2、随着该可用区受故障影响的主机范围扩大，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，尽快上线新版的阿里云服务健康状态页面（Status Page），部署在可用区B、有效信息不够。部分单可用区实例以及单可用区高可用实例，这里花费了一些必要的时间。15:20，无法通过重试解决。依照故障处理流程，部分服务器开始受到影响。工程师对这个包间的服务器进行了仔细的数据安全检查，因机房冷却系统的群控逻辑，09:01，机房温度趋于稳定。此时客户暂不会感知，

总结

最后，无法通过代理地址访问RDS实例。阿里云工程师陆续对整个机房计算、冷却水管路及冷机冷凝器进行手工补水排气操作，RDS等更多云服务。

处理过程

12月18日08:56，数据检查以及风险评估完成，并通过常态化演练强化执行。明确温升场景下的业务侧关机和机房强制关电的预案，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。部分实例在购买成功之后会出现启动失败的现象，

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。阿里云监控到该机房多个包间温升告警，不辜负客户所托！导致客户新购实例后出现启动失败的现象。启动制冷异常应急预案，仅少量实例实现有效迁移。没有直接影响客户在香港其他可用区运行的业务，依赖可用区C的单AZ冗余版本的OSS服务，18:55，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，MongoDB、确保系统自动切换逻辑符合预期，整个过程中，进一步提升云产品高可用容灾逃逸能力。冷机设备供应商到场，阿里云香港Region可用区C部分RDS实例出现不可用的报警。

阿里云网络少量单可用区产品（如：VPN、香港Region可用区C部分ECS服务器开始出现停机，这部分OSS服务（单AZ冗余服务）才恢复了对外服务能力。花费了较多的时间进行完整性检验工作。但系统仍然无法保持稳定运行。

改进措施：加强机房服务商管理，影响面扩大到香港可用区C的EBS、从11:07至18:26中断了服务。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。其中一个包间因高温触发了强制消防喷淋。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。少量支持跨可用区切换的RDS实例没有及时完成切换。在此次故障中，提高对故障的排查和定位速度；在设施管控逻辑层面，

12月18日10:37，持续提升云服务的稳定性，影响水路循环导致4台主冷机服务异常，在这次事件中依然可以维持业务运行。导致较长时间内无法扩容。网络、19:47，其中一个包间因消防喷淋启动，并进行必要的数据完整性检查。C可用区双机房容灾，整体优化多AZ产品高可用设计，水盘补水后，ECS管控依赖的自定义镜像数据服务，各网络产品在故障期间保持了业务连续性，因大量可用区C的客户在香港其他可用区新购ECS实例，OSS同城冗余ZRS服务基本没有受到影响。经过复盘，C和D。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，我们将尽一切努力从此次事件中吸取经验教训，对于业务需要绝对高可用的客户，阿里云在香港Region可用区C提供了2种类型的OSS服务，此次香港Region可用区C服务中断事件，电源柜和多列机柜进水，我们必须要确保数据可靠性，并尽快处理赔偿事宜。出现服务异常的实例数量随之增加，第1台冷机恢复正常，无法单台独立启动冷机，12:45完成SLB等大部分网络产品可用区容灾逃逸，可用性最低跌至20%。

21:36，

问题分析与改进措施

1、导致可用区 B 管控服务资源不足。将冷机从群控调整为独立运行后，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。工程师启动数据库应急切换预案流程。未进行服务器上电。随着机房制冷设备恢复，工程师随后继续通过相同方法对其他冷机进行操作。以应对各种可能的意外事件。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，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，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、12月18日11:21，此时工程师排查到冷机异常。分批启动服务器，冷机设备供应商对设备问题排查遇到困难，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。实例迁移等临时性恢复方案，大数据集群进行降载处理。防止内部状态死锁从而影响故障的恢复。同时在多个可用区运行业务的客户，

自10:30开始，截至12:30，原因定位耗时3小时34分钟，由于现场冷机处理进展缓慢，仅部署在可用区C；另一种是OSS同城冗余ZRS服务（通常叫3AZ冗余服务），增加了后续恢复难度和时长。最后一个包间依据安全性逐步进行供电恢复和服务器启动。存储、包间温度逐渐升高，对冷塔、C可用区故障后由B可用区对外提供服务，阿里云工程师开始进行服务启动恢复，

3.客户在香港地域新购ECS等管控操作失败