1. 配额限制
每种云上的资源，能用多少是有限制的。
这是云厂为了防止资源滥用，降低租户之间的相互影响。
比如，一个账户下的企业项目数、弹性主机的数量、弹性公网 IP 的数量、弹性公网 IP 带宽的大小等。
因配额不够导致的资源申请失败，很常见；但在弹性业务高峰期，这个问题就会变得很严重。
如果是自己开发了控制平面，内部的云管平台，尤其要注意这些配额限制，做好监控。
2. 共享导致的性能问题
云厂有些资源区分独享和共享，共享的价格比独享的便宜很多。
很多时候，我们出于成本考虑选择了共享的资源，但却给自己挖了一个坑。
华为云的共享负载均衡开启性能保障模式后，提供并发连接数 5 万、每秒新建连接数 5000、每秒查询数 5000 的保障能力。如果超过这个限制，业务侧就会报错。
共享类的资源都可能出现类似的问题，SLA 无法保障，或者性能无法保障。
3. 资源强制升级
云厂为了修复版本漏洞、跟进新特性，会强制升级一些资源。
云厂的强制升级，通常是热更新，会提前通知使用方，但使用方不一定会关注。
强制升级其实是一个负责任的行为，需要使用方持续投入精力跟进，但使用方往往会忽略这个事情，认为其吃力不讨好。
海外的厂商，比如 AWS 就会强制升级 RDS 等数据库，这些数据库的升级，会导致数据库闪断，短时间内无法访问。而 EKS 的升级，是通过替换底层的 EC2 实例来实现的，又非常的平稳。
关注云厂的通知，积极干预、主动升级比被动升级要好很多。
4. 云厂之间的参数差异
不同于自建的基础设施，整齐划一，云厂的基础设施参数、配置差异很大。
比如，重启华为云主机之后，NetworkManager 会覆盖 /etc/resolv.conf 中的 DNS 配置。这其实是配置 DNS 的地方不对所致，但在其他云厂却没碰到这个问题。
再比如 AWS 支持巨型帧，MTU 可以设置为 9001，但华为云不支持。
建议自定义基础设施的配置，而不是依赖云厂的默认配置，包括网络、存储、安全组、基础镜像等。事前圈定好这些配置，比事后对齐配置要好很多。
5. 云厂硬件故障
如果你是大客户，很有可能会经常收到类似这样的提示:
| |
云厂经常会出硬件故障，AWS 尤其多，机器实在太旧了。虽然云厂做了冗余和热迁移，但发生时，并不能保证 100% 不受影响，业务会有感知。
在选择资源规格时，如果能选多 AZ 就选多 AZ，如果能选多 Region 就选多 Region。核心业务要用钱和冗余换稳定性。
6. 云厂软件故障
云厂的代码也是人写的，有人的地方就有 BUG。
这是近期一个事故的报告:
| |
云厂的态度很好，但是不解决问题，只能尽量减少类似事件。越是非头部厂商，软件问题可能会越多。
建立起对云厂功能的 SLO 指标，对于核心的功能，直接影响业务稳定性的功能要建立监控、告警体系，即时发现、即时反馈给云厂干预解决，否则等业务有问题，事情就变得很紧急了。
7. 欠费导致无法新建云资源
想不到吧，还有因为欠费导致无法新建云资源的坑。欠费不影响已有资源，但是影响新建资源。
我就经过过两次因欠费导致无法新建云资源的事件，一次是国内的账户，一次是海外的账户，海外入账周期比较长。
云厂商提前一晚通知，3，4，5月账单未支付，目前 xxx 账号已欠费，目前我们商务这边已经在申请信用额度扩容了，需要等2天；
第二天就因为欠费，导致弹性扩容失败，整个上午大家都在催公司打款、催云厂扩充信用额度、转移业务流量。挺浪费运维人力。
公对公的对账周期长，很容易出现欠费的情况，无上限增加信用额度肯定是不可行的。每次欠费都让云厂紧急处理，会降低云厂对你的服务质量。
建议和公司财务、云厂协商好，按期付款，信用额度能支持一个周期就好。如果厂商有催款通知，不要拖欠赶紧打款。
8. 云厂变更时，人为操作失误
缓存服务失联，相关的服务全都异常。云厂解释，搬运其他设备时，同时误操作了线上的四台核心交换机。
“同时关四台核心交换机”，无论是不是外包干的，都是云厂流程上极大地失误。
不多久，另外一个云厂也是因为人为操作失误，导致了大面积的服务不可用。
原因是，在修改一个带宽配置时，本来是 40Gbps 修改为 50Gbps，但是操作人员误操作，修改为 5Gbps，导致了大面积的服务不可用。
云厂的这些解释非常离谱，但也不排除他们在掩盖一些更低级的失误。
