极客BIM设计工坊公众号文章

乌克兰无人机击中Yandex 两座数据中心,俄罗斯云服务中断

两座数据中心接连受损,云服务与 AI 训练资源暴露出同一条物理依赖链。

极客BIM设计工坊

公众号 · 432 篇文章

两天内,乌克兰无人机袭击了俄罗斯 Yandex 的两座数据中心。萨索沃设施完全停运,卡卢加设施部分模块离线;依赖这些机房的云服务、网站和应用随之出现访问问题。

2座

受袭数据中心。

5座

Yandex 数据中心总数。

2/3

YandexGPT 超算位于萨索沃。

这起事件的影响范围,已经超出一座建筑的损坏。数据中心承载着搜索、云计算、视频、支付和 AI 训练等不同任务;其中一个物理站点发生故障,服务会沿着云平台的依赖关系向外扩散。

 

图注:卫星图显示俄罗斯梁赞州萨索沃 Yandex 数据中心附近的受损区域。图片由 Planet Labs 提供,经 Ars Technica 发布。

两座机房在两天内接连受损

Yandex 先在 10 月 8 日确认,位于梁赞州萨索沃的数据中心遭到无人机袭击并发生火灾。公司随后表示,该中心已经完全停止运行,现场没有员工受伤,受影响服务正在恢复。

10 月 9 日,卡卢加数据中心又遭到袭击。Yandex 称,部分基础设施已经停止工作,部分服务可能出现中断,损坏范围仍在评估。乌克兰军工企业 Fire Point 对 Reuters 表示,FP-1 单程攻击无人机参与了卡卢加方向的袭击;这属于企业方面的说法。

Yandex 在俄罗斯运营 5 座数据中心。连续两座设施受损后,公司的可用容量、服务切换和设备修复都受到现实约束。公开信息没有给出完整的设备损失清单,也没有公布 AI 训练任务的具体中断时长。

口径 “萨索沃完全停运”和“卡卢加部分模块离线”来自 Yandex 的公开说明;“两座数据中心在两天内遭袭”由 Ars Technica、Reuters 等报道交叉呈现。

一座数据中心为什么会牵动这么多服务

数据中心对外提供的不是单一网站。云平台会把计算、存储、数据库、网络和备份服务拆成多个产品,客户再把自己的应用部署在这些产品之上。底层机房的电力、网络或服务器模块发生故障,上层应用就可能同时失去运行环境。

萨索沃遇袭后,俄罗斯用户报告 Yandex 旗下媒体、邮箱、支付和其他应用访问异常。依赖该站点基础设施的俄罗斯铁路网站、部分媒体和其他平台也受到影响。Yandex 自己的服务与外部客户的服务,沿着同一处基础设施形成了故障传播链。

这也解释了“多座数据中心”与“服务一定不中断”之间的差距。服务是否能继续运行,取决于流量有没有分散到其他区域,数据库和备份是否位于不同故障域,以及应用能否在另一座设施中重新启动。数据中心数量本身,无法替代这些具体安排。

AI 训练资源也被放进了这条链条

Yandex 2021 年公开资料显示,萨索沃数据中心部署了公司 3 台超级计算机中的 2 台。

这些设备使用 Nvidia A100 芯片,用于训练 YandexGPT 大型语言模型。

这条信息说明了 AI 训练与数据中心的物理关系。模型训练需要集中部署的大规模计算设备。

设备还需要稳定供电、散热和高速网络。训练数据与模型检查点也要依赖存储系统。

截至目前,Yandex 没有公布萨索沃两台超级计算机是否受损,也没有给出 YandexGPT 训练计划的延误数据。可以确认的是,承载 AI 训练的计算设备与面向普通用户的云服务处于同一组现实设施中;设施遭到攻击后,两类任务都会面对恢复和调度压力。

战争开始直接触碰数字基础设施

Yandex 数据中心遇袭发生在俄罗斯持续袭击乌克兰数据中心和通信设施之后。Ars Technica 援引 Reuters 报道称,乌克兰方面将这次行动描述为对俄罗斯袭击的回应。乌克兰总统泽连斯基也在社交平台上称,这是“对称回应”。这些表述属于交战一方的公开说法。

过去,战争中的基础设施目标更多被理解为电网、铁路、港口和通信塔。云平台把这些系统与服务器、存储、网络和软件服务连接到了一起。一次针对物理站点的攻击,可能同时影响企业应用、公共网站、支付服务和 AI 计算。

对依赖云平台的组织来说,需要先确认生产服务落在哪个可用区。

还要确认备份是否与生产系统共享同一故障域,跨区域恢复需要多长时间,关键任务能否迁移到其他算力节点。


SOURCES

Ars Technica:Yandex 数据中心遇袭报道。

Yandex 官方说明:萨索沃与卡卢加数据中心受损情况。

Reuters、Meduza:袭击经过与服务中断报道。

前往微信阅读全文

内容来自公众号,可前往微信查看原文。

查看作者的更多文章 →订阅更新、RSS 与阅读指南 →