Google云服務(wù)故障：只因同時做了兩項升級

　　本月11日13時13分到15時，Google位于美國數(shù)據(jù)中心的App Engine服務(wù)出現(xiàn)大面積故障。其中3%的應(yīng)用出錯概率超過50%，18%的應(yīng)用訪問出錯概率在10%到50%之間，14%的應(yīng)用出錯概率在1%到10%之間，有2%的應(yīng)用出錯率在1%以下但依然高于正常水平。剩余63%的應(yīng)用訪問正常。

　　近日Google在其云服務(wù)官方日志中公開了故障原因，原來只因為工程師們在例行維護時同時做了兩件事。

　　出于負載均衡的考慮，Googe的工程師配置了新的數(shù)據(jù)中心，把老數(shù)據(jù)中心一定比例的App遷移到了新的數(shù)據(jù)中心，然后把流量從之前的服務(wù)器導(dǎo)向新的數(shù)據(jù)中心。

　　至此相安無事，但不湊巧的是，數(shù)據(jù)中心的多臺路由器正在軟件升級，需要滾動式重啟，網(wǎng)絡(luò)流量處理能力不如平常。

　　同時，新遷移的許多應(yīng)用由于啟動緩慢，導(dǎo)致舊服務(wù)器大量重復(fù)向新服務(wù)器發(fā)送啟動應(yīng)用的請求，進一步加重路由器負載，最終造成偶然丟失外部用戶的訪問。

　　對此意外，Google方面表示將會加大對硬件的投入，修正導(dǎo)入流量的方式，并修改針對新服務(wù)器的重試請求。