阿里云新服务器遇到的问题之–完结
- 2019 年 10 月 3 日
- 筆記
写在前面
因为原来的描述错误，内容做了更正。对于涉及T系列服务器的评论，请忽略。我们提供的是C系列计算型。因为着急，提供的错误信息请谅解。
前言
公司一直用的阿里云服务器，系统是windows server 2008。因为做技术，了解做一个云服务有多难。阿里起家早，当时的种种壮举也早已耳熟能详。本着技术人的同情与倾佩，一直很相信阿里云。结果这两天碰到了一个bug，阿里云对这个事情的处理态度让人心寒。回想去年嘲笑腾讯云因为人为失误导致用户数据丢失，结果仅仅赔付购买服务器的钱，现在觉着好打脸。是天下乌鸦一般黑呢？还是尾大不掉呢？
起因
客户反应，他游戏的阶段不对了，每个阶段非常长。我上服务器查看，错误日志没有，数据库异常语句没有，cpu正常，内存正常，磁盘正常，唯一发现内存有硬错误，并且有点多。上网查了一下，没有什么介绍为什么内存硬错误，有一点介绍是硬件读写超时导致的。找不出什么原因，就是感觉系统有点卡，看了一下配置，与我们正常的服务器没什么区别，唯一的区别是系统cpu不一样。
调查
那只能调试了。重新编译了版本，上传上去，开启远程调试，发现GetTickCount64调用异常。
这个函数参考 https://docs.microsoft.com/zh-cn/windows/win32/api/sysinfoapi/nf-sysinfoapi-gettickcount64
Retrieves the number of milliseconds that have elapsed since the system was started.
按照微软的说法，就是返回系统启动到现在经历的毫秒数。并且我们使用了这么久，没出过问题，也非常精确。
但是调试发现，GetTickCount64两次获取差值是10000，表示正好是10秒钟，结果服务器上经过了40多秒才返回。也就是10000个系统时钟的差值是40多秒，不是10秒。
好奇怪，第一次遇到这个问题。详细查了一下新系统的cpu，发现与我们原来使用的都不一样，是新一代升级过的。
原来我们以前的服务器是Intel Xeon CPU 8163 如图
新的服务器是 Intel 8269cy，如图
好吧，新产品上线，难免有问题。只好给阿里云提工单。
不爽的经历
我们不是第一次给阿里云提供工单了，公司大，需要流程，OK可以理解，但是这次没了互联网公司敏捷的感觉，多了臃肿的政治化寡头的味道。
第一天提，把问题描述清楚，说我们什么语言，调用了什么api，现在是什么现象，理论上是什么现象。
下午有人问了一遍大体问题。然后就是请等待，正在找技术调查。
第二天第二个人上线问，结果还是个客服。说是技术，随便说两句话就露馅了。让我们提供测试结果和代码。这……好我忍，写了测试代码。
int main() { long long stick = GetTickCount64(); long long etick = GetTickCount64(); cout << "start tick " << stick << endl; time_t stime = time(NULL); cout << "start time " << stime << endl; while (etick - stick < 10000) { etick = GetTickCount64(); } cout << "end tick " << etick << endl; time_t etime = time(NULL); cout << "end time " << stime << endl; cout << "end tick - start tick = " << etick - stick << endl; cout << "end time - start time = " << etime - stime << endl; char inchar; cin >> inchar; }
然后在正常的服务器上跑一遍，OK，结果都是对的，时间也是10秒。
在异常的服务器上跑一遍，嗯？？？奇异的现象发生了，结果也是对的。
下面是结果
这这这，完全出乎我的意料了。本来以为，GetTickCount64调用有问题，也就是每次加1，并不是1毫秒了，而是几毫秒，或是几十毫秒。但是time是正常的，那么结果就是GetTickCount64返回值10000的差值应该是time返回值差值的40多。现在都是一样。我慢慢的点开系统右下角的时间，灵异的事情发生了。如下视频
系统时间都变慢了！！！
这足够可以说明问题了吧，我们把视频发给阿里云。结果他们说他们测试下来正常的。给我们了他们的视频，如下
但是从阿里云自己提供的视频上面可以看出。不管是桌面还是系统时间（因为他们是在线，要求我们调查，过了几分钟立马回的），都不是我们有问题的系统。也就是他们随便找了一台正常的服务器，录了一个视频给我，然后告诉我们没问题。
退款
我们要求退款，然后买一个新的，阿里云不同意。
没办法我打杭州12315消费者协会电话，被告知，阿里云属于商业产品，他们不受理，就算是个人买来使用也不行，只能走法律途径。回到工位给同事说，感觉就是，十几公里上班的路程，觉着太远，问一下有没有公交，被告知，只有飞机，爱坐不坐，不然就走着过来。
强行扯皮
没办法，只能死磕了，因为服务器是客户账户买的，不能说上一个不能使用就让客户直接买新的。扯皮了好久，终于同意退款。但是要500多天，钱才可以到账。可以的，这很霸道。
新服务器上线
晚上买了新服务器，查看系统时间，正常。配置好，启动。打开游戏，惊呆了！！！游戏阶段变快了。也就是原来10秒钟的时钟，现在也就2、3秒。这……
正在准备调试的时候，好了？！战战兢兢等了几十分钟，没有异常。OK，回家。
问题重现
早上来到，就被告知，阶段变慢的问题又出现了。黑线~~
猜测
昨天我就猜测是不是因为我们C6的系统，用的是C5的镜像导致的。但是当时因为客户着急，先应付一下，不用镜像，配置太麻烦了。所以第二个新系统还是用的镜像。现在我们重装系统，不用镜像，再次测试，因为问题复现需要第二天……
无解
刚刚把通过镜像创建的服务器重装系统，启动，我还没配置好，又出现时间走的慢的问题了。求救哪位老哥知道解决方法
回复
很多同学建议换一个实例，实际上我们第二个新的实例，就换了一种，不过还是有问题。关键是这个问题，阿里云没有给明确的说明，他那么多实例，从几百到几千一个月，不可能作为用户帮他们一个个测试到底哪个是好用的。就他这个退款速度，实在是也不敢试啊。
对于有的同学说的，使用突发性能实例的问题。是我描述信息错误，我们购买的是计算型实例。如下图，一般都是4核8G的。根据后续要求，再提升。
后续
阿里云终于解决了，说是换了一个物理机，并且电话回访，做了解释。算是挽回一分。等待周六周日看看情况吧。
问题复现
还没等到周一，刚刚过了一会，问题复现。现在已经呆住……
最新进展
可以打脸某些人了。首先感谢楼下的阿里云产品经理。提醒我是C6的服务器，不是T6的实例，他们也在跟踪解决，并且有回电询问问题详细情况。等待中……
完结
周五晚上，与阿里云那边协作了好晚，感谢阿里云提供的支持。目前两个实例都是正常的。
