近日，腾讯云的客户北京清博数控科技有限公司所属“前沿数控”平台一块操作系统云盘发生故障，导致文件系统元数据损坏。
腾讯方面提出了总金额136,469元的“赔偿+补偿”解决方案，前沿数控则索赔11,016,000元，被腾讯认为过高，双方未达成一致。
现在，腾讯云发布了一份关于客户“前沿数控”数据完整性受损的技术复盘，对客户业务所受影响表示诚挚歉意的同时，详细解释了此次故障发生的根源，以及将采取的措施。
腾讯云经过复盘发现，故障缘起于因磁盘静默错误导致的单副本数据错误，再加上数据迁移过程中的两次不规范的操作，导致云盘的三副本安全机制失效，并最终导致客户数据完整性受损。
当天上午11:57，腾讯云运维人员收到仓库I空间使用率过高告警，准备发起搬迁扩容。
14:05，运维人员从仓库I选择了一批云盘搬迁至新仓库II，为了加速搬迁，手动关闭了迁移过程中的数据校验。
20:27，搬迁完成之后，运维人员将客户的云盘访问切至仓库II，同时为了释放空间，对仓库I中的源数据发起了回收操作。
20:30，监控发现仓库II部分云盘出现IO异常。
腾讯表示，数据搬迁过程中的违规操作主要如下两点：
第一是正常数据搬迁流程默认开启数据校验，开启之后可以有效发现并规避源端数据异常，保障搬迁数据正确性，但是运维人员为了加速完成搬迁任务，违规关闭了数据校验；
第二是正常数据搬迁完成之后，源仓库数据应保留24小时，用于搬迁异常情况下的数据恢复，但是运维人员为了尽快降低仓库使用率，违规对源仓库进行了数据回收。
因这些错误操作的连续影响，导致该客户数据完整性受损，给客户的正常业务运行造成影响，腾讯云再次表示最诚恳的歉意。
改进措施方面，腾讯云提出了两点：
首先，将全面审视所有的数据流程，涉及数据安全的流程自动化闭环，进一步提升常规运维自动化和流程化，降低人工干预，同时把全流程的数据安全校验作为系统的常开功能，不允许被关闭。
其次，针对物理硬盘静默数据错误，在当前用户访问路径数据校验自愈的基础上，优化现有巡检机制，通过优先巡检主副本数据块、跳过近期用户访问过的正确数据块等方法，加速发现该类错误，进行数据修复。
另外，腾讯云建议用户开启免费的快照功能，对重要数据进行定期备份。
对于索赔和赔偿问题，腾讯云暂未披露更多进展。 |
