系列剧烈的中断事件。从微软365套件近24小时的全球瘫痪,到美国联邦航空管理局(FAA)罕见发布全国地面停飞令,再到摩根大通、联合航空及苹果服务的相继故障,剧本惊人相似:服务突然下线,根因数日后才浮出水面。

尽管这些事件彼此无关,且均由休眠漏洞、硬件过载或配置错误等非攻击性因素引发,但其共同指向一个严峻现实:关键依赖项的失效足以让业务瞬间停滞。这并非罕见的意外,而是数字化时代必须正视的必然风险。

云计算让我们遗忘了灾难恢复

在云服务普及前,金融行业标配“生产+灾备”双数据中心模式。然而,随着企业上云,许多组织误以为灾难恢复是云提供商的责任。事实上,可用区或多区域设计虽能防范本地硬件故障,却往往共享软件栈、控制平面及DNS。一旦遭遇不良配置或深层漏洞,故障便会像微软此次事件一样蔓延至全局。

Zscaler首席执行官Jay Chaudhry指出,可用性架构不等于韧性架构。前者确保组件故障时服务不中断,后者确保在服务整体失效时业务仍能运转。大多数企业拥有前者,却错误地假设自己具备后者。

SLA不是保险,韧性才是

传统的服务等级协议(SLA)本质是金融补偿工具,而非运营保障。对于大型银行而言,即使只有五分钟宕机,损失也可能高达数亿美元,远超SLA赔偿额度。欧盟《数字运营韧性法案》(DORA)等监管新规已明确:“云提供商宕机”不再是可以接受的免责理由。

面对风险,简单引入“第二供应商”往往沦为PPT上的空想。现代生产力套件与安全体系深度耦合,切换成本极高且易破坏用户体验。未经全规模实战测试的备份方案,在危机时刻极易失效。

构建“命运分离”的连续性环境

Zscaler提出的“业务连续性云”提供了一种新思路:建立与客户主环境完全隔离的备份系统。该环境运行在第三方数据中心,拥有独立的网络、DNS及自治系统,且软件更新与主平台故意错开,以防止同一漏洞同时击垮主备系统。

目前,包括多家全球顶级银行和制药公司在内的近100家客户已采用该服务。其核心逻辑在于:主要SaaS提供商应在服务内部提供“命运分离”的连续性环境,而非让客户自行拼凑复杂的备用方案。

给企业领导者的行动指南

鉴于集中度风险,尤其是微软等平台同时掌控身份、应用和安全堆栈的现状,董事会需警惕单点故障。建议IT与业务领导者立即采取以下行动:

  • 定义最小可行业务:识别重大故障期间必须维持的核心工作流程(如支付、交易),并映射其所有依赖项。
  • 质询供应商架构:确认备份是否运行在独立基础设施上,是否具备时间错开的更新机制,以及故障转移的控制权归属。
  • 持续实战测试:摒弃年度桌面演练,推行无预警的故障转移测试,验证大规模用户切换的可行性。
  • 危机中保持安全:在中断期间切勿关闭安全防护,以免给威胁行为者可乘之机。
  • 利用购买力施压:将“命运分离”的连续性能力作为关键SaaS供应商的合同硬性要求。

云计算兑现了敏捷与规模的承诺,但也让行业荒废了严谨的灾备纪律。当一切终将失效时,唯有真正的连续性计划能让业务穿越风暴。