La publicación de ayer sobre la reciente interrupción de GitHub mencionó un detalle que se pasó por alto: la política de autoescalado mal configurada en el servicio con el Istio sidecar saturado. La política observaba la carga del servicio principal pero no los límites del sidecar, lo que provocó que no escalará automáticamente de manera correcta.
El autoescalado ajusta los recursos según la carga actual. Aunque la utilización de CPU es una métrica común, los servicios pueden saturarse incluso con un bajo uso de CPU. Por ejemplo, los modelos de hilo-por-solicitud pueden experimentar saturación cuando la latencia descendente hace que todos los hilos se bloqueen en E/S, como ocurrió con Slack en 2021.
El informe de GitHub sugiere que la política de autoescalado solo tenía en cuenta la carga a nivel de servicio, ignorando el sidecar de Istio. Esto destaca la falacia de sustitución de componentes identificada por David Woods - centrarse únicamente en reparar componentes individuales en lugar de entender las interacciones del sistema. La interrupción involucró múltiples factores interactuantes: patrones de tráfico cambiantes, política de autoescalado, saturación del sidecar de Istio, lógica de reintentos, saturación de nodos HAProxy y tráfico de autenticación.
Entidades clave: Empresas: GitHub, Slack | Personas: David Woods
Fuente: Hacker News · Resumido por HeadlinesBriefing