微软 365 宕机复盘:健康检查机制如何反向加剧故障
_jaydeepkarale · x · 2026-11-16
作者复盘近期 Microsoft 365 宕机事件,指出自动健康检查这一本应保护生产系统的机制,在故障中反而成了放大器。
- 在分布式系统中,未通过 readiness check 的服务器会被移出流量池,这是正常设计;但当代码中负责处理健康检查的组件自身开始失败时,问题就来了。
- 宕机期间,受影响的服务器持续未通过健康检查而被摘除,微软尝试用替代机制才把部分服务器拉回。
- 风险链条:可用服务器减少 → 剩余服务器流量升高 → 负载加大 → 更多失败,形成级联效应。
作者以此说明:自动化保护机制本身也需要考虑失效场景,否则会在事故中雪上加霜。
「Infra」频道最新
- 爆料:美商务部今晚将发布 AI 芯片远程访问新规 — ShakeelHashim · 2026-11-16
- Liquid AI d1-2B 端侧决策模型:摄像头读手势仅 68ms、每秒 14 次决策零 token — AccBalanced · 2026-11-16
- 微软 Outlook 宕机致氯气警报邮件未送达,德国乐园 15 名泳池游客受伤 — AccBalanced · 2026-11-16
- 郭明錤:OpenAI、Anthropic 新订单将 Google TPU 出货能见度推至 2029 — BenBajarin · 2026-11-16
- Cerebras 核心营收同比增 70% 至 2.31 亿美元,积压订单达 261 亿 — AccBalanced · 2026-11-16
- Nvidia CEO 黄仁勋辞职风波发酵,Kimberly Powell 被热议接任 — firstadopter · 2026-11-16