58 Cloudamqp incidents · grudzień 2024 — official updates, affected components, duration and resolution details.
We're investigating connectivity issues affecting some servers in Azure West Europe. We'll post an update as soon as we know more.
Connectivity to servers in southeast Asia has been restored.
Badamy kwestie łączności wpływające na niektóre serwery w Europie Google-west2. Jak tylko dowiemy się więcej, wrzucimy nowe informacje.
Nadal badamy tę kwestię.
Incydent jest ograniczony do serwerów w Europie - west2- b
GCE nadal zgłasza problemy, ale widzimy, że niektóre wezwania API odnoszą sukcesy.
GCE potwierdziło, że awaria zasilania w Europie-West2b spowodowała zakłócenia. Problem z zasilaniem został zmniejszony, a pełne odzyskiwanie dotkniętych obciążeń roboczych jest oczekiwany do 13: 00 UTC dzisiaj. Nadal monitorujemy rekonwalescencję.
Nadal monitorujemy wszelkie dalsze problemy.
Ten incydent został rozwiązany.
Automatyczne tłumaczenie oficjalnej aktualizacji incydentu.
Prowadzimy śledztwo w sprawie problemów związanych z łącznością w niektórych serwerach w Europie Zachodniej Azure. Jak tylko dowiemy się więcej, wrzucimy nowe informacje.
Azure jest świadomy tej kwestii i aktywnie prowadzi dochodzenie. Wrzucimy kolejną aktualizację, jak tylko dowiemy się więcej.
Azure zidentyfikowała tę kwestię. Zawęzili one kwestię dostępności magazynów w regionie. Ich zespoły aktywnie prowadzą działania mające na celu odzyskanie dotkniętej infrastruktury, a jednocześnie kontynuują badanie podstawowej przyczyny. Monitorujemy postępy w odbudowie i pracujemy nad przywróceniem dotkniętych zasobów.
Udało nam się nawiązać komunikację z instancjami w Europie Zachodniej Azure. Większość spraw wraca do gry. Azure ma jeszcze kilka magnetowidów do rozwiązania.
Wszystkie sprawy CloudAMQP są uruchomione w Europie Zachodniej Azure.
/ Podsumowanie 9 października CloudAMQP utraciło łączność z podzbiorem klastrów w strefie dostępności Azure West Europe. Zdarzenie najbardziej wpłynęło na klastry pojedynczych węzłów w AZ2. Uzasadnienie * * Uderzenie * * Klienci nie byli w stanie uzyskać dostępu do danych lub węzłów żłobka, które miały wpływ podczas incydentu. Czas zdarzeń z Azure. * 12: 25 UTC dnia 09 października 2026 - Zidentyfikowaliśmy ten problem poprzez nasze wewnętrzne alarmy monitoringu usług. * 12: 29 UTC w dniu 09 października 2026 r. - rozpoczął się wpływ na klienta, przy czym awarie dysków VM wykryto w jednostce skali pamięci w Europie Zachodniej. * 2: 30 UTC dnia 09 października 2026 - Badanie wykazało utratę bicia serca w wielu węzłach pamięci masowej i domenach błędów, w wyniku czego jednostka skali pamięci masowej przechodzi w tryb zagrożenia. * 15: 32 UTC dnia 09 października 2026 - Wyjęliśmy jednostkę skali pamięci masowej z trybu awaryjnego, izolując dyski na wadliwych serwerach pamięci masowej, aby umożliwić odzyskanie pozostałych dysków. Na tym etapie większość poszkodowanych klientów zaczęła dostrzegać ożywienie. * 21: 00 UTC w dniu 09 października 2026 - Inżynierowie Datacenter i Storage kontynuowali realizację planu odbudowy na wielu węzłach pamięci masowej. * 23: 27 UTC w dniu 09 października 2026 - Wysiłki na rzecz odzyskania dotkniętych węzłów pamięci masowej zakończyły się sukcesem i kontynuowano prace nad odzyskaniem wirtualnych dysków. Kolejne działania związane z odzyskiwaniem obejmowały odzyskiwanie i odbudowę zasobów magazynowych, których to dotyczy. * 03: 00 UTC w dniu 10 października 2026 - Odzyskano funkcjonalność usługi, a wpływ na klienta został zmniejszony. * * Root cause * * Azure doświadczyło problemu platformy, co wpłynęło na dyski magazynowe Azure Virtual Machines w regionie Europy Zachodniej AZ 2. Naciśnięci klienci mogą doświadczyć awarii połączeń, niespodziewanego ponownego uruchomienia lub maszyny wirtualne wjeżdżające do nieudanego stanu w regionie. Uzasadnienie * * Resolution * * Dostęp do maszyny został przywrócony przez Azure za około 3 godziny. CloudAMQP udało się przywrócić komunikację z uszkodzonymi węzłami. Kontynuowaliśmy monitorowanie aktualizacji z Azure, aby upewnić się, że węzły nie zostały już naruszone.
Automatyczne tłumaczenie oficjalnej aktualizacji incydentu.
Widzimy zdegradowaną łączność sieciową między niektórymi sieciami non-Azure i Azure ZEA North (ramię azureth:: uaogroth), spowodowaną problemem routingu u dostawcy wyższego tranzytu. Wszystkie serwery w regionie są w górze i przetwarzanie wiadomości, a monitorowanie, pomiary i logi działają normalnie. Klienci, których klienci łączą się z sieciami dotkniętymi tym problemem routingu, mogą również zobaczyć timeout połączenia. Zgłosiliśmy problem do dostawcy i przekierowujemy nasz własny ruch zarządzania wokół niego.
Routing wraca do normy.
Ten incydent został rozwiązany.
Automatyczne tłumaczenie oficjalnej aktualizacji incydentu.
Obecnie badamy tę kwestię.
Problem został zidentyfikowany i jest w trakcie wdrażania.
Wprowadzono rozwiązanie i monitorujemy wyniki.
Ten incydent został rozwiązany.
Automatyczne tłumaczenie oficjalnej aktualizacji incydentu.
DigitalOcean doświadcza obecnie problemów z jego API i panelu kontrolnego i można wpaść na błędy i wyższy opóźnienie, podczas gdy problem utrzymuje się
Ten incydent został rozwiązany.
Automatyczne tłumaczenie oficjalnej aktualizacji incydentu.
Otrzymaliśmy różne alarmy informujące nas o kilku serwerach rozmieszczonych na Azure West USA, które nie są dostępne. Wygląda na to, że ma to związek z tym regionem, wpływając na 25% serwerów.
Microsoft Azure potwierdził, że mają problemy z siecią w regionie Zachodnioamerykańskim. Na razie większość serwerów działa. Będziemy monitorować przez następne godziny.
Ten incydent został rozwiązany.
Automatyczne tłumaczenie oficjalnej aktualizacji incydentu.
We are currently investigating this issue.
The issue has been identified and a fix is being implemented.
A fix has been implemented and we are monitoring the results.
This incident has been resolved.
**Summary** Between June 25 and June 26, our monitoring system incorrectly reported some dedicated servers as unreachable and sent "server down" notifications for servers that were in fact operating normally. This was a monitoring-side issue only — no customer servers or services were actually down, and no data or message delivery was affected. **Impact** Affected customers received one or more alerts indicating their dedicated server was down. These alerts were false positives. The servers themselves remained healthy and fully available throughout the incident. **Root cause** Before connecting to a server, our monitoring system performs a network authorization step. A defect in how one component handled a transient network hiccup could leave a monitoring process unable to complete that step, after which it failed to connect to the servers it was responsible for checking. The servers themselves stayed healthy and available throughout — the monitoring process had simply lost its ability to reach them, and reported them as down. **Resolution** We identified the affected monitoring processes, confirmed the root cause in production, and deployed a fix that makes this authorization step resilient to such transient failures and able to recover automatically. After deploying, we monitored the system to confirm that notifications returned to normal. We apologize for the confusion these false notifications may have caused.
Between 17:30 and 20:00 UTC on 2026-05-30, our server monitoring system generated a large number of false "server_unreachable" alerts. Clusters were operational and healthy throughout this period — no customer data or message delivery was affected. The alerts were caused by a rolling restart of our monitoring service, during which individual monitoring workers went offline mid-cycle and lost state. This caused the workers to report connection timeouts for servers they could no longer reach — even though those servers were fully healthy. We apologize for any concern this may have caused.
This incident has been resolved.
We are investigating connectivity issues affecting some CloudAMQP instances in Azure West Europe. Affected instances may see connection failures or unexpected restarts. The root cause is an ongoing Microsoft Azure platform incident in the West Europe region (started 14:31 UTC, 23 May 2026). Microsoft is investigating.
Resolved — Microsoft has confirmed that the Azure West Europe Virtual Machines incident is resolved. The impact window was 14:09–14:13 UTC on 23 May 2026, during which a limited number of customers may have experienced connection failures or unexpected Virtual Machine restarts. The Azure environment self-healed and the service has been confirmed restored. Affected CloudAMQP instances should now be operating normally.
Since around 8pm UTC last night, some metrics are not being forwarded to legacy integration. Prometheus integrations not affected. We are investingating.
A fix has been implemented and we are monitoring the results.
This incident has been resolved.
# Legacy host metrics integrations degraded Incident window: 2026-05-21 18:37 UTC – 2026-05-22 04:05 UTC \(9h 28m\) Affected service: Legacy metric integrations \(CloudWatch, Datadog, Librato, New Relic, Splunk, Stackdriver\). Host metrics affected, not broker metrics, nor was internal monitoring or console graphs. ## Summary For ~9.5 hours, the service that collects host-level metrics \(CPU, memory, disk, network\) for legacy third-party integrations entered a crash loop and stopped shipping data. ## Root Cause An internal credential-signing service was migrated to a new container runtime the afternoon before. Due to a bug with environment variables the collector could not renew it's credentials. The collector's existing credential remained valid for several hours, so the failure only surfaced when it tried to renew. ## Resolution On-call staff detected the failure early morning, developers helped restore the service and collector recovered at 04:05 UTC. ## Prevention * All services, both signing and collector report failed authentication attempts earlier and with higher severity * Metrics pipeline alarm thresholds was tightened so a similar drop in data triggers alarms faster.
We are currently experiencing issues with our backend services handling account and server creation. This does not affect any running customer servers but might delay provisioning new servers.
The issue has been identified and a fix is being implemented.
A fix has been implemented and we are monitoring the results.
This incident has been resolved.
We are currently experiencing issues with our backend services handling account and server creation. This does not affect any running customer servers but might delay provisioning new servers.
A fix has been implemented and we are monitoring the results.
Still seeing slow requests, doing another investigation.
Looks like we're back at full performance now.
This incident has been resolved.
We are currently investigating this issue.
Servers in Azure West Europe can experience connection issues due to underlying issues at provider. Latest update from Azure "Current Status: We continue to investigate an availability issue caused by a subset of unhealthy backend storage infrastructure supporting Azure Virtual Machines and Azure Direct Drive in West Europe."
This incident has been resolved.
We are currently experiencing issues with our backend services handling account and server creation. This does not affect any running customer servers but might delay provisioning new servers.
The issue has been identified and a fix is being implemented.
A fix has been implemented and we are monitoring the results.
We had an abnormal increase in traffic causing timeouts and slow responses for customer.cloudamqp.com, we increased capacity and are back to normal. This did not affect any running clusters, just provisioning and configuration updates.
We are getting indications of instances being down in Azure region westus. We are investigating the issue.
This incident has been resolved.
Servers in Azure West US 3 can experience connection issues due to underlying issues at provider. We monitor and will update when we know more.
This incident has been resolved.
There appears to be an issue regarding sending metrics to all Legacy metrics integrations. Alarms based on broker metrics also got affected. We are currently investigating the issue Prometheus based metrics (Datadog v3 etc) not affected.
A fix has been implemented and we are monitoring the results.
This incident has been resolved.
Broker metrics and metrics integrations degradation Window: 2026-04-23 03:25 – 05:35 UTC \(2h 10m\) ## Impact Broker metrics \(connections, channels, queues, consumers, message rates, node and netsplit state\) were degraded, progressively dropping until recovery at 05:35 UTC. Downstream effects: * Queue, Consumer, Connection, Channel, Connection flow, and Netsplit alarms: threshold breaches during the window may not have triggered, or triggered late. Alarms already tripped before 03:25 UTC kept their state. * Metrics Integrations \(Datadog, CloudWatch, New Relic, Splunk, Dynatrace, etc.\): delivery of broker metrics was reduced for the duration of the window. Alarms configured on the receiving side may likewise have missed or lagged. Not affected: server metrics \(CPU, memory, disk\) and their corresponding alarms, Notice alarms, broker availability, and the metric graphs shown in the CloudAMQP console \(these use a separate data path and continued to update normally\). ## Timeline \(UTC\) * 03:25 — broker-metrics collection begins degrading * 03:35 — ~30% of broker-metric samples missing * 03:50 — ~50% plateau * 05:25 — collector workers cycled and re-initialised * 05:35 — full throughput restored ## Root cause Broker metrics are polled from each cluster's management HTTP API by a pool of collector workers and published to an internal message bus that both the Alarms service and Metrics Integrations consume from. At 03:25 UTC this service became unresponsive without raising an error. Affected workers silently stopped polling while remaining alive to the platform, so automatic restart did not trigger. On-call staff began investigating around 05:00 UTC; force-restarting the service restored metric flow. The exact trigger has not been identified. Our focus is on ensuring the condition is detected and handled promptly if it recurs. ## What we are changing * Added metrics and alarms specific to this service, with high-urgency paging for on-call. * Reliability improvements in the service itself to detect and restart stalled work. ## What you can do CloudAMQP offers a new generation of metrics integrations based on Prometheus, with a re-engineered pipeline that does not rely on these centralised services — each server forwards data directly to your endpoint. These have been running in production for some time and have proved very reliable. * [https://www.cloudamqp.com/blog/prometheus-metrics-integrations.html](https://www.cloudamqp.com/blog/prometheus-metrics-integrations.html) * [https://www.cloudamqp.com/docs/monitoring\_metrics\_datadog\_v3.html](https://www.cloudamqp.com/docs/monitoring_metrics_datadog_v3.html) * Background: [https://www.cloudamqp.com/blog/decentralized-observability-with-open-telemetry-part-1.html](https://www.cloudamqp.com/blog/decentralized-observability-with-open-telemetry-part-1.html)
One of our backend components suffered a small outage due to an unexpected full services restart. Connectivity with the servers were broken and service triggered alarms for many clusters. We apologize for the inconvenience. All clusters were operational and healthy within the incident/alarms timespan.
Customers are experiencing Management UI being unavailable with 502 Bad Gateway. Timeline: - 14:16 UTC -> The issue was identified - 14:30 UTC -> Recent code changes were reverted. No relationship with incident noted.
The Management UI and brokers are serving traffic normally. You can still use the Management UI by using the Broker URL and properly typing User and Password. The impact is related to our backend service logs into Management UI via CloudAMQP SSO.
We are continuing to work on a fix for this issue.
The Management UI SSO shortcut is back to service. Impacted Clusters: All customers with clusters created more than 6 months ago Cause: Some code changes unexpectedly changed the communication schema between our backend services and the SSO component on the clusters. The proxy configuration conflicted with those changes causing the 502 Bad Gateway error to show up. Impact: Only the SSO via CloudAMQP Console was impacted given it required communication with our backend components. The AMQP Clusters were healthy and servicing traffic via both AMQP and HTTP on Management UI and API. Logging into the Management UI via Credentials and all Authentications Backends was functioning normally.
