Le 17 août, GitHub a connu une grosse panne de 7 heures et 47 minutes, perturbant des services comme github.com, GitHub Actions, les API et Copilot. C’était le deuxième incident majeur du mois d’août, après un échec des actions le 6 août. La panne était due au fait qu’un composant critique de l’infrastructure dans le centre de données central des États-Unis de GitHub n’a pas réussi à monter en charge pendant le trafic maximal, entraînant des pannes en cascade sur plusieurs services.
L’enquête de GitHub a révélé que les deux incidents étaient des pannes de capacité, non causées par des modifications de code ou de configuration. Les commits mensuels sont passés de 1,4 milliard à 2,9 milliards depuis avril, créant une pression inédite sur le système. La récupération a nécessité des efforts coordonnés pour rediriger le trafic, isoler l’infrastructure affectée et restaurer les services par étapes.
Depuis avril, GitHub a ajouté plus de 3 millions de cœurs de processeur, 120 pétabytes de stockage et une capacité réseau importante, tout en accélérant la migration vers Azure. Azure gère désormais environ 58 % de la charge de la plateforme GitHub. L’entreprise met en œuvre des limites de nouvelle tentative cohérentes, améliore les tests et isole les systèmes critiques pour éviter les pannes futures.
Rédigé par Vladimir Fedorov, CTO de GitHub, l’article souligne l’engagement de l’entreprise envers la fiabilité grâce aux améliorations architecturales et aux changements opérationnels.
Source: Hacker News · Résumé par HeadlinesBriefing