华为云国际站凌晨崩了：“90秒概率性失败”变成5小时的“确定性灾难”？任正非：“做公有云要慎重”
作者 | 蓝血创作组
来源 | 蓝血研究（lanxueyanjiu）
投稿 | lanxueziben（微信）
培训咨询顾问招募 | lanxueziben（微信）
7月26日凌晨2点多，大多数人还在梦乡里，华为云国际站的用户已经开始骂街了。
不是夸张。阿根廷、巴西、土耳其、泰国、墨西哥、智利……十几个国家的用户在同一时间发现，自己花真金白银买来的云服务器，突然变成了一块砖。控制台打不开，API全报错，EIP（弹性公网IP）被"冻结"了——这个词在华为云里可不是闹着玩的，它就是你的服务器被掐住了脖子，干不了任何活。这场故障从凌晨3点多被用户感知，一直到上午8点多才彻底恢复，整整趴了将近5个小时。
要说这事儿最讽刺的地方在哪，是华为云早在7月17日就发了公告，说要在7月26日凌晨2点到4点对IAM（统一身份认证服务）做升级。公告里写得明明白白："升级期间，部分云服务管理面操作可能会出现约90秒的概率性失败。"
90秒的概率性失败。听着挺温和的，就像你去医院做个小手术，医生说"可能会有点疼，忍忍就过去了"。结果呢？手术出了并发症，你在ICU躺了五个小时。
那么问题出在哪？
IAM这个东西，说白了就是云平台的"门卫"。你用控制台登录、创建资源、调API、改安全组，全得过这个门卫的安检。正常情况下，IAM故障只影响管理面——也就是你没法操作，但已经跑着的服务器该干嘛干嘛。但这次不一样，用户的反馈是"服务器不响应了"、"所有资源被冻结了"。门卫不仅罢工了，还顺手把大门焊死了。控制面和数据面，在华为云的架构里，并没有大家想象中那么"各管各的"。门卫一倒，整座大楼的人都被锁在里面出不去。
其实，这事儿不是**次发生了。把目光往前翻，2023年11月12日，阿里云干过一件更猛的事——全球所有区域、所有服务，同时异常。
那天下午5点39分，阿里云的控制台和管控API突然集体抽风。工程师18点01分就定位到根因了：AK服务（访问密钥，相当于IAM的中国版）读取白名单时出了Bug，生成了一份不完整的白名单。什么意思呢？就是本来该放行的人，被保安拦在门外了。18点07分开始修复，19点20分绝大部分区域才恢复正常。一个半小时，听着不长？你知道这一个半小时里发生了什么吗？
淘宝、钉钉、闲鱼——阿里自家的亲儿子们，集体宕机。更离谱的是，全国各地的充电桩刷不了卡、停车场道闸抬不起来。你以为云故障离你的生活很远？它就藏在你每天停个车、充个电的小事里。阿里云事后复盘说得很直白："底层鉴权服务异常"。翻译成人话就是：守大门的保安脑子短路了，整栋楼的租户全被拒之门外，不管你有没有续费。
不过，也并不是只有国产云会出这种事。
2025年10月，AWS的us-east-1区域出了故障，直接拖垮了全球服务，IAM也跟着遭殃。微软Azure更热闹，2024年7月美国中部区域大瘫痪，2025年10月又因为一个叫Azure Front Door的东西配置搞错了，全球服务中断。
把这些案例摆在一起看，你会发现一个特别有意思的规律：不管你是AWS、Azure、阿里云还是华为云，不管你的技术多牛、用户量多大，只要你的系统里有一个"全局共享的认证组件"，它就是一颗定时炸弹。这颗炸弹平时无声无息，一旦在升级维护时引爆，整个云平台——不是一家公司的，是全球用户的——都会被波及。
其实任正非对云计算这事儿，态度一直比较谨慎。他在一次内部讲话里说得特别直白："做公有云要慎重，不能把公司套进去。要在公司的能力范围内做，否则你就会陷在泥坑里。
"为什么慎重？因为公有云的运维复杂度，跟华为过去做的设备、做解决方案，完全不是一个量级。你卖一台交换机给客户，坏了，客户报修，你派人修。你做的是一套可控的、有边界的生意。但公有云呢？你面对的是全球几十万甚至上百万用户，每一个都在7×24小时地调用你的API，而你任何一个底层组件出Bug，都可能引发全球性的级联故障。
这就回到了华为一直强调的一个管理理念——内控体系建设。
任正非说过一句话："内控体系建设就是要穿美国鞋，不打补丁。"什么意思？就是你要从底层把制度建好，而不是哪里漏了就补哪里。但在云计算这个赛道上，"内控"的难度被无限放大了。你面对的是全球分布式架构、***并发、实时升级的IAM组件。你的"补丁"还没来得及打，故障就已经炸了。这不是管理不严格的问题，这是云计算这个业务形态本身的复杂性决定的。
顺着这个思路往下想，任正非最经典的管理哲学之一是"灰度"。他在《开放、妥协、灰度》里写道："并不是非白即黑，非此即彼。合理地掌握合适的灰度，是使各种影响发展的要素，在一段时间的和谐。"
而放在云计算的升级维护上，这个"灰度"就特别有意思了。华为云这次IAM升级，按理说应该有个"灰度发布"的过程——先升级一小部分节点，观察没问题了再全量推。但结果呢？升级窗口一开，全球所有区域的IAM组件一起升级，然后一起崩了。这里面有没有灰度？可能有，也可能没有。但从结果来看，这次的"灰度"显然不够灰。
所以别急着骂。华为云这次不是个例，阿里云2023年那次直接把淘宝、钉钉、闲鱼、充电桩、停车场道闸全拉下水了。AWS、Azure也没少翻车。这不是哪家行哪家不行的问题，而是整个行业至今都没解开的死结——你家那朵云，保不齐哪天也在凌晨对你关上大门
