جزئیات گزارش آمازون درباره قطعی گسترده AWS: باگ DynamoDB عامل اصلی بود

گزارش آمازون از ریشه قطعی گسترده AWS: نقص در سیستم DynamoDB

شرکت آمازون سرانجام گزارش رسمی خود را در مورد قطعی گسترده سرویس‌های وب آمازون (AWS) که در تاریخ ۲۰ اکتبر (۲۸ مهر) رخ داد، منتشر کرد. این اختلال که منجر به از کار افتادن بخش عظیمی از وب‌سایت‌ها، اپلیکیشن‌ها و بازی‌های جهانی شد، ناشی از یک نقص نرم‌افزاری در سیستم حیاتی DynamoDB بوده است.

مشکل اصلی از یک باگ در نرم‌افزار اتوماسیون DynamoDB آغاز شد؛ سیستمی که مشتریان AWS برای ذخیره داده‌های خود از آن استفاده می‌کنند. این باگ سپس زنجیره‌ای از اختلال‌ها را در سایر سیستم‌هایی که به این نرم‌افزار وابسته بودند، ایجاد کرد.

جزئیات فنی و عملکرد سیستم مدیریت DNS

آمازون در توضیح خود اعلام کرده است که DynamoDB مسئولیت مدیریت صدها هزار رکورد DNS را بر عهده دارد و به گونه‌ای طراحی شده که هرگونه خطایی را به طور خودکار شناسایی و اصلاح کند. با این حال، در تاریخ ۲۰ اکتبر، سیستم مدیریت DNS در DynamoDB با خطایی مواجه شد که باعث شد رکوردهای DNS مربوط به مراکز داده آمازون در ویرجینیای شمالی خالی بمانند.

در حالت عادی، DynamoDB باید می‌توانست این مشکل را به طور خودکار برطرف کند، اما در این مورد خاص، سیستم نتوانست به وظیفه خود عمل کند و تیم مهندسی آمازون مجبور شد به صورت دستی وارد عمل شده و خطا را اصلاح کند.

دامنه گسترده اختلالات جهانی

در مدت زمان بروز این مشکل، تمام سیستم‌هایی که نیاز داشتند به DynamoDB متصل شوند، با شکست در برقراری ارتباط DNS مواجه شدند. به همین دلیل، بسیاری از مشتریان سرویس‌های ابری آمازون نیز دچار اختلال شدند. کاربران در سراسر جهان گزارش دادند که حس می‌کردند نیمی از اینترنت از کار افتاده است.

فهرست سرویس‌ها و وب‌سایت‌هایی که تحت تأثیر این قطعی قرار گرفتند بسیار گسترده است. این فهرست شامل موارد زیر می‌شود:

• سرویس‌های خود آمازون و دستگاه‌های الکسا
• بانک Bank of America
• اپلیکیشن‌های Snapchat، Canva، Reddit، Lyft و Duolingo
• سرویس‌های Apple Music و Apple TV
• بازی Fortnite
• سرویس‌های Disney+، Venmo، Doordash، Hulu و PlayStation
• شرکت Eight Sleep (تخت‌خواب‌های هوشمند)

برخی از این سرویس‌ها دچار کندی شدید شدند و برخی دیگر کاملاً از دسترس خارج شدند.

عذرخواهی رسمی و تعهد آمازون

آمازون که یکی از بزرگ‌ترین ارائه‌دهندگان سرور در دنیا در کنار گوگل و کلادفلر است، در بیانیه رسمی خود بابت این رخداد عذرخواهی کرد:

ما بابت تأثیری که این اتفاق بر مشتریان‌مان گذاشت عذرخواهی می‌کنیم. اگرچه سابقه عملکرد ما در ارائه خدمات با بالاترین سطح پایداری و در دسترس بودن بسیار قوی است، اما به خوبی می‌دانیم سرویس‌های ما تا چه اندازه برای مشتریان‌مان، اپلیکیشن‌های آن‌ها، کاربران نهایی و کسب‌وکارشان حیاتی است. ما کاملاً آگاهیم که این رخداد برای بسیاری از مشتریان تأثیر قابل‌توجهی داشته است. از این اتفاق درس خواهیم گرفت و هر کاری لازم باشد انجام می‌دهیم تا در آینده، میزان پایداری خدمات خود را حتی از این هم بیشتر کنیم.