El 17 de agosto, GitHub sufrió un corte mayor de 7 horas y 47 minutos que interrumpió servicios como github.com, GitHub Actions, APIs y Copilot. Este fue el segundo incidente significativo en agosto, tras un fallo en acciones el 6 de agosto. El corte se debió a que un componente crítico de infraestructura en el centro de datos central de EE. UU. de GitHub no pudo escalar durante el tráfico pico, causando fallas en cascada en múltiples servicios.
La investigación de GitHub reveló que ambos incidentes fueron fallas de capacidad, no causadas por cambios en código o configuración. Los commits mensuales crecieron de 1.4 mil millones a 2.9 mil millones desde abril, creando una presión sin precedentes en el sistema. La recuperación requirió esfuerzos coordinados para redirigir el tráfico, aislar la infraestructura afectada y restaurar los servicios en etapas.
Desde abril, GitHub ha agregado más de 3 millones de núcleos de CPU, 120 petabytes de almacenamiento y capacidad de red significativa, acelerando la migración a Azure. Azure ahora maneja aproximadamente el 58% de la carga de la plataforma de GitHub. La empresa está implementando límites de reintento consistentes, mejorando las pruebas y aislando sistemas críticos para prevenir futuros cortes.
Escrito por Vladimir Fedorov, CTO de GitHub, el artículo enfatiza el compromiso de la empresa con la confiabilidad a través de mejoras arquitectónicas y cambios operativos.
Fuente: Hacker News · Resumido por HeadlinesBriefing