Azure Cognitive Search美国中南部平台触发故障原因及预通知方式问询

1. PlatformInitiated 类型停机故障的常见触发场景 #

• Azure底层基础设施硬件故障：对应区域的服务器物理硬件损坏、机房供电/制冷系统异常、网络设备故障等无提前预警的平台侧硬件类问题
• Azure Search服务计划性更新异常：微软推送底层安全补丁、服务架构升级时，极端情况下滚动更新策略失效，可能触发多副本同时不可用，该类事件会被标记为平台触发的停机
• 区域级服务资源容量耗尽：当目标区域Azure Search的可用算力/存储配额被占满，同时叠加底层故障导致可用资源进一步收缩时，会触发已有服务可用性下降、新服务一直处于provisioning状态的问题，和你本次遇到的故障表现一致
• 区域性网络故障：对应区域的骨干网络波动、跨可用区网络中断，即使你的服务副本分布在不同可用区，也可能因为网络互通问题被判定为降级/不可用，同样属于平台触发的停机范畴

2. 平台触发停机事件的通知方案 #

• 非计划性平台故障（突发硬件损坏、未预见的网络中断）无提前预警，仅会在故障发生后推送事件通知
• 计划性平台维护事件可以通过以下配置实现提前接收通知：
  • 在Azure Monitor中配置活动日志告警规则，筛选Health Event类型、PlatformInitiated原因的事件，绑定邮件、短信、Webhook等通知渠道，事件产生时即可第一时间收到告警
  • 订阅Azure服务健康通知，针对你正在使用的服务类型、部署区域配置维护预警，计划性升级前1~7天会收到官方通知，可提前调整副本分布、切换流量到备用区域避免业务受损
• 补充容灾建议：如果业务对可用性要求较高，建议提前配置跨区域的索引副本同步策略，故障发生时可直接切换流量到备用区域，避免全量重索引的延迟损耗

内容的提问来源于stack exchange，提问作者Darren Ford