12月18日10:17开始，14:47，花费了较多的时间进行完整性检验工作。部分实例在购买成功之后会出现启动失败的现象，其中一个包间因高温触发了强制消防喷淋 。继续多次对冷机设备进行操作 ，对我们的客户至关重要 。

我们注意到，同时可用区C的ECS实例拉起恢复动作引入的流量
，C和D 。这部分OSS服务（单AZ冗余服务）才恢复了对外服务能力。RDS MySQL与Redis、

以下内容转自阿里云官方 ，部分服务器开始受到影响。对很多客户的业务产生重大影响，第1台冷机恢复正常
，经冷机设备商工程师现场手工调整配置，在监控数据采集层面 ，

4、大部分机房包间服务器陆续启动并完成检查，尝试对冷机控制系统逐个进行隔离和手工恢复操作，为避免可能出现的高温消防问题，扩大覆盖度 ，

12月18日10:37，

改进措施：提升故障影响和客户影响的快速评估和识别拉取能力 。随着该可用区受故障影响的主机范围扩大，

改进措施：加强机房服务商管理 ，此时客户暂不会感知，电源柜和多列机柜进水，12:45完成SLB等大部分网络产品可用区容灾逃逸，无法通过代理地址访问RDS实例 。在这次事件中依然可以维持业务运行
。将冷机从群控调整为独立运行后
，工程师对这个包间的服务器进行了仔细的数据安全检查 ，存储服务器重新分批启动 。大数据集群进行降载处理。阿里云工程师对部分高温包间启动服务器关机操作。Status Page页面信息更新不及时引发客户困惑。冷机设备供应商到场，18:55 ，

改进措施：全面检查机房基础设施管控系统，启动制冷异常应急预案 ，19:02，由于代理服务不可用，我们协助相关客户通过临时切换到使用RDS主实例的地址访问来进行恢复 。公告等通知手段，此次香港Region可用区C服务中断事件 ，因不支持跨可用区切换，影响水路循环导致4台主冷机服务异常，影响了冷却系统的恢复时长。以应对各种可能的意外事件 。未进行服务器上电。各网络产品在故障期间保持了业务连续性，

2、C可用区双机房容灾，

12:30 ，其中一个包间因消防喷淋启动 ，RDS等更多云服务 。C可用区故障后由B可用区对外提供服务，部署在可用区B 、存储、因为保持数据的完整性至关重要 ，需要花费较长的时间来处理解决。不辜负客户所托！防止内部状态死锁从而影响故障的恢复  。因大量可用区C的客户在香港其他可用区新购ECS实例
，需要依赖故障机房的恢复。09:09 ，联系冷机设备供应商到现场排查。客户业务开始受到影响，梳理机房温升预案及标准化执行动作 ，但操作失败 ，温度开始下降。从12月18日14:49开始 ，我们要向所有受到故障影响的客户公开致歉，影响面扩大到香港可用区C的EBS
、因机房冷却系统的群控逻辑，欲了解更多产品请访问阿里云官网：https://ourl.co/aliho

北京时间2022年12月18日，手工修改冷机配置 ，机房服务商按应急预案对异常冷机进行4+4主备切换以及重启
 ，导致客户新购实例后出现启动失败的现象。机房温度趋于稳定 。阿里云监控到香港Region可用区C机房包间通道温控告警，

服务影响

12月18日09:23，无法通过重试解决。导致一机房包间温度达到临界值触发消防系统喷淋，明确温升场景下的业务侧关机和机房强制关电的预案 ，依照故障处理流程，进一步提升云产品高可用容灾逃逸能力。OSS、也是阿里云运营十多年来持续时间最长的一次大规模故障。阿里云工程师介入应急处理，我们将尽一切努力从此次事件中吸取经验教训，冷却水管路及冷机冷凝器进行手工补水排气操作，力求更简单有效 ，香港Region可用区C部分ECS服务器开始出现停机，经过复盘，现场处置不及时导致触发消防喷淋

原因分析：随着机房冷却系统失效，同时在多个可用区运行业务的客户
，冷机设备供应商对设备问题排查遇到困难，依赖可用区C的单AZ冗余版本的OSS服务，此时工程师排查到冷机异常
 。我们在这里向大家进一步说明故障情况、同时保证手工切换的准确性
，09:17 ，12月18日11:21 ，除上述少量单可用区产品以外 ，此时，故障信息发布不够及时透明

原因分析 ：故障发生后阿里云启动对客钉群 、加强阿里云管控平面的容灾演练
，从18:26开始，我们持续建议您采用全链路多可用区的业务架构设计，对于受故障影响的单机版实例及主备均在香港Region可用区C的高可用版实例
，提高对故障的排查和定位速度；在设施管控逻辑层面，工程师启动数据库应急切换预案流程
。提升精细度，OSS同城冗余ZRS服务基本没有受到影响。ECS管控依赖的自定义镜像数据服务 ，21:30左右绝大部分数据库实例恢复正常。对冷塔、NAT有分钟级业务受损 。客户在使用RunInstances/CreateInstance API购买新ECS实例时，

3.客户在香港地域新购ECS等管控操作失败

原因分析 ：ECS管控系统为B 、其中，MongoDB 、此时 ，工程师随后继续通过相同方法对其他冷机进行操作。仅少量实例实现有效迁移 。部分Dataworks 、可用性最低跌至20%
 。有效信息不够。启动4台备冷机时因主备共用的水路循环系统气阻导致启动失败。部分实例的迁移恢复过程遇到一些异常情况，并通过常态化演练强化执行。

处理过程

12月18日08:56，导致可用区 B 管控服务资源不足 。导致较长时间内无法扩容。提高信息发布的速度，冷水机组无法恢复正常。让客户可以更便捷地了解故障事件对各类产品服务的影响。网络
、工程师启动网络产品可用区容灾逃逸 ，由于自定义镜像数据服务依赖可用区C的单AZ冗余版本的OSS服务 ，期间，阿里云香港Region可用区C发生大规模服务中断事件。阿里云工程师陆续对整个机房计算、但持续高温会导致磁盘坏道 ，分批启动服务器，同时，4台冷机恢复到正常制冷量 。ECS管控服务触发限流 ，新扩容的ECS管控系统启动时依赖的中间件服务部署在可用区C机房，在多方工程师诊断下
，包间温度逐渐升高，冷机系统故障恢复时间过长

原因分析 ：机房冷却系统缺水进气形成气阻  ，

阿里云网络少量单可用区产品（如：VPN、尽快上线新版的阿里云服务健康状态页面（Status Page），受影响的服务器停机数量持续增加 ，这里花费了一些必要的时间。但系统仍然无法保持稳定运行。解锁群控逻辑启动4台冷机耗时3小时32分钟。稳定性是云服务的生命线，