价值1000万的腾讯云硬盘固件"BUG"

摘要： 阿门，愿云端没有BUG！

此次，我从纯技术角度分析腾讯云与前沿数控的磁盘数据丢失事件，不站队。

硬盘门

这里说的硬盘门不是10年前陈老师的那一次，而聊的是最近“腾讯云”用户“前沿数控”的磁盘数据丢失。

关于此次事件，腾讯云是这样说的：

近日，腾讯云用户北京清博数控科技有限公司所属“前沿数控”平台一块操做系统云盘，因受所在物理硬盘固件版本bug致使的静默错误（写入数据和读取出来的不一致）影响，文件系统元数据损坏。

腾讯云多少有点打官腔，而前沿数控的说法更加直白：

在使用腾讯云服务器8个月后，咱们放在云服务器上的数据所有丢失，腾讯云所谓的三备份数据也所有离奇丢失！

套用一下《天下无贼》的经典台词：

21世纪什么最重要？数据！

一个产品的数据若是丢失或者破坏的话，所受的打击是毁灭性的，由于老用户的服务没法恢复...腾讯云提出了136469的赔偿方案，而前沿数控索赔1000万，双方没有达成一致，这个事件才得以曝光。也就是说，在前沿数控看来，腾讯云的这个所谓的“物理硬盘固件版本bug”，价值1000万！BUG原来这么值钱啊，看来你们仍是少写点BUG吧...

咱们Fundebug同为创业公司，也是腾讯云和阿里云等云计算公司的用户，而且从事BUG监控服务(此事也涉及到BUG)，所以会持续关注这个事件。

腾讯云真的是硬盘固件BUG吗？

腾讯云关于硬盘固件BUG的说明是这样的：

近日，腾讯云用户北京清博数控科技有限公司所属“前沿数控”平台一块操做系统云盘，因受所在物理硬盘固件版本bug致使的静默错误（写入数据和读取出来的不一致）影响，文件系统元数据损坏。

腾讯云监控到异常后，第一时间向用户告知故障状态，并当即组织文件系统专家并联合厂商技术专家尝试修复数据。遗憾的是，虽经多方努力，最终仍有部分数据完整性校验失败。通过分析，该硬盘静默错误是在极小几率下被触发。咱们随即对固件版本有bug的硬盘所有进行下线处理，确保相关隐患所有排除。

因为腾讯云没有公布“物理硬盘固件版本bug”的任何技术细节，对于这件事的真相我有所疑问：

• 硬盘的什么固件有BUG?
• 硬盘固件的哪一个版本有BUG?
• 所谓的极小几率触发是BUG什么意思？究竟什么状况下会出现这个BUG?
• 硬盘固件应该升级到哪一个版本才能修复BUG?
• 如何升级该硬盘固件？对固件版本有bug的硬盘所有进行下线处理是如何作到的？这个彷佛不可能不影响硬盘用户吧？
• 咱们Fundebug的BUG监控插件使用了腾讯云的CDN进行分发，发现CDN服务并不稳定，北京、杭州和天津用户访问时都出现过加载失败的状况，是否与这个BUG有关？（此事咱们有向腾讯云提交工单。）

2017年，国外的代码托管站点Gitlab的数据库被误删，他们在Youtube和Twitter上直播了整个修复过程，而且写了两篇博客详细公开了全部技术细节。这样作很是透明和公开，能够赢得用户的信任。

每一个公司都会出现各类各样BUG或者故障，腾讯云也不能例外。用户对于云计算平台的要求很是高，由于涉及到可否正常提供服务，所以，做为腾讯云的用户，咱们呼吁腾讯云公布此次事件的全部技术细节，这是厘清事件的最佳方式，也是对用户负责的一种表现。

前沿数控难道没有备份数据？

不难推测，前沿数控彻底没有备份数据，它们彻底依赖于腾讯云的承若的"99.9999999%的数据可靠性，搭载了云硬盘提供三副本存储策略"。我不清楚腾讯云的这个99.9999999%的数据可靠性是怎么计算出来的，也不知道腾讯云的三副本存储策略是怎么回事，这一点须要腾讯云提供详细的说明。可是，对于每个产品来讲，备份数据，至少备份一下核心数据，这是最基本的常识。因此在这一点上，前沿数控显然存在失误。

全部的创业者和开发者都应该从这个事件吸收教训，不要偷懒，严格备份数据，不然数据一旦出问题，后果很是严重。这里简单介绍一下Fundebug是如何备份数据的，给你们提供参考，之后我会详细介绍咱们的数据备份方案：

备份方案	时间粒度	细节
MongoDB复制集	实时	搭建3个节点(1个Primary和2个Secondary)的MongoDB复制集，实时同步数据
阿里云服务器磁盘快照	天天	设置天天凌晨自动快照全部磁盘，包括系统盘和数据盘
mongodump导出核心数据	天天	天天凌晨将MongoDB核心数据导出到复制集以外的服务器磁盘(该磁盘会天天进行快照)
阿里云对象存储	天天	天天凌晨将mongodup导出的数据使用gpg非对称加密以后，上传到阿里云深圳数据中心的对象存储，设置阿里云自动同步到杭州数据中心，每份数据保留1个月

对数据对多个粒度的备份，是很是必要的，不管你使用哪一家云计算平台，不管该平台给了你怎样的承若。若是依赖云计算平台，大概是靠不住的，并且他们的应急处理速度显然没有本身来的快，由于只有开发者本身最了解应用数据，知道如何备份如何恢复才能尽可能下降损失。

参考

• 腾讯云 - 关于用户“前沿数控”数据完整性受损及腾讯云补偿措施的说明
• 前沿数控- 腾讯云给一家创业公司带来的灾难！
• 前沿数控- 对腾讯云官方回应“前沿数控平台数据丢失”事件的严重不满及声明
• 陈皓 - 从GITLAB误删除数据库想到的
• GitLab - GitLab.com database incident
• GitLab - Postmortem of database outage of January 31

关于Fundebug

Fundebug专一于JavaScript、微信小程序、微信小游戏，Node.js和Java实时BUG监控。 自从2016年双十一正式上线，Fundebug累计处理了5亿+错误事件，获得了众多知名用户的承认。欢迎免费试用！