RoutererPAM της ΕΕ και συνδέσεις πύλης
- resolved
Οι συνδέσεις που δημιουργούνται μέσω του Φύλακα Router και του Gateway στην περιοχή της ΕΕ αποτυγχάνουν. Πρόσθετες λεπτομέρειες θα αναρτηθούν στη μεταθανάτια αναφορά.
- postmortem
# Έκθεση μετά το συμβάν ** 31 Ιουλίου 2026 ** Περίληψη Στις 30 Ιουλίου 2026 στις 11:33 μμ CT, η υπηρεσία δρομολόγησης σύνδεσης KeeperPAM στην περιοχή της ΕΕ άρχισε να ρίχνει λάθη. Τα σφάλματα Router/Gateway διήρκεσαν περίπου 12 ώρες και 45 λεπτά, με την πλήρη υπηρεσία να αποκαθίσταται περίπου στις 12:18 PM CT στις 31 Ιουλίου. Κατά τη διάρκεια αυτού του παραθύρου, η κύρια πλατφόρμα της ΕΕ Φύλακας \ (πρόσβαση σε vault, ταυτοποίηση, και όλες οι άλλες υπηρεσίες Φύλακα\) παρέμεινε πλήρως λειτουργική σε όλη τη διάρκεια. Τι συνέβη Στις 22 Ιουλίου, μια συνηθισμένη ανάπτυξη στην υπηρεσία δρομολόγησης σύνδεσης μας \(“Keeper Router”\) περιελάμβανε μια ενημερωμένη εξάρτηση που άλλαξε τον τρόπο με τον οποίο η υπηρεσία ανακτά τις ρυθμίσεις εκκίνησης της. Μια εσφαλμένη διαμόρφωση στο τελικό σημείο οδήγησε την περιοχή της ΕΕ να αναζητήσει τελικά σημεία FIPS, τα οποία δεν είναι διαθέσιμα. Ως αποτέλεσμα, όταν τα εμπορευματοκιβώτια υπηρεσιών στην περιοχή της ΕΕ επανεκκινήθηκαν μετά την ανάπτυξη, δεν μπόρεσαν να ανακτήσουν τη διαμόρφωση εκκίνησης τους και εισήλθαν σε μια αποτυχημένη κατάσταση. Δύο παράγοντες επέτρεψαν αυτή η αποτυχία να πάει απαρατήρητη για πάνω από μια εβδομάδα. Πρώτον, τα υπάρχοντα εμπορευματοκιβώτια συνέχισαν να εξυπηρετούν την κυκλοφορία ενώ τα αντικαταστάσιμα εμπορευματοκιβώτια αθόρυβα απέτυχαν να ξεκινήσουν, οπότε δεν υπήρξε άμεση επίπτωση του πελάτη από την ανάπτυξη της 22ας Ιουλίου. Η QA πέρασε επίσης όλες τις δοκιμές επαλήθευσης της παραγωγής. Δεύτερον, η βλάβη διαμόρφωσης-φορτώματος καταχωρήθηκε σε επίπεδο INFO και όχι σε ERROR ή CRITIC, οπότε δεν δημιουργήθηκαν ειδοποιήσεις PagerDuty. Τη νύχτα της 30ης Ιουλίου, τα τελευταία υγιή δοχεία απογειώθηκαν, ο ισοσταθμιστής φορτίου της υπηρεσίας είχε μηδενικούς υγιείς στόχους, και το τελικό σημείο άρχισε να επιστρέφει HTTP 503 λάθη. Αυτοματοποιημένη παρακολούθηση ελέγχου υγείας εντόπισε την διακοπή μέσα σε δευτερόλεπτα και κάλεσε την ομάδα εφημερίας μας. Τι αλλάζουμε 1. **Ανάθεση σε αποτυχημένη rollover δοχείο. ** Αναπτύσσουμε συναγερμούς του CloudWatch σε όλες τις περιοχές και περιβάλλοντα που πυροδοτούν όταν οι εργασίες του εμπορευματοκιβωτίου αποτυγχάνουν επανειλημμένα να ξεκινήσουν, για να ανιχνεύσουν σιωπηλές αποτυχίες ανάπτυξης. 2. ** Σοβαρότητα σύνδεσης για τις αποτυχίες εκκίνησης. ** Οποιαδήποτε αστοχία φόρτωσης των απαιτούμενων ρυθμίσεων εκκίνησης θα καταγράφεται τώρα σε ΣΦΑΛΜΑ/ΚΡΙΤΙΚΗ σοβαρότητα αντί INFO που ενεργοποιούν τις κατάλληλες ενεργές ειδοποιήσεις. Ζητούμε συγγνώμη από τους πελάτες μας της ΕΕ για την αναστάτωση.
Αυτόματη μετάφραση από την επίσημη ενημέρωση του συμβάντος.