云服务器SLA包含哪些服务范围?故障时如何判断服务商应承担什么责任
云服务器出现访问超时、连接被拒绝、网站报错或间歇性变慢时,不能仅凭“网站打不开”判断责任归属。需要先确认影响范围,再把异常拆分为服务商网络、云主机资源与系统、网站应用及外部依赖等层级。SLA通常约束的是合同中明确列出的云资源可用性、网络可达性或运维响应,而不是自动覆盖服务器上的所有程序和业务损失。
判断服务商是否应承担责任,核心是对照三项内容:故障发生在哪个服务层、该层是否属于合同SLA范围、现有证据能否证明该层在约定时间内未达到指标。证据不足时,应先完成信息交接和联合排查,不宜直接将应用故障或客户配置问题归因于云平台。
先按影响现象划分故障层级
同一条“访问失败”现象,可能对应完全不同的责任对象。建议先记录故障开始时间、结束时间、影响区域和受影响对象,再观察异常位于哪一层。
| 观察现象 | 优先关注的层级 | 常见责任边界 | 首要证据 |
|---|---|---|---|
| 多个云主机同时无法连接,控制台也显示异常 | 云平台网络或基础设施 | 通常需要由云服务商确认底层资源、交换网络或区域性故障 | 多实例探测结果、控制台状态、服务商事件通知 |
| 只有某台云主机无法通过公网访问,但同区域其他实例正常 | 主机系统、实例网卡、安全策略或单实例资源 | 可能属于客户系统配置,也可能需要服务商核查实例宿主和虚拟网络 | 实例状态、端口监听、防火墙规则、系统日志 |
| TCP连接成功,但HTTP返回500、502、503 | 网站应用、反向代理或上游服务 | 通常由应用维护方处理;若托管的反向代理或负载均衡本身异常,则需按对应产品SLA判断 | Nginx日志、应用日志、上游响应、请求ID |
| 网站仅部分地区无法访问 | DNS、线路、CDN、区域网络或访问控制 | 需要区分解析结果、线路可达性和源站状态 | 多地点DNS解析、HTTP探测、源站访问记录 |
| 网站能打开但明显变慢 | 主机资源、数据库、应用代码、网络抖动或外部接口 | SLA是否覆盖性能,取决于合同是否约定延迟、带宽或资源保证 | CPU、内存、磁盘、网络、接口耗时和应用慢日志 |
| 重启后恢复,但之后再次出现 | 系统资源泄漏、应用进程异常、内核或底层资源问题 | 重启只能恢复现象,不能证明服务商或客户一方责任 | 重启前监控、系统日志、进程状态、实例事件 |
“无法访问”还需要进一步拆成DNS解析失败、TCP连接失败、TLS握手失败、HTTP状态码异常和页面业务报错。每个阶段对应的处理对象不同,不能用同一份证据覆盖全部层级。
SLA到底覆盖哪些服务范围
1. 云资源可用性
云服务器SLA常见的保障对象包括实例运行状态、虚拟机可用性、云硬盘可用性、弹性公网IP或虚拟网络等,但具体范围取决于产品合同和服务说明。
需要重点核对以下条款:
- 服务对象:是单台云服务器、一个可用区、云硬盘、负载均衡,还是整个账号下的云资源。
- 可用性定义:是实例能够正常运行,还是要求指定端口可连接、网络能够双向通信。
- 测量位置:从服务商内部探针、控制台管理面、指定网络入口,还是从公网用户侧测量。
- 统计周期:按自然月、账期、单次事件,还是按连续时间窗口统计。
- 排除项:计划维护、客户停机、错误配置、欠费、超出配额、第三方线路和不可抗力等是否不计入。
- 补偿方式:服务抵扣、账户余额补偿或其他形式,是否需要客户在规定期限内申请。
例如,合同写明“云服务器实例可用性”,通常只能说明服务商对实例运行和底层资源负责;它不一定意味着部署在实例中的网站首页、数据库事务或第三方支付接口都必须可用。
2. 网络连通性与带宽
网络范围至少要区分以下对象:
- 云平台内部网络,例如同一私有网络中的实例通信;
- 公网入口,例如公网IP、弹性网卡或负载均衡监听器;
- 服务商骨干网络或数据中心出口;
- 运营商、跨地域线路、用户本地网络;
- DNS、CDN和其他独立网络产品。
“网络不通”只有在测量点、目标地址和协议都明确时才有判断价值。ICMP被禁用并不代表TCP或HTTP不可用;某一运营商无法访问,也不等于整个云平台公网入口中断。反过来,如果多个独立地点对同一公网IP的TCP连接在相近时间内同时失败,并且服务商内部监控也显示入口异常,就更适合提交网络层事件工单。
带宽承诺也不等同于网站实际下载速度。需要确认合同约定的是端口峰值、共享带宽、专用带宽、流量包,还是某个产品的吞吐指标。应用处理时间、磁盘读取和客户端线路都会影响最终页面速度。
3. 主机系统和基础运维
云主机交付后,操作系统内的许多配置通常由客户或客户委托的运维团队负责,包括:
- SSH或远程桌面服务是否运行;
- 操作系统防火墙和安全组规则;
- Nginx、Apache、IIS、PHP-FPM、Java进程等服务;
- 磁盘空间、文件系统、日志轮转;
- CPU、内存、连接数和进程资源;
- 系统补丁、内核参数和账号权限;
- 应用程序、数据库及其备份策略。
如果购买的是托管操作系统、托管数据库或代运维服务,责任边界可能向服务商延伸,但仍需要以服务清单、工单范围和响应等级为准。仅购买一台基础云服务器,并不自动包含网站程序维护、数据修复或业务代码改造。
4. 应用、数据和第三方依赖
HTTP状态码为200,也不代表业务一定正常;HTTP状态码为500,也不代表云平台网络异常。应用层需要由网站开发或运维人员检查:
- 应用进程是否存活,线程池、连接池是否耗尽;
- 数据库连接、锁等待、慢查询和事务失败;
- 代码异常、配置缺失和版本发布;
- 对象存储、短信、支付、地图、邮件等外部接口;
- 域名证书、回源Host、跨域和登录会话;
- 缓存、队列、定时任务和文件权限。
第三方服务的故障通常需要由对应服务商处理。云服务器提供方可能只能协助确认源站网络和实例状态,不能替代外部API提供商修复其接口。

按证据定位网络、系统和应用
1. 网络层:先确认是否真的到达云主机
网络层排查应从多个位置发起,至少包括一台受影响客户端、一台不同运营商或不同地域的探测机,以及云主机本身。记录时要固定目标IP、端口、协议和时间。
可先在Linux客户端执行以下低风险检查:
date -u
dig +short example.com
curl -sS -o /dev/null \
-w 'remote_ip=%{remote_ip} connect=%{time_connect}s tls=%{time_appconnect}s starttransfer=%{time_starttransfer}s total=%{time_total}s code=%{http_code}\n' \
https://example.com/
这组结果可以帮助区分:

dig没有返回地址:优先检查DNS记录、权威DNS、递归DNS或域名状态;- 能解析但连接超时:检查公网入口、安全组、防火墙、路由或目标端口监听;
- TCP连接成功但TLS失败:检查证书、协议协商、SNI和反向代理配置;
- TLS成功但HTTP返回5xx:进入反向代理和应用层排查;
- 多地点仅某一线路失败:需要保留各地点结果,交由线路或网络服务商判断。
从云主机检查到目标地址的路由,只能说明该主机发出的流量路径,不能单独证明公网用户到达云主机的入站路径:
ip route get 1.1.1.1
curl -sS -o /dev/null \
-w 'connect=%{time_connect}s total=%{time_total}s code=%{http_code}\n' \
--connect-timeout 5 \
https://example.com/
端口检查比单纯Ping更贴近网站访问:
nc -vz -w 5 example.com 443
如果系统没有安装nc,不要为了排障临时执行来源不明的安装脚本。可以使用现有的curl、系统控制台或安全的探测平台完成验证。traceroute或tracert中途某一跳不响应,也不能直接证明该节点丢包,因为许多路由器会限制或忽略探测报文;应结合最终目标的TCP或HTTP结果判断。
2. 主机层:确认实例、端口和资源状态
如果网络探测已经到达服务器,需要确认操作系统是否在正常提供服务。以下命令为只读检查,不会重启服务或修改规则:
uptime
free -h
df -h
ss -lntp
ps -eo pid,ppid,stat,%cpu,%mem,cmd --sort=-%cpu | head -n 15
关注点包括:
uptime显示的负载是否持续升高,以及是否与CPU核心数匹配;free -h中的可用内存和交换分区是否长期耗尽;df -h是否有根分区、日志分区或应用分区达到100%;ss -lntp中目标端口是否监听在正确地址;- 进程是否反复退出、占用异常CPU或内存。
如果使用systemd,可以读取相关服务在故障时段的日志:
journalctl --since "2025-01-15 10:00:00" \
--until "2025-01-15 10:15:00" \
-u nginx --no-pager
其中时间只是示例,应替换为实际故障窗口,并确认服务器时区。不要只提供“现在恢复了”的截图;恢复后的状态不能替代故障发生时的证据。
安全组和系统防火墙需要分别检查。前者通常在云平台控制台或API中管理,后者位于操作系统内。变更规则前应先保存当前配置和管理入口,确认不会把SSH、远程桌面或业务端口锁死;如果只是为了收集证据,优先读取现有规则,不要直接放开全部端口。
3. 应用层:用请求链路证明错误发生在哪里
反向代理日志通常可以区分客户端连接、代理转发和上游应用响应。以Nginx为例,先根据实际配置确认日志路径,不要假设所有发行版都使用相同位置:
nginx -T 2>/dev/null | grep -E 'access_log|error_log'
常见分析项包括:
- 客户端请求是否到达Nginx;
- Nginx是否成功连接上游应用;
- 上游返回了什么状态码;
upstream_response_time和request_time是否明显升高;- 是否集中出现
connect() failed、upstream timed out或no live upstreams。
如果访问日志中没有该请求,问题可能发生在DNS、入口网络、CDN或负载均衡之前;如果日志中有请求但上游连接失败,重点交给应用进程、应用端口或主机资源负责人;如果上游正常返回业务错误,则需要由应用团队继续处理。
日志交接时应脱敏。不要把完整Cookie、Authorization令牌、数据库密码、私钥或用户身份证明信息直接提交到工单。可以保留时间、状态码、请求路径、请求ID和经过遮盖的客户端信息。
责任边界:什么情况通常由谁处理
责任不能只按“服务器在哪家购买”划分,而要结合产品类型和合同条款。以下是常见的协作边界:
| 故障证据 | 主要处理方 | 服务商可能承担的范围 | 客户或应用方需要承担的范围 |
|---|---|---|---|
| 同区域多实例公网入口同时中断,服务商事件记录相符 | 云平台网络或基础设施团队 | 修复网络、宿主机、虚拟化或区域基础设施,并按SLA评估 | 提供受影响资源和时间窗口,配合验证 |
| 单实例控制台异常、底层状态异常 | 云平台技术支持 | 核查实例所在宿主、虚拟网卡、云硬盘和底层事件 | 提供实例ID、重现时间和业务影响 |
| 实例运行正常,但安全组或系统防火墙拒绝端口 | 客户运维团队 | 说明平台侧网络是否正常 | 修正规则,并保留变更前配置和回滚方案 |
| 端口监听消失、磁盘满、进程崩溃 | 客户系统或应用团队,除非购买托管服务 | 协助确认实例和磁盘底层状态 | 修复服务、资源、日志和应用配置 |
| Nginx返回502,应用端口不可用 | 应用或系统团队 | 仅在托管反向代理、负载均衡或底层网络属于服务范围时介入 | 检查上游进程、连接池、部署版本和应用日志 |
| 数据库慢查询、代码异常、第三方接口超时 | 应用、数据库或第三方服务方 | 若数据库是托管产品,则按数据库产品SLA核查 | 优化查询、修复代码、联系外部接口提供方 |
| 客户主动重启、修改配置、发布版本后发生故障 | 变更执行方优先排查 | 服务商可协助确认平台状态,但不一定计入SLA | 提供变更单、版本号、回滚记录和影响范围 |
表中的“通常”不是合同结论。比如某些服务商提供操作系统托管、应用托管或数据库托管,此时补丁、进程和数据库层面的责任可能由服务商承担;而非托管云服务器往往只覆盖基础资源和平台网络。
A5idc数据提供中国香港、美国、日本、韩国、中国台湾、新加坡和马来西亚等地区的物理服务器租用,覆盖常规建站、业务后台、数据库、接口服务及多任务计算等场景。不同地区和产品系列配备不同的CPU、内存、SSD或NVMe存储、带宽线路及IP资源,并提供大容量存储、GPU和多IP服务器方案,为网络连通、主机资源与业务部署提供清晰的硬件基础。
SLA中的“可用”不等于业务无感知
判断是否达到赔付或服务补偿条件时,至少要核对以下概念。
可用性与性能不是同一指标
实例处于运行状态,不代表HTTP请求一定在规定时间内返回。若合同只约定资源可用性,CPU过高、应用慢查询或页面响应时间变长,可能不满足SLA故障定义。若合同另行约定网络时延、丢包、带宽或托管服务响应时间,则需要按对应指标取证。
例如,30天账期共有:
- 30 × 24 × 60 = 43,200分钟;
- 99.9%可用性允许的理论不可用时间为43,200 × 0.1% = 43.2分钟。
这只是演示计算,不代表任何服务商的实际承诺。还要确认合同是否按自然月统计、是否扣除计划维护和客户原因,以及不可用时间如何起止计量。
服务补偿不一定等于全部损失赔偿
很多SLA采用服务抵扣或账户补偿,并规定申请窗口、最低故障时长和最高补偿上限。即使服务商确认构成SLA事件,也不必然意味着自动承担业务收入、数据恢复、品牌影响或第三方损失。
因此,工单中应分别写清:
- 请求确认的技术事件是什么;
- 请求核对的SLA指标是什么;
- 请求评估的服务补偿是什么;
- 业务损失是否另有合同、保险或法律依据。
不要把“请求SLA补偿”写成“要求服务商承担全部损失”,除非合同已有明确依据。
计划维护和客户操作要单独标记
维护窗口、扩容、版本发布、重启、修改安全组、切换DNS等操作,可能与故障时间重叠。应保留操作人、开始时间、变更内容和验证结果。如果服务商提前发布维护公告,也要记录公告时间和维护范围。
客户操作并不自动排除服务商责任。例如,客户修改了应用配置后出现HTTP 500,通常由应用方先处理;但如果同一时段云硬盘也发生底层I/O异常,仍需把两个事件分开核对,而不是用一次变更解释全部现象。

交给服务商的工单应包含什么
信息完整的工单比“服务器挂了,请尽快处理”更容易进入正确的技术团队。建议按下面格式整理,时间统一使用带时区的格式,例如2025-01-15 10:05:30 UTC+08:00。
基础信息
- 账号、地域、可用区、实例ID;
- 公网IP、私网IP、负载均衡或云硬盘ID;
- 受影响的域名、端口和协议;
- 产品类型及是否包含托管运维;
- 故障开始时间、结束时间或当前是否持续;
- 是否存在发布、重启、扩容、DNS或安全策略变更。
影响范围
- 单个实例还是多个实例;
- 全部用户还是部分地域、部分运营商;
- 全部接口还是某个路径、某个业务功能;
- HTTP失败比例、连接失败比例或大致受影响请求量;
- 是否有备用节点,切换后现象是否变化。
影响量可以使用监控统计,不要为追求精确而编造数字。若只能估算,应写成“监控显示约三分之一请求失败,待日志核对”,不要写成未经验证的精确比例。
分层证据
- 多个地点的DNS解析结果;
- TCP端口测试和HTTP状态码;
- 控制台实例状态、事件记录和监控图;
- CPU、内存、磁盘、网络和连接数曲线;
- 系统服务状态及故障时间段日志;
- 反向代理访问日志、错误日志和请求ID;
- 应用、数据库或第三方接口的对应错误;
- 发生过的变更、恢复动作和恢复时间。
可以将证据压缩为“时间线+结果表”,例如:
| 时间(UTC+08:00) | 观察结果 | 证据位置 | 初步交接对象 |
|---|---|---|---|
| 10:05:30 | 两个地域HTTPS连接超时 | 探测记录A、B | 云网络或公网入口团队 |
| 10:07:10 | 实例控制台显示运行中 | 控制台截图 | 云平台与系统团队共同核对 |
| 10:08:00 | 443端口无监听 | ss -lntp输出 | 系统或应用团队 |
| 10:12:40 | 启动应用后返回502 | Nginx错误日志 | 应用团队继续检查上游 |
“初步交接对象”不等于最终责任方,目的是让工单先进入能够读取相应证据的团队。
发生故障后的协作顺序
第一步:保留现场,确认是否仍在扩大
先记录时间、影响范围和现象,不要立即重启、删除日志、清空缓存或覆盖配置。若业务仍在扩大影响,可以按照已有应急预案进行流量切换,但要记录切换前后的时间和结果。
如果必须重启或回滚,先确认:
- 是否已有最近可用备份;
- 是否能保留系统日志、应用日志和监控数据;
- 回滚是否会影响数据库结构或正在处理的事务;
- 是否有明确的恢复方式和负责人。
第二步:从外部入口到主机内部逐层核对
先查DNS和公网端口,再查实例状态、系统资源、监听端口,最后查看反向代理和应用日志。这样可以避免在应用层反复修改代码,却忽略公网入口根本没有到达实例。
每一步都要记录“成功意味着什么、失败意味着什么”。例如:
- DNS正常但443连接失败:转向网络、入口、安全策略和监听端口;
- 443连接成功但502:转向反向代理和上游应用;
- 200响应但业务数据错误:转向应用逻辑、数据库或外部依赖;
- 仅单个地点失败:保留地域和运营商信息,避免直接判定云平台整体故障。
第三步:把无法确认的部分交给正确对象
如果证据显示问题在服务商网络层,工单中应明确要求核对指定时间窗口、实例ID、目标IP和区域事件;如果证据显示端口未监听或应用返回错误,则应由客户系统或开发团队接手。
交接时不要只转发原始日志,还要补充一句清晰的判断,例如:
10:05至10:12,来自两个独立地域的HTTPS请求均无法建立连接;实例控制台显示运行中,当前尚未确认443端口监听状态,请云平台核对公网入口、虚拟网卡及区域网络事件。应用日志将在端口恢复后继续补充。
或者:
外部HTTPS连接正常,Nginx持续返回502;日志显示上游127.0.0.1:8080连接失败,实例CPU和磁盘空间正常,请应用团队核对进程退出记录和最近发布版本,云平台侧暂不作为主要处理对象。
最终核对责任时的判断清单
在要求服务商确认责任或申请SLA补偿前,逐项核对:
- 故障对象是否在合同列明的产品范围内;
- 发生时间是否位于有效服务周期;
- 测量点是否符合SLA规定,而不是只使用单一用户侧结果;
- 是否存在计划维护、欠费、配额、客户变更或安全策略影响;
- 监控数据能否证明连续不可用,还是只有零散请求失败;
- 故障是可用性问题、性能问题,还是应用业务错误;
- 依赖的DNS、CDN、数据库、存储或第三方接口是否属于同一SLA;
- 是否已达到服务补偿的申请时限和最低故障条件;
- 工单是否包含资源ID、时间、影响范围和可复核证据。
完成上述核对后,下一步应由当前证据指向的负责人接手:网络入口异常交给云平台网络团队,实例和操作系统问题交给系统运维,HTTP错误和业务数据问题交给应用或数据库团队;同时保留统一时间线和原始日志,待各层确认后再对照SLA条款判断是否构成服务商责任及相应补偿。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/8930.html

