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

发布人:A5数据发布时间:2026-11-12 09:58阅读量:35

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。

SLA到底覆盖哪些服务范围 / 应用、数据和第三方依赖配图

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:

按证据定位网络、系统和应用 / 网络层:先确认是否真的到达云主机配图

  • 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:

  1. 请求确认的技术事件是什么;
  2. 请求核对的SLA指标是什么;
  3. 请求评估的服务补偿是什么;
  4. 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。

SLA中的“可用”不等于业务无感知 / 计划维护和客户操作要单独标记配图

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
10:08:00443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502Nginx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

相关推荐