昨日， Google、Facebook 两巨头在同一天相继发生全球大规模宕机，其中 Facebook 的断电时常更是超过 10 小时之久。对于宕机事件，Google 和 Facebook 后续分别公开说明了原因。
Google 此次中断时常持续约 4 个小时，影响了 Gmail, G Suite, YouTube 等产品。
Google 在中断事故分析报告中表示，此次事故是 SRE 超载系统使得 Google 云存储错误率提高导致。
报告中说明，3 月 11 日，Google SRE 被告警内部 blob 服务使用的元数据的存储资源显著增加；为了减少资源使用，3 月 12 日 SRE 进行了配置更改，使系统的关键部分超载以查找 blob 数据的位置，最终导致级联故障。
此次事故中，重大的影响包括：Google 云存储的长尾延迟较高，平均错误率为 4.8％，所有存储桶位置和存储类都受到影响，依赖于云存储的 Google 云平台服务也受到影响；Stackdriver Monitoring 在检索历史时间序列数据时出现了高达 5％ 的错误率，最近的时间序列数据可用，警报没有受到影响。App Engine 的 Blobstore API 出现了较高的延迟和错误率，在获取 blob 数据时达到峰值 21％，App Engine 部署出现了高达 90％ 的错误，从 App Engine 提供静态文件也会出现错误率提升。
对于因此事件受到影响的服务与应用客户，谷歌“深表歉意”，并表示正在采取措施以提高可用性并防止此类中断再次发生。
昨日，不少猜测说 Facebook 宕机事故是由于路由泄露引起的，而 Facebook 官方披露的原因是服务器配置变更引起的。
昨日，由于服务器配置变更，导致很多用户无法访问我们的应用和服务。现在我们已经解决了这个问题，系统已经恢复。对用户造成的不便我们深感歉意，感谢所有人的耐心。
评论