资讯评论 - 谷歌云公布全局负载均衡服务故障原因：新功能的 bug - OSCHINA

前天7月18日，我们报道了“谷歌的云平台 Google Cloud 全局负载均衡服务发生中断”这一消息。

由于谷歌云平台出现了问题，多个热门在线服务遇到了停机或响应缓慢的现象。经谷歌确认，它的许多工具出现了问题，而 Discord、Spotify 和 Snapchat 等知名网站和服务依赖这些工具才能正常运行。

谷歌云平台的状态页面上的一则通告声称：“我们正在调查谷歌云全局负载均衡系统(Global Loadbalancers)的问题，该系统为许多服务返回 502 出错消息，包括 AppEngine、Stackdriver 和 Dialogflow 等服务，此外客户全局负载均衡系统也出了问题。”

一些受到影响的第三方服务包括：

Snapchat
Pokémon Go
Faceit
Discord
Spotify

昨天谷歌云对外公布了调查结果，根本原因如下：

谷歌的全局负载均衡系统基于谷歌前端服务(GFE)的双层架构。GFE 的第一层尽量靠近用户来响应请求，以便在建立连接的过程中为用户最大限度地提高性能。这些 GFE 将请求路由到 GFE 的第二层，而这第二层的位置靠近请求所使用的服务。这种类型的架构让客户得以在世界上任何地方都拥有低延迟连接，同时又可以充分利用谷歌的全球网络为后端处理请求，无论客户在哪个地区。

GFE 开发团队当时正在为 GFE 添加一些功能，以提高安全性和性能。这些功能被添加到了第二层 GFE 代码库，但尚未投入使用。其中一个功能含有一个会导致 GFE 重启的错误(bug)；不过无论在测试阶段，还是在初始部署阶段，工作人员都没有发现这个错误。事件开始时，生产环境的一个配置变更间歇性地触发了该错误，结果导致受影响的 GFE 一再重启。由于重启不是瞬时的，可用的第二层 GFE 容量因此减少。虽然一些请求得到了正确响应，但 GFE 重新上线时，其他请求却由于容量暂时不足而被中断（导致连接重置）或被拒绝。

这个说法有木有很耳熟？与6月27日的阿里云故障如出一辙：