谷歌云服务故障原因分析和补救措施
极客时间编辑部
讲述:杜力大小:975.78K时长:02:05
近日,谷歌云公开了其服务出现故障的根本原因,这个事件影响了谷歌的部分云服务,并且在大约 32 分钟的时间内,将错误率提高了 33%至 87%,谷歌表示,后续他们将采取措施,来改善平台的性能和可用性。
这个事件影响了很多依赖 Google HTTP(S) 负载均衡器的谷歌服务的客户,客户在大约 32 分钟的时间内,随机收到了 502 错误码或连接被重置的错误,在这个时间里,谷歌工程师从接收到故障率警报的那一刻开始,直到部署修复程序完成,才停止了故障的出现。
据了解,Google HTTP(S) 负载均衡旨在均衡多个后端实例和多个区域的 HTTP 和 HTTPS 流量。它的一个好处是云应用程序可以使用单个全局 IP 地址,极大地简化了 DNS 设置。为了在连接设置期间实现最佳性能,该服务利用第一层谷歌前端 GFE,就近接收用户的请求,并且将请求转发到第二层 GFE,之后再将请求发送到相应的后端。
谷歌表示,这次事件的根本原因是,为了提高第二个 GFE 层的安全性和性能而添加的新功能中,包含了没有被检测到的错误。该错误是由生产环境中的一个配置变更引发的,它会导致 GFE 随机重启,而在重启的过程中,服务容量造成了丢失。
所幸的是,包含该错误的功能还没有投入使用,因此,谷歌工程师通过恢复配置变更来部署修复程序,服务在几分钟后就可以恢复正常行为。
为了预防事件的再次发生,谷歌除了改进 GFE 测试栈,并且添加了更多的安全措施,以防止没有使用的功能被错误地投入使用外,谷歌云团队还计划改善 GFE 池不同分片之间的隔离,以缩小故障范围,并且为 GFE 池的配置变更创建仪表盘,从而让工程师更容易识别出有问题的系统变更。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》,如需阅读全部文章,
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论