Em 17 de agosto, o GitHub sofreu uma interrupção de 7 horas e 47 minutos, interrompendo serviços como github.com, GitHub Actions, APIs e Copilot. Este foi o segundo incidente significativo em agosto, após uma falha em ações em 6 de agosto. A interrupção ocorreu porque um componente crítico da infraestrutura no centro de dados central dos EUA do GitHub falhou ao escalar durante o pico de tráfego, causando falhas em cascata em vários serviços.
A investigação do GitHub revelou que ambos os incidentes foram falhas de capacidade, não causadas por mudanças de código ou configuração. Os commits mensais cresceram de 1,4 bilhão para 2,9 bilhões desde abril, criando uma pressão sem precedentes no sistema. A recuperação exigiu esforços coordenados para redirecionar o tráfego, isolar a infraestrutura afetada e restaurar os serviços em estágios.
Desde abril, o GitHub adicionou mais de 3 milhões de núcleos de CPU, 120 petabytes de armazenamento e capacidade de rede significativa, enquanto acelerava a migração para o Azure. O Azure agora lida com aproximadamente 58% da carga da plataforma do GitHub. A empresa está implementando limites de tentativa consistentes, melhorando os testes e isolando sistemas críticos para prevenir futuras interrupções.
Escrito por Vladimir Fedorov, CTO do GitHub, o artigo enfatiza o compromisso da empresa com a confiabilidade por meio de melhorias arquitetônicas e mudanças operacionais.
Fonte: Hacker News · Resumido por HeadlinesBriefing