图片
前段时间，全球两大云计算巨头，微软和亚马逊相继发生了严重故障。这两家公司，占了全球六成的云计算市场份额。它们一旦出现问题，全球大量网站都会跟着瘫痪。 真正让人意外的，不是故障本身，而是故障发生的原因。这两场故障的原因都很基础。微软是工程师改配置时加了无效参数，这是操作失误。亚马逊是核心节点太集中，一个区域出故障就引发连锁反应，就像多米诺骨牌一样。这属于架构设计的问题。 在有些领域，“小故障”会引发“大崩溃”。再坚固的系统，也总有脆弱的环节存在。该怎么应对这些风险呢？我们一起来看看。01科云汇
系统越复杂，失误的破坏力越大
微软和亚马逊这样的情况，在很多领域都长期存在。比如，就在今年2月，欧洲央行的清算系统瘫痪了7个小时。这个系统每天要处理超过3万亿欧元的金融交易，它出问题科云汇，整个欧洲的银行之间都无法正常交易。那么为什么会出问题呢？是因为一条高压电线坠落。没错，一条电线的问题，就能让整个欧洲的金融系统瘫痪。再比如，2021年10月，日本一家通信运营商更换网络核心设备，结果引发故障，持续了62个小时，4000万用户受影响。你看，就是换个设备，这么简单的操作，让4000万人失联了两天多。以上这些事故，都有一个共同特点，就是“小故障”引发“大崩溃”。换句话说，风险永不眠。再坚固的系统，也总有脆弱的环节存在。那么，怎么应对这些风险呢？关于这个问题，很多人研究过。今天我们要说的，是来自耶鲁大学的社会学家，查尔斯·佩罗的研究。为什么选他？因为佩罗是世界上最早系统性研究这个问题的人，也是灾难管理领域最有影响力的学者之一。现代航空、核电领域的很多防风险设计，都脱胎于佩罗的理论。我们先从一个结论说起，佩罗认为，“失误”的破坏力，取决于系统的“复杂度”。系统越复杂，失误的破坏力就越大。为什么这么说呢？佩罗总结了现代社会中的大多数重大事故，包括飞机坠毁、化工厂爆炸等等，发现这些事故有两个共同特征。第一个特征就是系统的“复杂性”，很多因素互相关联。这就好比一个巨大的齿轮系统，一个齿轮转动会带动其他齿轮。换句话说，你动了A，可能会影响到B、C、D，而B、C、D之间又会互相影响，最后产生的结果可能完全超出你的预期。第二个特征是“紧致耦合”。所谓紧致耦合，就是缺少缓冲地带，错一点都不行。一个地方出问题，马上就会波及其他地方，根本没有时间和空间来补救。佩罗认为，复杂性加上紧致耦合，几乎等于必然出错。他举了几个例子来说明。比如，大桥就是一个不复杂、耦合也不紧的系统。哪个桥墩有问题，不至于马上波及别的桥墩，而且你有时间去修。再比如，道路交通不复杂，但耦合比较紧，一条路上任何地方出事故，整条路都有可能堵车，但也就是堵车而已，不会出大事。而像核电站和化工厂，既有复杂性，耦合又紧，就容易出现大事故。
02从“人”入手
怎么降低事故的发生概率？关键在于，从“人”入手。没错，系统的错误来自人，但最有效的补救也来自人。什么意思？我们拿航空业举例。科普作家瘦驼在《一席》演讲上说过一个数字，在航空领域，安全事故当中90%来自人为因素。比如，1983年，加拿大航空一架波音767飞到一半，两个发动机全停了，原因是加油的员工把计量单位搞错了，把“公斤”当成了“磅”，于是只加了不到一半的油。更要命的是，所有检查环节都没发现这个错误。所以在1万米高空，飞机完全失去了动力。后来机长凭经验找到了一个废弃机场，在完全没有动力的情况下，靠滑翔成功降落，所有人才得以获救。再比如，2009年，美国一架客机刚起飞就撞上了鸟群，之后两台发动机全部失效。在完全失去动力的情况下，机长果断决定迫降到哈德逊河，全员才得以生还。这个事件后来还被拍成了电影《萨利机长》。前面这些属于处理及时的，也有处理不及时的，比如，2024年，韩国济州航空也是撞鸟导致发动机故障，但机组在处置过程中出现失误，最终导致全机遇难。上面几个案例都说明了一个问题，就是人为因素是双刃剑，犯错的是人，发挥主观能动性补救的也是人。
03航空业的五个防风险机制，普通人也能用
复杂系统的很多“防风险设计”，都是从人入手制定的。咱们还是以航空业为例。在过去100多年的时间里，航空业发展出了五个防风险机制，而且这些经验都是用沉痛的代价换来的。第一个机制，叫精确沟通原则。说白了，你得确保自己发出的每一个信息，都被对方准确接收到。比如，在航空通信中，飞行员和地面管制员经常需要报告飞机编号、航路点代码等信息，这些都包含大量字母。你想想，在嘈杂的环境中，B和D、M和N这些字母特别容易被听错，一旦搞混，可能导致严重后果。所以，上世纪50年代，国际民航组织向全球推广了一套字母表，Alpha、Bravo、Charlie、Delta、Echo等，都是用一些容易读出来，又不是那么常用的单词来代替。换句话说，在生死攸关的时刻，任何可能的误解都要提前杜绝。第二个机制是，检查清单机制。1935年10月30日，波音299飞机试飞时坠毁，导致两个人死亡，而且其中一个还是功勋试飞员。当时经过调查发现，这个飞机使用了很多新技术，操作流程跟之前的老飞机很不一样。但飞行员由于经验丰富，没有提前去了解新飞机的操作，结果在驾驶过程中忘记了一个关键流程，最终酿成了悲剧。换句话说，再有经验的人，也会因为流程变化而犯错。后来波音公司就痛定思痛，把整个流程做成了一个检查单，然后起飞前按照这个单子一项一项做，每项都画勾。而到了今天，即便是再老练的飞行员，仍然要按照检查单一项一项地核对。第三个机制是，视觉提醒系统。1996年10月2日，秘鲁航空603航班，在太平洋海域失事，导致70人死亡。后来从残骸上找到了事故原因，机身的某个传感器盖子上，被贴了一条胶布。这个胶布是民航维修时经常用的高速胶带。由于飞机表面有很多传感器，停在机场维修时，为了防止昆虫钻进去，会贴胶带。但检修完成后，地勤人员忘了把胶带撕下来，结果在飞行过程中传感器失去了作用，飞行电脑完全混乱，飞机就出现了事故。后来，为了防止类似的事故再次发生，航空公司引入了“视觉提醒”机制。飞机上那些临时安装的保护装置，比如发动机进气口的防护罩、起落架的安全销等，都会挂上醒目的红布条，上面写着“起飞前取下”。这样一来，飞机推出去滑行时，所有人都能看到哪里还有红布条没摘，就知道有东西忘了处理。第四个机制是，物理防错设计。1994年6月6日，一架客机在空中解体。问题出在驾驶舱下面的电子舱，地勤人员在维护时，把控制副翼和控制航向舵的两个插头接反了。结果飞机起飞后，飞行员操作副翼时，动的却是航向舵，完全失去控制，最终酿成悲剧。其实设计师已经考虑到了这个问题，两个插头用了不同的颜色来区分。但在狭窄昏暗的电子舱里，地勤人员根本看不清楚颜色，最终还是搞错了。换句话说，仅仅依靠颜色区分是不够的，人在复杂环境下还是会犯错。那怎么办呢？后来航空业就想出了一个更可靠的办法，让每个插头的形状都不一样，错误的插头和插座在物理上就插不进去。这样一来，就算在黑暗中也不可能插错。第五个机制是，安全文化建设。说白了，就是建立一个“重视风险”的工作氛围。比如，在空客的图卢兹总部，有个场所叫“空客安全促进中心”。这里面专门用来展览空客过去犯过的错误。这里最大的展品，是一个巨大的发动机外罩。这个东西很有来历。2017年9月30日，法国航空66号航班，一架空客A380飞着飞着右边第一台发动机的外面罩子突然没了。为了分析事故原因，空客花了很长时间，在格陵兰岛冰原上找到了飞掉的外罩。在这个安全促进中心最后的地方，还有一块专门的牌子，用来纪念所有因空客飞机空难死亡的遇难者。换句话说，所谓“安全文化建设”，首先也许要从承认过去的错误开始。当然，前面这些都是目前为止的摸索实践。航空业也未必是绝对完美的，它也在不断地改进当中。说到这，回到开头的问题。既然风险无法避免，我们如何与错误共处？佩罗的经验是，错误由人产生，也由人修复。因此，设计系统的关键就在于科云汇，留出足够的冗余，让人去发现错误、抓住错误、改正错误。借用著名航空工程师墨菲说的，“任何可能出错的地方，一定会出错。因此，最重要的不是让人不犯错，而是让系统在人犯错时也能运转。”容错能力，也许是一个人、一个组织、一个系统最关键的竞争力之一。
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。股票配资平台提示：文章来自网络，不代表本站观点。
