# 云SLA是不是安慰剂？ LLMS 索引： [llms.txt](/llms.txt) --- > [微信公众号原文](https://mp.weixin.qq.com/s/mgkOybNeEH3LO0gRa1rQBQ) 在《[云SLA是不是安慰剂](http://mp.weixin.qq.com/s?__biz=MzU5ODAyNTM5Ng==&mid=2247485745&idx=3&sn=3d771a3b11b74fe9f5e8d11bb3c623a0&chksm=fe4b3ceac93cb5fcd9604c0c2ba5adb6772472dab560f71e0e77547e49076eb00a5b58ef4869&scene=21#wechat_redirect)》中我提出这样一个观点：“在云计算的世界里，服务等级协议（SLA）被视为云厂商对其服务质量的承诺。然而，当我们深入研究这些 SLA 时，会发现它们并不能像期望的那样“兜底”：你以为给自己的数据库上了保险可以高枕无忧，但其实白花花的银子买的是提供情绪价值的安慰剂。” 但经过[阿里云](http://mp.weixin.qq.com/s?__biz=MzU5ODAyNTM5Ng==&mid=2247486468&idx=1&sn=7fead2b49f12bc2a2a94aae942403c22&chksm=fe4b39dfc93cb0c92e5d4c67241de0519ae6a23ce6f07fe5411b95041accb69e5efb86a38150&scene=21#wechat_redirect)与[腾讯云](http://mp.weixin.qq.com/s?__biz=MzU5ODAyNTM5Ng==&mid=2247487279&idx=1&sn=95231614887e129f298644ddc194909f&chksm=fe4b3af4c93cb3e29078b4716d3b633246db8e2081acff8b821181c9ae058a0daf91e45a40b9&scene=21#wechat_redirect)两次大故障，我改变了自己的观点 —— SLA 绝对不是保险，****在平均意义上，这是给用户喂了屎之后的擦屁股纸。**在最坏的情况下，它是吃不了兜着走的哑巴亏。在最好的情况下，它才是提供情绪价值的安慰剂。** ------------------------------------------------------------------------ #### 保险单还是安慰剂？ 许多用户购买云服务的一个原因是“兜底”，而问他们所谓“兜底”到底指的是什么，很多人会回答“**SLA**”。云专家将购买云服务比作购买保险：一些故障可能在许多公司的整个生命周期中都不会出现，但一旦遇到，后果可能就是毁灭性的。在这种情况下，云服务提供商的 SLA 就是兜底保险。然而，当我们实际查看这些 SLA 时，会发现这份“保单”并不像想象中那样有用。 数据是许多企业的生命线，云盘是公有云上几乎所有数据存储的基石，所以让我们以云盘服务为例。许多云服务提供商在其产品介绍中都会宣称他们的云盘服务具有 9个9 的**数据可靠性**【1】。然而当查看其 SLA 时，就会发现这些最为重要的承诺压根没有写入 SLA 【2】。 写入 SLA 的通常只有服务的**可用性**。而且这种可用性的承诺也流于表面，相比真实世界的核心业务可靠性指标极其逊色，赔偿方案相比常见停机损失来说约等于没有。**比起保险单，SLA 更像是提供情绪价值的安慰剂。** ------------------------------------------------------------------------ #### 拉胯的可用性 云 SLA 中使用的关键指标是可用性。云服务可用性通常表示为：可以从外部访问该资源的时间占比，通常使用一个月作为衡量周期。如果由于云厂商的问题，导致用户无法通过 Internet 访问该资源，则该资源将被视为不可用（Unavailable / Down）。 以业界标杆 AWS 为例，AWS 大部分服务使用类似的 SLA 模板3。AWS 上的单个虚拟机提供以下 SLA【4】。这意味着在最好情况下，如果 AWS 上EC2 一个月内不可用时间在 21 分钟内（99.9%），AWS 一分钱不赔。在最坏情况下，只有当不可用时间超过36小时（95%），您才能获得 100% 的代金券返还。 ![图片](wxmp-cloud-sla-01.webp) 对于一些互联网公司来说，15分钟的服务故障就足以让奖金泡汤，30分钟的故障足够让领导下课。绝大多数时间实际运行的核心系统可用性可能有5个9，6个9，甚至无穷多个9。从互联网大厂孵化出来的云厂商使用如此逊色的可用性指标，实在是让人看了摇头。 ------------------------------------------------------------------------ #### 厕纸般的SLA 更过分的是，当故障发生后，这些补偿也不是自动提供给你的。用户需要在时效（**通常是两个月**）内，自己负责衡量停机时间，提出申诉举证，并要求赔偿才会有。这要求用户去收集监控指标与日志证据和云厂商扯皮，换回来的也不是现金，而是代金券/时长补偿 ——**对云厂商而言可以说没有任何实质损失，对用户来说没有任何实际意义，几乎没有可能弥补服务中断产生的实际损失。** ![图片](wxmp-cloud-sla-02.webp) 例如，在本次[腾讯云大故障](http://mp.weixin.qq.com/s?__biz=MzU5ODAyNTM5Ng==&mid=2247487282&idx=1&sn=cea40e3ba52e9e596b10196a17387860&chksm=fe4b3ae9c93cb3ffc2bf4c745f263e5eda149abd6e8d652c8de4ffedd87816a2fec5130ccb3d&scene=21#wechat_redirect)后，我自己作为腾讯云 COS, CDN, CVM 的用户，特意找了客服要求按 SLA 赔付，作为一个测试 —— 我并不在乎几十块代金券，但我很想知道腾讯云会如何看待自己的服务等级协议 / SLA 。**事实证明，不主张就不赔付，主张了不认账也可以不赔付 —— 这个 SLA 确实跟厕纸一样。****![图片](wxmp-cloud-sla-03.webp) ****每月还扣着我钱，回复是“您近期未使用相关产品服务”，确实给我整笑了。\****\** ------------------------------------------------------------------------ #### “兜底”有意义吗？ 对于企业来说，**兜底**意味着在故障发生后如何尽可能减少损失。不幸的是，SLA 在这里帮不上什么忙。 服务不可用对业务造成的影响因行业、时间、长度而异。几秒钟几分钟的短暂的故障，可能对一般行业影响不大，**然而长时间（几个小时到几十个小时）的故障会严重影响收入与声誉**。 在 Uptime Institute 2021年数据中心调查中【5】，几场最严重停机故障给受访者造成的平均成本近100万美元，最惨重的 2% 不在其中，他们遭受的损失超过 4000 万美元。 然而，SLA 补偿对于这些业务损失来说是杯水车薪。以 `us-east-1` 区域的 `t4g.nano` 虚拟机实例为例，价格约为每月 3 美元。如果不可用时间少于 7 小时 18 分钟（月可用性 99%），AWS 将支付该虚拟机每月成本的 10%，总补偿为 30 美分。如果虚拟机不可用时间少于 36 小时（一个月内 95% 的可用性），补偿仅为 30% —— 不到 1 美元。**如果不可用时间超过一天半，用户才能收到当月的全额退款 —— 3美元**。即使是补偿个成千上万台，与损失相比也可基本忽略不计。 ![图片](wxmp-cloud-sla-04.webp) 相比之下，传统的保险行业是实打实地为客户兜底。例如，顺丰快递的保价费用为物品价值 1%，但如果物品丢失，他们会全额赔偿。同样，每年几万商业医保，出问题真能兜底几百万。“保险”这个行业也是一分钱一分货的。 云服务提供商收取了远超BOM的昂贵服务费（参见：《[公有云是不是杀猪盘](http://mp.weixin.qq.com/s?__biz=MzU5ODAyNTM5Ng==&mid=2247485391&idx=1&sn=4cec9af2b58160eb345a6b12411f0b68&chksm=fe4b3214c93cbb023c13a89133c75bf1e88e1543de9359df7447498e4a9d5ec555313a954566&scene=21#wechat_redirect)》【7】），但当服务出现问题时，他们提供的补偿所谓的“兜底”却只是一些代金券，这显然是有失公平的。 ------------------------------------------------------------------------ #### 消失的可靠性 有些人使用云服务是为了“**甩锅**”，推卸自己的责任。有一些重要的责任是无法推卸给外部 IT 供应商的。比如**数据安全**。用户可以忍受一段时间的服务不可用，但数据丢乱错带来的伤害往往是无法接受的。**轻信浮夸承诺的后果实在是太过严重，以至于对于一个创业公司就是生与死的区别。** 在各家云厂商的存储类产品中，经常能看到“承诺 99.9999999%” 9个9的可靠性【1】，可以理解为，使用云盘出现数据丢失的概率是十亿分之一。考察云厂商硬盘故障率的实际报告【6】，非常让人怀疑这个数字是拍脑袋想出来的。但只要敢说敢赔敢作敢当，那就没问题。 ![图片](wxmp-cloud-sla-05.webp) 然而翻开各家云厂商的 SLA 就会发现，这一条“承诺”消失了！【2】 实际上确实有一个真实发生在腾讯云上的可靠性 （数据完整性）案例。在2018年轰动的《**腾讯云给一家创业公司带来的灾难！**》 【8】案例中，这家创业公司就相信了云厂商的承诺，把数据放在服务器硬盘上，结果遇到了所谓“硬盘静默错误”（**实际上是手动误删了所有备份**）：“几年来积累的数据全部丢失，造成近千万元的损失”。 《[腾讯云对“前沿数控”数据丢失技术复盘：运维操作违规](https://mp.weixin.qq.com/s?__biz=MzIzNjUxMzk2NQ==&mid=2247489692&idx=1&sn=b8a00cafa3105225ff64c7fca067702b&scene=21#wechat_redirect)》/ 《[腾讯云毁了一家公司](https://mp.weixin.qq.com/s?__biz=MzIzMDQyMjcxOA==&mid=2247485998&idx=1&sn=1acc118300abcf05c13fac84cfea9d9f&scene=21#wechat_redirect)》。 腾讯云向该公司表达歉意，愿意赔偿该公司在腾讯云产生的实际消费共计3569元，本着帮助用户迅速恢复业务的目的，承诺为该公司提供13.29万元现金或云资源的额外补偿。达到其消费金额的 37 倍！多么慷慨，多么仁慈，但这对于用户来说能弥补损失哪怕是零头吗？不行。 如果您是企业主或IT负责人，会觉得这样的甩锅有意义吗？ ![图片](wxmp-cloud-sla-06.webp) **https://www.doit.com.cn/p/312087.html** ![图片](wxmp-cloud-sla-06.webp) **https://www.zhihu.com/question/288640327** ------------------------------------------------------------------------ #### SLA 到底是什么 话都讲到这里，云服务的鼓吹者会祭出最后一招：虽然出了故障后的兜底是个摆设，但是用户需要的是尽可能不出故障，按照 SLA 中的承诺，我们有 99.99% 的概率不出故障，这才是对用户最有价值的。 **然而，SLA 被有意地与服务的真实可靠性相混淆**：**用户不应该将 SLA 视作来服务可用性的可靠预测指标 —— 甚至是过去可用性水平的真实记录**。**对于厂家来说，SLA 并不是真正的可靠性承诺或历史战绩，而是一种**营销工具****，**旨在让买家相信云厂商可以托管关键业务应用。** UPTIME INSTITUTE 发布的年度数据中心故障分析报告表明，很多云服务的真实表现低于其发布的 SLA 。对 2022 年故障分析发现：行业遏制故障频率的努力落空，故障成本和后果正在不断恶化【9】。 ![图片](wxmp-cloud-sla-07.webp) **与其说是 SLA 是对用户的补偿，不如说 SLA 是对云厂商服务质量没达标时的“惩罚”**。**惩罚的威慑取决于惩罚的确定性及惩罚的严重性**。月消的时长/代金券赔付对云厂商来说并没有什么实际成本，所以惩罚的**严重性**趋近于零；赔付还需要需要用户自己举证主张并得到云厂商的批准，这意味着**确定性**也不会很高。 比起会因为故障丢掉奖金与工作的专家工程师来说，SLA的惩罚对于云厂商属于是自罚三杯，不痛不痒。如果惩罚没有意义，那么云厂商也没有动力会提供更好的服务质量。用户遇到问题时只能提供单等死，服务态度比起自建/三方服务公司可谓天差地别，**对小客户更是趾高气扬，视若草芥**。 更微妙的是，云厂商对于 SLA协议具有绝对的权力：云厂商有权单方调整修订SLA并告知用户生效，用户只有**选择不用**的权利，没有任何参与权和选择权。作为默认签署无法拒绝的“霸王条款”，**所以，SLA 对用户来说不是兜底损失的保险单。**在平均意义上，这是给用户喂了屎之后的擦屁股纸。**在最坏的情况下，它是吃不了兜着走的哑巴亏。在最好的情况下，它才是提供情绪价值的安慰剂。** ### Reference 【1】ESSD云盘 https://help.aliyun.com/document_detail/122389.html 【2】阿里云 SLA 汇总页：https://help.aliyun.com/document_detail/56773.htm 【3】AWS SLA 汇总页：https://aws.amazon.com/cn/legal/service-level-agreements/ 【4】AWS EC2 SLA 样例：https://d1.awsstatic.com/legal/AmazonComputeServiceLevelAgreement/Amazon_Compute_Service_Level_Agreement_Chinese_Simplfied\_(CN)2022-05-25.pdf 【5】云SLA更像是惩罚用户而不是补偿用户 https://journal.uptimeinstitute.com/cloud-slas-punish-not-compensate/ 【6】NVMe SSD失效率统计 https://www.usenix.org/system/files/atc22-lu.pdf 【7】公有云是不是杀猪盘 [https://mp.weixin.qq.com/s/UxjiUBTpb1pRUfGtR9V3ag](https://mp.weixin.qq.com/s?__biz=MzU5ODAyNTM5Ng==&mid=2247485391&idx=1&sn=4cec9af2b58160eb345a6b12411f0b68&scene=21#wechat_redirect "https://mp.weixin.qq.com/s?__biz=MzU5ODAyNTM5Ng==&mid=2247485391&idx=1&sn=4cec9af2b58160eb345a6b12411f0b68&scene=21#wechat_redirect") 【8】腾讯云给一家创业公司带来的灾难！https://www.doit.com.cn/p/312087.html 【9】Uptime Institute 2022 故障分析 https://www.businesswire.com/news/home/20220608005265/en/Uptime-Institute%E2%80%99s-2022-Outage-Analysis-Finds-Downtime-Costs-and-Consequences-Worsening-as-Industry-Efforts-to-Curb-Outage-Frequency-Fall-Short