分析师Zeus Kerravala:多可用区防组件故障,防不了整个服务失败
ZK Research首席分析师Zeus Kerravala以2026年11月一周内六次重大IT宕机为切入,论证可用性架构与韧性架构的本质区别,并以Zscaler业务连续性云为案例说明命运分离需要哪些具体架构条件。
2026年11月12日至17日,六天内发生了六次重大IT宕机:微软365全球中断近24小时、Workday连接了灾难恢复环境与生产数据库、美国联邦航空管理局因路由器过载发布全国停飞指令、联合航空因无法获取飞机重量数据延误航班、摩根大通因本地硬件软件缺陷导致客户无法转账、苹果因内部更新影响iCloud和Apple Pay。根因各不相同——休眠的bug、过载的路由器、坏的内部更新、本地硬件故障——但模式完全一致:一个关键依赖失败,业务随之停止。ZK Research首席分析师Zeus Kerravala由此提出核心论点:可用性架构和韧性架构不是一回事。前者在组件失败时保持服务运行,后者在整个服务失败时保持业务运行。大多数公司拥有前者,却误以为拥有后者。
Kerravala指出,云计算让行业遗忘了灾难恢复纪律。在金融服务领域,生产数据中心加灾难恢复数据中心是不可谈判的标准做法。当世界转向云端,人们假设灾难恢复是云提供商的责任,但这实际上是共同责任。可用区和多区域设计能防硬件故障和局部事件,但它们共享软件、控制平面、配置管道和DNS。当一个坏配置或休眠bug传播时,它无处不在——微软的七月网络网关bug正是如此级联到74个国家和地区。
Kerravala以Zscaler的业务连续性云为具体案例说明命运分离需要什么。该环境运行在第三方数据中心而非Zscaler自有设施,使用独立的网络、自治系统号、DNS和云域。软件与威胁情报更新刻意错开,使一个坏的生产发布不会同时落入备份。策略和身份数据单向同步为只读的已知良好状态。它覆盖九个区域,足以在一国被切断时保持国内运营。Zscaler还鼓励客户在日常持续将合成或可信用户流量路由到备份环境,使故障转移路径每天验证而非仅在年度桌面演练中测试。故障转移可自动触发,也可由客户手动触发,确保即使Zscaler本身不可达时仍能工作。
Kerravala的结论面向买方:定义最小可行业务,识别三到五个必须持续运行的工作流及其全部依赖;追问每个关键供应商的连续性架构——如果答案是multiple availability zones那是可用性,不是连续性;持续测试而非年度演练;危机中保持安全能力在线,因为攻击者会在防御松懈时立即行动;在续约时利用买方杠杆,将命运分离的连续性作为合同要求。他同时承认,Zscaler无法让微软的邮箱在线或重启FAA的路由器,其架构只是自身平台的连续性模型,而非万能药。