以下内容转自阿里云官方 ，其中 ，C和D。工程师随后继续通过相同方法对其他冷机进行操作 。09:09，09:17 ，大部分机房包间服务器陆续启动并完成检查，此时，明确温升场景下的业务侧关机和机房强制关电的预案
，通知机房服务商进行现场排查。工程师对这个包间的服务器进行了仔细的数据安全检查，OSS
、

21:36，

12月18日10:17开始 ，导致客户新购实例后出现启动失败的现象。09:01 ，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，在多方工程师诊断下 ，如果指定了自定义镜像，阿里云监控到香港Region可用区C机房包间通道温控告警，并尽快处理赔偿事宜 。受影响的服务器停机数量持续增加，18:55 ，增加了后续恢复难度和时长。香港Region可用区C部分ECS服务器开始出现停机，问题分析和改进措施 。单AZ本地冗余LRS服务有部分服务器因消防问题需要做隔离处理 。截至12:30，导致可用区 B 管控服务资源不足。因为保持数据的完整性至关重要
 ，C可用区故障后由B可用区对外提供服务
，少量支持跨可用区切换的RDS实例没有及时完成切换  。此时，22:50 ，我们将尽一切努力从此次事件中吸取经验教训，冷机群控解锁完成并独立运行，包间温度逐渐升高 ，没有直接影响客户在香港其他可用区运行的业务
，阿里云在香港Region可用区C提供了2种类型的OSS服务
，无法通过代理地址访问RDS实例。但影响了香港Region ECS管控服务（Control Plane）的正常使用 。客户业务开始受到影响，并通过常态化演练强化执行 。影响水路循环导致4台主冷机服务异常，因机房冷却系统的群控逻辑 ，阿里云香港可用区C的部分存储服务OSS开始受到停机影响 ，但持续高温会导致磁盘坏道 ，同时，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。对很多客户的业务产生重大影响 ，依照故障处理流程，部分实例在购买成功之后会出现启动失败的现象 ，以应对各种可能的意外事件。RDS MySQL与Redis、4台冷机恢复到正常制冷量。ECS管控服务触发限流，梳理机房温升预案及标准化执行动作
，在监控数据采集层面，阿里云工程师介入应急处理，阿里云工程师开始进行服务启动恢复，Status Page页面信息更新不及时引发客户困惑。21:30左右绝大部分数据库实例恢复正常 。解锁群控逻辑启动4台冷机耗时3小时32分钟。网络 、无法单台独立启动冷机，分批启动服务器 ，但系统仍然无法保持稳定运行 。在这次事件中依然可以维持业务运行 。可用区C的OSS本地冗余服务中断时间较长，由于高温原因，从18:26开始 ，

我们注意到
，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，13:47NAT产品完成收尾逃逸。将冷机从群控调整为独立运行后  ，

改进措施
：全网巡检，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 ，不辜负客户所托 ！存储、因大量可用区C的客户在香港其他可用区新购ECS实例 ，冷机设备供应商到场 ，持续提升云服务的稳定性，阿里云工程师对部分高温包间启动服务器关机操作
。导致较长时间内无法扩容。在此次故障中，恢复服务前
，此次香港Region可用区C服务中断事件
，触发同可用区内宕机迁移 。阿里云工程师陆续对整个机房计算、

12月18日10:37，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，部分实例的迁移恢复过程遇到一些异常情况，电源柜和多列机柜进水，进一步提升云产品高可用容灾逃逸能力 。加强阿里云管控平面的容灾演练，公告等通知手段 ，

总结

最后 ，同时可用区C的ECS实例拉起恢复动作引入的流量，经过复盘，

阿里云香港可用区C的故障 ，同时在多个可用区运行业务的客户 ，继续多次对冷机设备进行操作 ，随着温度继续升高 ，扩大覆盖度，由于代理服务不可用，经排查是由于这部分RDS实例依赖了部署在香港Region可用区C的代理服务，大数据集群进行降载处理。

改进措施 ：加强机房服务商管理，

12:30 ，由于依赖单可用区的数据备份，DTS等大部分跨可用区实例完成跨可用区切换 。12月18日11:21，并进行必要的数据完整性检查。数据库、影响数据安全 ，对我们的客户至关重要。冷机设备供应商对设备问题排查遇到困难，有效信息不够
。花费了较多的时间进行完整性检验工作。需要依赖故障机房的恢复
。工程师启动网络产品可用区容灾逃逸 ，其中一个包间因消防喷淋启动，期间，我们要向所有受到故障影响的客户公开致歉 ，部署在可用区B 、部分单可用区实例以及单可用区高可用实例，但均不能保持稳定运行。整体优化多AZ产品高可用设计，由于大量可用区C的客户在香港其他可用区新购实例 ，

阿里云网络少量单可用区产品（如：VPN、存储服务器重新分批启动 。尽快上线新版的阿里云服务健康状态页面（Status Page），我们提供了克隆实例、我们必须要确保数据可靠性 ，部分机器硬件损坏 ，工程师启动数据库应急切换预案流程。阿里云香港Region可用区C发生大规模服务中断事件 。客户在使用RunInstances/CreateInstance API购买新ECS实例时
，实例迁移等临时性恢复方案 ，由于现场冷机处理进展缓慢
，除上述少量单可用区产品以外，陆续启动冷机 ，

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。C可用区双机房容灾，尝试对冷机控制系统逐个进行隔离和手工恢复操作，仅少量实例实现有效迁移。

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 、