Cloud-storingen begrijpen: Oorzaken, impact en preventie

Hoe meer IT vertrouwt op cloudservices, hoe groter de kans dat u downtime en inkomensverlies lijdt door een cloud-storing. Meer dan 60% van de organisaties die de publieke cloud gebruiken, rapporteerde verliezen in 2022 door deze incidenten, dus storingen zijn geen uitzonderlijke gebeurtenis die bedrijven onwaarschijnlijk zullen tegenkomen.

Maar zijn storingen voldoende reden om de cloud voorgoed te verlaten? Of moet u bij deze infrastructuurtypen blijven ondanks het risico op occasionele downtime?

Dit artikel gaat door alles wat u moet weten over cloud-storingen. We schetsen de hoofdoorzaken, onderzoeken openvallende statistieken, tonen hoe u de impact van clouddowntime kunt minimaliseren en kijken naar de meest impactvolle storingen die in recente jaren plaatsvonden.

Wat is een cloud-storing?

Een cloud-storing is een tijdsperiode waarin de diensten van een cloudprovider niet beschikbaar zijn voor eindgebruikers. De infrastructuur van de leverancier gaat down (vanwege een bug, stroomstoring, enz.), en klanten verliezen toegang tot cloud-gebaseerde activa totdat de provider het probleem oplost.

Wat de impact betreft, is er geen verschil tussen een on-site datacenter dat down gaat en een cloud-storing. In beide gevallen verliest u toegang tot IT-activa, maar de hands-off benadering van cloudcomputing voegt een paar unieke overwegingen toe:

• Cloud-storingen hebben weinig tot geen zichtbaarheid op fouten, dus gebruikers weten meestal niet wat er misging.
• Het team van de provider is verantwoordelijk voor het oplossen van de fout, dus klanten nemen niet deel aan het herstelproces.
• Omdat u geen zicht of controle heeft op het probleem, is er geen manier om te weten wanneer de diensten weer online komen.

Net als met lokale hardware, zijn er twee typen cloud-storingen:

• Gepland (vindt meestal plaats door geplande onderhoud).
• Ongepland (gebeurt wanneer de provider een onverwachte fout tegenkomt en herstelmaatregelen moet uitvoeren).

Recente studies onthullen dat ongeplande storingen 35% meer kosten dan geplande downtime (zowel on-prem als in de cloud). Het prijsverschil bestaat omdat onverwachte incidenten langer dureren om te identificeren en op te lossen—en hoe langer een storing duurt, hoe groter de schade.

Vergeleken met on-site hardware, resulteert cloud-gebaseerde infrastructuur in vaker downtime maar met minder ernst. Aangezien geen hostingsysteem 100% uptime biedt, accepteren klanten occasionele storingen in ruil voor cloudcomputing-voordelen. Deze bereidheid is ook zichtbaar in de marktgroei—de cloud zal 14,2% van de totale mondiale IT-uitgaven uitmaken in 2024 (op van 9,1% in 2020).

Oorzaken van cloud-storingen

Cloud-storingen zijn het resultaat van een aantal oorzaken zowel binnen als buiten de controle van de provider. Hier is een lijst van de meest voorkomende:

• Stroomuitval: Stroom-gerelateerde problemen veroorzaken 43% van alle cloud-storingen met significante downtime en financieel verlies. Uninterruptible power supply (UPS) fouten zijn de nummer één oorzaak van stroomincidenten.
• Cyberbeveiliging: Cyberaanvallen zoals Distributed Denial of Service (DDoS) overbelasten datacenters met inkomend verkeer. In dat geval kunnen eindgebruikers de dienst niet bereiken via dezelfde netwerkinfrastructuur. Andere dreigingen (zoals ransomware of een SQL-injectie) kunnen de provider dwingen om diensten af te sluiten en het probleem offline op te lossen.
• Menselijke fout: Een enkele onjuiste commando of een fout met kabelbeheer kan de hele IT-infrastructuur neerhalen. Menselijke fouten veroorzaken zowel fysieke als softwareproblemen die leiden tot storingen.
• Technische problemen: Cloudservices vertrouwen op een complex systeem van hardware-tech, dus een fout die lang genoeg onder de radar blijft, kan leiden tot een cloud-storing.
• Softwarebugs: Glitches en bugs zijn veelvoorkomend in clouddatacenters. De gebruikelijke verdachten achter problemen zijn dataformaat-bugs, fout-gerelateerde bugs, timing-bugs en constante-waarde bugs.
• Netwerkproblemen: Problemen geassocieerd met netwerkcommunicatie en third-party telco-partners zijn een andere veelvoorkomende oorzaak van cloud-storingen.
• Onderhoud: Gepland onderhoud en systeemupgrades leiden soms tot een storing, hoewel eindgebruikers doorgaans van tevoren op de hoogte worden gesteld van deze gebeurtenissen.
• Omgevingsfactoren: Gebeurtenissen zoals orkanen, branden, bliksemstorms en aardbevingen triggeren ook clouddowntime, hetzij door de faciliteit in gevaar te brengen, hetzij door het stroomnet van de regio te beschadigen.
• Complexere implementaties: Ingewikkelder implementatiemodellen (zoals hybride, gedistribueerde en multi-cloud) compliceren datacenter-operaties, wat meer kansen voor fouten creëert.

Wat gebeurt er wanneer de cloud down gaat?

In het best-case scenario duurt een cloud-storing slechts een paar minuten en beïnvloedt een klein aantal gebruikers of diensten. In het worst-case scenario paralyseert een storing het bedrijf van een klant voor half een dag of langer. Een bedrijf verliest toegang tot alle cloud-gebaseerde activa en blijft afgekapt totdat de storing voorbij is.

Hoewel dreigend, waren fouten van third-party providers de oorzaak van "slechts" 7% van de ernstige storingen in 2021. Een ernstige storing moet een (of meerdere) van het volgende omvatten:

• Significante financiële verliezen.
• Reputatieschade.
• Nalevingsschendingen.
• Levensverlies.

Hoewel er dringendere zorgen zijn (zoals getoond in het staafdiagram hieronder), onthoud dat een gemiddelde minuut downtime $5.600 kost (deze per-minuut cijfer stijgt naar $9.000 voor enterprises). Als u onvoorbereid bent (dwz, u heeft geen databack-ups, herstel na noodgevallen, enz.), kan een cloud-storing uw service tot stilstand brengen en zware slagen veroorzaken aan de bottom line.

Een bedrijf dat een klein segment van operaties in de cloud houdt, is minder kwetsbaar voor storingen. Als u bijvoorbeeld alleen e-mails in de cloud host, is zelfs een daglange storing niet catastrofaal. U kunt het incident uitzitten of apps draaien met verminderde functionaliteit, een strategie die niet werkt als u de cloud gebruikt om een IoT-platform te draaien of betalingsverwerking uit te voeren.

In sommige gevallen leidt een cloud-storing tot permanent dataverlies (de hoeveelheid verloren data hangt af van de frequentie van back-ups). Ook zijn klanten in strenge sectoren aansprakelijk voor wettelijke boetes als een storing leidt tot een datalekkage of -inbraak, dus wees voorzichtig bij het beslissen wat u in cloudopslag bewaart.

Wat kunnen gebruikers doen?

Hier is wat bedrijven doen om de impact van cloud-storingen te mitigeren:

• Single points of failure elimineren: Bereid een back-up voor van elk missiekritisch IT-component, ofwel in een on-site serverruimte of bij een secundaire provider. Als de cloud down gaat, voert u een failover uit (het proces van overschakelen naar een standby-server, hardwarecomponent, netwerk, enz.) om zakelijke continuïteit te garanderen.
• Een contingentiëplan hebben: Een herstelplan na noodgevallen schetst een stap-voor-stap strategie voor wat het team doet in geval van een storing. Dit plan biedt instructies voor het beschermen van data, het uitvoeren van failover, het garanderen van zakelijke continuïteit en het herstellen van operaties. Tijdig plannen voor een cloud-storing voorkomt het verspillen van tijd aan het beoordelen van de beste actie tijdens downtime.
• Investeren in een hogere beschikbaarheid SLA: Als uw missiekritieke taken geen langdurige cloud-storingen kunnen betalen, zoek naar een hogere beschikbaarheid Service Level Agreement (SLA), zoals een die 99,999% uptime garandeert (maximaal 5,25 minuten downtime per jaar). Deze contracten zijn duurder, maar het online houden van uw diensten wordt een grotere prioriteit voor de cloudprovider.
• Regelmatige databack-ups uitvoeren: Een back-up zorgt ervoor dat uw team een manier heeft om een recente versie van bestanden te herstellen als een cloud-storing een database corrupteert of verwijdert. Ideaal zouden back-ups automatisch moeten gebeuren en tussen een keer per uur tot een keer per dag (afhankelijk van missiekritikaliteit).
• Storingen zo snel mogelijk detecteren: Eventuele additionele cloudmonitoring-mogelijkheden die uw team instelt, helpen een storing in real-time te identificeren in plaats van te wachten op de notificatie van de provider. Hier is een lijst van de beste cloudmonitoring-tools om downtime-detectie te verbeteren en tijdige failover te garanderen.

Grootste recente cloud-storingen

Cloud-storingen zijn onvermijdelijk bij het gebruik van de cloud, en zelfs de populairste providers (zoals Azure, AWS en Google Cloud) zijn niet immuun voor downtime. Laten we kijken naar enkele van de meest significante cloud-storingen in recente geschiedenis.

Azure-storing (oktober 2021)

In oktober 2021 onderging Microsoft Azure een storing die virtuele machineservices voor zes uur neerhaalde. Gedurende de storing waren veel gebruikers onmogelijk nieuwe VM's te deployen of extensies bij te werken. Basis servicemanagement-operaties (zoals starten, maken en verwijderen) leidden ook tot fouten.

De oorzaak van de cloud-storing was de onmogelijkheid van VM-queries om de vereiste versiedata van een artefact op te halen. Een na-herstel rapport onthulde dat de software-gebaseerde fout optrad toen Microsoft een van zijn VM-architecturen migreerde.

Google Cloud-storing (november 2021)

Google Cloud was ongeveer twee uur down in midden-november vorig jaar, wat onder andere beïnvloedde:

• Home Depot.
• Snapchat.
• Etsy.
• Discord.
• Spotify.

Beïnvloede websites toonden 404-fouten wanneer bezoekers probeerden toegang te krijgen. Google rapporteerde dat de oorzaak van de cloud-storing een glitch was in een netwerkconfiguratie verantwoordelijk voor load balancing.

AWS-storing (december 2021)

Een grote piek in verbindingsactiviteit overbelaste netwerkapparaten in een van AWS's vlaggenschip-faciliteiten, wat verschillende websites en apps beïnvloedde. Enkele van de meest opvallende "slachtoffers" waren:

• De website van Amazon.
• Prime Video.
• Netflix.
• IMDb.
• PlayStation Network.

Het datacenter-probleem veroorzaakte ernstige latentie binnen interne AWS-netwerken. Klant-apps voelden de golfslag, met verkeersvertragingen of totale afsluitingen voor ongeveer zeven uur.

Twee opeenvolgende IBM-storingen (januari 2022)

Een probleem met de infrastructuur van IBM beïnvloede cloudservices in de Dallas-regio voor meer dan vijf uur. Het interne team loste het probleem op, maar veroorzaakte per ongeluk een additioneel uur-lang probleem met virtuele private cloud. Het secundaire probleem beïnvloelde gebruikers over de hele wereld, inclusief de VS, Japan, Canada en Duitsland.

AWS/Slack-storing (februari 2022)

Slack onderging een storing van zijn AWS-cloudresources in februari die normaal gebruik van het communicatieplatform voor vijf uur verhinderde. Meer dan 11.000 gerapporteerde gebruikers waren niet in staat om:

• Berichten te verzenden of ontvangen.
• Bestanden te uploaden.
• Channels te joinen.
• De desktop-app te lanceren.

Slack's team deelde nooit de reden achter de cloud-storing en verzocht alle beïnvloede gebruikers de app te herstarten en hun cache te wissen na herstel.

iCloud-storing (maart 2022)

Vijftien grote Apple-diensten gingen voor vier uur down in maart door een cloud-storing, inclusief:

• App Store.
• Apple Maps.
• Apple TV.

Apple's corporate en retail-systemen gingen ook down. Het bedrijf onthulde later dat de root cause een probleem was gerelateerd aan het domeinnaamssysteem (DNS) van het bedrijf.

Google Cloud-storing (maart 2022)

Op 8 maart 2022 lieten Google Cloud-gebruikers servicefouten zien voor tweeënhalf uur. Spotify en Discord waren onder de getroffen partijen.

Een wijziging in de Traffic Director-code voor het verwerken van configuraties veroorzaakte de fout. Volgens het na-herstel rapport, verwaarloosde slechte code-wijzigingen configuratiedata-formaatmigraties, waardoor het platform per ongeluk de programmering van de gebruiker verwijderde.

Atlassian-storing (april 2022)

De grootste Atlassian-storing van het jaar startte op 5 april en eindigde op 18 april (hoewel sommige gebruikers al op 8 april diensten herstelden). Het bedrijf legde uit dat de storing plaatsvond door onvoldoende teamcommunicatie en een slecht gepland incidentresponsplan.

Hoewel deze cloud-storing bijna twee weken duurde voor sommige gebruikers, waren er geen rapporten van significante verlies van klantdata. Gebruikers van zowel Atlassian's vlaggenschip-producten, Trello en Jira, waren wel beïnvloed door het probleem.

Microsoft Azure-storing (juni 2022)

Op 7 juni konden Azure-klanten geen verbinding maken met resources gehost in de East US 2 regio (voornamelijk Virginia). De storing duurde ongeveer twaalf uur en beïnvloede geen consumenten die vertrouwden op zone-redundante infrastructuur. Beïnvloede diensten omvatten:

• Application Insights.
• Log Analytics.
• Managed Identity Service.
• Media Services.
• NetApp Files.

De boosdoener was een plotselinge stroomfluctuatie in een van de lokale datacenters, wat ertoe leidde dat Air Handling Units (AHUs) uitschakelden.

Cloudflare-storing (juni 2022)

In juni veroorzaakte een ongelukkige storing bij Cloudflare grote storingen die een uur en een half duerden, wat populaire sites neerhaalde zoals:

• Discord.
• Shopify.
• Fitbit.
• Peloton.

De San Francisco-gebaseerde leverancier legde uit dat de ongeplande downtime het resultaat was van een wijziging in de netwerkconfiguratie in 19 van haar datacenters.

Onderschat niet de waarde van cloud-storingsplanning

Voorbeelden van cloud-storingen in recente jaren sturen een duidelijk bericht: hoewel de cloud een IT-game-changer is, is de technologie niet foutloos. Bedrijven die omgaan met eindgebruikers en app-beschikbaarheid, moeten klaar zijn voor occasionele downtime, wat back-up en herstel na noodgevallen (BDR) een integraal onderdeel maakt van het gebruik van cloud-gebaseerde resources.