境内安全事件

汇总本月发生的重大安全事件，分析事件的发生原因、影响和对应解决方案，可提高对相应事件的应对能力，实现“防患于未然”。

广东电信全网故障事件

日期：2023-06-08 14时左右
影响程度：
中国电信广东地区电话无法接打，网络也不能使用。
主要原因：
中国电信官方未公布此次故障的具体原因。
如何防范：
管理上：
1、建立完善的风险管理体系，包括风险评估、风险监控和风险应对计划等。对关键设备、网络节点和传输线路进行风险评估，识别潜在的风险和故障点，并采取相应的控制和预防措施。
2、为员工提供必要的培训和技能提升机会，使其具备应对网络故障和灾难的能力。员工应了解网络架构、设备操作和故障排除等方面的知识，以便快速响应和解决问题。
3、定期进行设备的维护和更新，包括固件升级、设备巡检和故障排查等。确保设备的正常运行和性能优化，减少因设备老化和故障导致的网络中断风险。
4、制定全面的事故响应和恢复计划，明确各级人员的职责和行动方案。在发生网络故障时，能够迅速启动相应的应急机制，调动人员和资源，采取措施快速恢复服务和最小化影响。
技术上：
1、建立具有冗余和多样性的网络拓扑结构，包括多个数据中心、多个网络节点和多条传输线路。这样可以降低单点故障的风险，即使某个节点或线路发生故障，其他节点和线路仍能保持正常运行。
2、在关键的网络节点和设备上设置冗余设备，例如备用路由器、交换机和传输设备。同时，建立冗余链路以保证网络连通性。冗余设备和链路能够在主设备或链路发生故障时自动切换，提供持续的服务。
3、使用监控系统和故障检测工具实时监测网络设备和链路的状态。一旦检测到故障，系统应能自动触发恢复机制，例如自动切换到备用设备或链路，并通知运维人员进行进一步的故障排查和修复。
4、加强网络安全防护，包括入侵检测系统、防火墙和数据加密等技术手段。这些措施能够防止恶意攻击、未经授权的访问和数据泄露等安全威胁，提高网络的稳定性和可靠性。
 

唯品会关于329机房宕机故障处理的公告

日期：2023-06-05
影响程度：
南沙机房重大故障影响时间持续 12 个小时，导致公司业绩损失超亿元，影响客户达 800 多万，公司将此次故障判定为 P0 级故障。
主要原因：
南沙 IDC 冷冻系统故障导致机房设备温度快速升高宕机，最终造成线上商城停止服务。
如何防范：
管理上：
1、建立完善的风险管理体系，包括风险评估、风险监控和风险应对计划等。对关键设备进行风险评估，识别潜在的风险和故障点，并采取相应的控制和预防措施。
2、制定冷冻系统的定期维护计划，包括清洁、润滑和检修等工作。定期检查冷冻系统的各个组件，如压缩机、冷凝器、蒸发器和冷却塔等，确保其正常运行和高效性能。 
3、为冷冻系统设备配置冗余和备份，如备用冷却塔、备用压缩机等。在主要设备发生故障时，备份系统能够自动接管，保持机房的冷却效果，避免机房温度升高。
4、建立故障排查和修复机制，迅速响应冷冻系统故障，及时修复，避免机房温度升高。
5、为机房管理人员和冷冻系统操作人员提供相关培训，使其熟悉冷冻系统的工作原理和操作规程。提高员工对冷冻系统管理的意识和重视程度，能够及时发现和处理潜在问题。
技术上：
1、安装温度传感器、压力传感器和液位传感器等监控设备，实时监测冷冻系统的运行状态和参数。通过智能化管理系统对冷冻系统进行远程监控和操作，及时发现异常并采取相应措施。
2、采用系统监测和故障诊断技术，实时监测冷冻系统的运行状态，并通过数据分析和故障诊断算法，提前发现潜在问题和故障迹象。及时采取修复措施，避免冷冻系统故障导致机房升温宕机。
3、确保冷冻系统设计能够满足机房的负荷需求，并避免过载运行。在机房负荷变化较大的情况下，考虑采用负荷平衡的措施，如引入多个制冷设备以分担负荷，避免单个设备超负荷运行导致故障。