连知名服务也会宕机
"服务器崩溃了""网站挂了",你经常在新闻中听到这些话,但实际上发生了什么?即使是世界上最大的服务也发生过故障。而且原因往往出人意料地平凡。
著名的服务故障事件
Facebook 6 小时宕机(2021 年 10 月)
Facebook、Instagram 和 WhatsApp 完全离线约 6 小时。原因是维护作业中执行的一条命令。根据 Facebook 技术博客(2021 年 10 月 5 日)的说明,一条用于评估骨干网容量的命令意外断开了骨干网的全部连接,导致各站点撤回了 BGP 路由通告。
结果,Facebook 的网络从互联网上"消失"了,DNS 域名解析也停止工作。更糟糕的是,DNS 失效导致许多内部工具无法使用,工程师们失去了访问和修复问题的手段。最终,他们不得不亲自前往数据中心手动恢复服务器。
AWS 重大故障(2017 年 2 月)
Amazon Web Services 北弗吉尼亚(US-EAST-1)区域的 S3(存储服务)宕机约 4 小时,影响了 Netflix、Slack、Trello 等众多服务。原因是一名工程师在调试时输错了命令,关闭了比预期更多的服务器。
这次故障的讽刺之处在于,用于更新 AWS 故障信息页面(Service Health Dashboard)的管理控制台依赖于 S3,所以他们无法更新各项服务的状态。
Cloudflare 故障(2022 年 6 月)
CDN 服务 Cloudflare 发生故障,影响了 Discord、Shopify、Fitbit 等众多服务。原因是在部分站点进行的网络配置变更。
Google 47 分钟全面服务中断(2020 年 12 月)
许多 Google 服务,Gmail、YouTube、Google Drive、Google Maps 等,约 47 分钟无法使用。原因是自动配额系统错误地下调了用于认证的账户数据库的配额。所有需要登录的服务都受到了影响。
网站宕机的主要原因
如何检查网站是否"宕机"了
当你无法访问某个网站时,有方法可以判断是你的连接问题还是网站的问题。
- Downdetector:实时汇总全球用户故障报告的网站
- isitdown.site:从全球各地检查指定 URL 是否可访问的网站
- IP 确认酱:首先验证你自己的互联网连接是否正常。如果显示了 IP 地址,说明你已连接到互联网
- 从不同设备或网络尝试:尝试通过智能手机的移动数据连接访问
总结
即使是世界上最大的服务,也可能因为一个配置失误而宕机数小时。网站故障的原因从流量激增、人为失误到 DDoS 攻击和 DNS 故障不等。下次无法访问某个网站时,先在 IP 确认酱上检查你的连接,然后在 Downdetector 上查看网站端的故障信息。
本文相关术语
常见问题
Facebook停机6小时的原因是什么?
2021年10月,工程师的BGP配置错误导致Facebook所有BGP路由被撤回,网络从互联网上"消失"。内部工具也无法使用,不得不亲自赶到数据中心恢复。
有办法确认网站是否宕机吗?
可以在Downdetector查看故障报告,或通过IP确认酱确认自己的连接是否正常。用其他设备或移动网络尝试也有效。
网站宕机最常见的原因是什么?
流量激增(过载)、工程师配置错误(人为失误)、软件Bug、DDoS攻击、DNS故障、证书过期等是主要原因。