近日，Google位于美国数据中心的App Engine服务出现大面积故障。其中3%的应用出错概率超过50%，18%的应用访问出错概率在10%到50%之间，14%的应用出错概率在1%到10%之间，有2%的应用出错率在1%以下但依然高于正常水平，剩余63%的应用访问正常。
此后，Google在其云服务官方日志中公开了故障原因，原来只因为工程师们在例行维护时同时做了两件事。
出于负载均衡的考虑，Googe的工程师配置了新的数据中心，把老数据中心一定比例的App迁移到了新的数据中心，然后把流量从之前的服务器导向新的数据中心。
至此相安无事，但不凑巧的是，数据中心的多台路由器正在软件升级，需要滚动式重启，网络流量处理能力不如平常。
同时，新迁移的许多应用由于启动缓慢，导致旧服务器大量重复向新服务器发送启动应用的请求，进一步加重路由器负载，最终造成偶然丢失外部用户的访问。
对此意外，Google方面表示将会加大对硬件的投入，修正导入流量的方式，并修改针对新服务器的重试请求。
热门专题
