这两天在极客星球群分享了一篇仲夏的梦幻17对阿里云最近大故障一些思考，大家讨论比较激烈，文章角度比较刁钻，不管这样，能激发大家思考，值得探讨一下。

先看文章原文：

我理解作者想表达核心观点，国内大公司确实存在不太注重技术长期积累现象，因为当初那个风口钱太好挣，看着别人在地上疯狂捡钱，你还还能静下心慢慢发展吗？导致大家都不愿意沉下心做更长期的事情， 就有点像当初随随便便一个网红收入几十万~几千万，普通人的你还能安心读书考大学找工作挣钱吗？ 公司也是人组成的，都一样，但这种现象现在已经开始有转变了，红利是短期的，当前红利不在，要想长期发展下去，就必须要注重核心技术突破，技术才是公司的核心竞争力（不被卡脖子）。

就单从此次事故来讲，当云的盘子大了，业务都是海量业务，每个组件都是“成千上万"台服务器集群，组件之间由于历史原因可能存在错综复杂的关系，导致产品的整体系统是非常复杂的，如果前期没有做好长期设计，其系统是非常脆弱的，任何一个组件变动（变更操作），都有产生故障的可能（蝴蝶效应），不稳定性越积越多，每天都如覆薄冰，加之人员变动，这个系统风险性太大，常住河边走，哪有不湿鞋，如果底盘不稳，那故障便是家常便饭，不仅阿里会这样，国内外大公司都出现过大故障，只是次数多少而已，大部分大厂都想出各种办法来控制系统的复杂性，降低系统性风险，尽量减少故障出现的机会和降低故障的影响面。

我们必须承认人类的技术水平还是在初级阶段，我们很难开发出没有bug的软件，就连linux内核，这种世界TOP级重要的软件，都有一堆bug，不光是软件，硬件也会出现故障，比如磁盘，CPU（芯片），内存，显卡，网卡，主板等等都可能出现异常，成千上万硬件，基本上大厂的数据中心每天都有硬件故障出现，同时人也是故障源，很多操作都是人工操作导致的，这些成千上万的软件，硬件，人，工具组成的系统，随着时间推移，风险会越来越大，而大部分大公司都在极限拉扯：一边上线各种新业务，想占领更多市场，这样才能挣更多钱，推动公司股价上升，但这种行为又会导致系统变更频繁，开发新业务也会增加存量系统的复杂性，这些都会加大系统风险；一边又会重构系统，提前减少已知的系统风险，但这些都是有代价，高可用也是，系统那么多组件，不可能每个都能保证高可用，这样代价太大，公司是承担不起的，所以只能取舍，才有各种trade-off一说，说不一定某天一个不起眼小组件就会引发下一场血案。所以要保证一个复杂系统不出故障是相当困难的，甚至可以说是不可能的任务（在目前科技技术水平下）。

最后，想要减少故障，公司就得做长期规划和投入，需要雇佣更多有经验的程序员来设计或者重构系统，减少系统的混乱度，让系统的复杂性可控，提升系统稳定性，这个也是未来大厂发展趋势(当前招聘要求越来越高），有经验有能力程序员会越来越吃香，互联网也会回归到正确的道路上来。

看完上面这些思考，大家是否可以理性得看待阿里云这次故障事件，从中可以学到什么呢？ 如果你是老板，你怎么解决这个问题？ 

欢迎加入极客星球，加深技术深度理解和提高工作认知视野，帮助大家快速成长：

• 修炼基本功（大厂招聘基础）：分享多年基础技术深度理解，基础概念深度解析，经典书籍推荐和读书分享，经典源码阅读分享等，不定期直播分享和答疑解惑；

• 扩展技术和商业视野：分享热门技术发展，国内外大厂技术内幕，业界解决方案；

• 校招/社招免费就业指导：模拟面试，简历修改，面试题分析，学习路线就业指导，面试高薪工作指导等；

• 职场普升/技术专家：分享各种不同公司宝贵的职场普升经验，技术方向选择, 大厂普升经验，技术专家成长经验，让你少走几年的弯路；

• 专属高质量交流群：技术趋势，技术热点，分享学习心得，技术学习讨论，交流，每天成长一点，厚积薄发；

  
  

  深入理解系列：

• 深入理解计算机系统

• 深入理解操作系统（调度，内存，网络，IO）

• 深入理解并发技术全景指南

• 深入理解编程语言

• 深入理解算法与数据结构

• 深入理解网络协议

• 深入理解网络编程

• 深入理解性能优化

• 深入理解分布式技术

• 深入理解数据库

• 深入理解代码设计

• 深入理解架构设计

详细了解：极客星球  ，现在加入超级优惠，早点加入一起学习成长，早点突破成长瓶颈：

扫码加入，加我微信：fr35331508，拉你进极客星球群。一点一点积累，厚积薄发！

求点赞关注，在看，分享三连