云服務可靠性再次敲響警鐘。

當地時間11月18日，互聯網基礎設施巨頭Cloudflare發生服務中斷，導致全球多家主要網站無法訪問。

根據網站故障追蹤機構Downdetector（該網站自身也一度無法被部分用戶訪問），Anthropic的Claude聊天機器人、特朗普的Truth Social以及馬斯克旗下社交媒體平臺X等都受到了影響，美國新澤西公交系統的部分數字服務也因中斷而癱瘓。

同時，OpenAI的狀態頁面在當天晚些時間也顯示，ChatGPT及其Sora短視頻應用在因“第三方服務提供商”問題出現故障后已完全恢復。

Cloudflare自2009年開始組建于哈佛大學，并在2010年正式推出首批測試版，2019年在紐約證券交易所上市，目前已服務30%的財富1000強公司。其核心服務包括DDoS（防御分布式拒絕服務），這種攻擊通過海量虛假請求淹沒目標網站致其癱瘓。據外媒報道，該公司流量管理及安全防護服務覆蓋約20%的互聯網流量。

受事件影響，截至美股18日收盤，Cloudflare股價下跌2.83%。

Cloudflare聯合創始人、CEO馬修·普林斯（Matthew Prince）表示，此次是Cloudflare自2019年以來最嚴重的中斷，“今天這樣的中斷是不可接受的……我謹代表Cloudflare全體團隊，為給互聯網造成的困擾道歉。”

受影響網站出現的報錯信息

Cloudflare CTO戴恩·克內切特（Dane Knecht）也在社交平臺發文，對故障深表歉意，表示此次事故系公司支撐發現僵尸程序緩解功能的某個服務中存在潛在缺陷，在進行常規配置變更后開始崩潰，進而引發網絡及其他服務的大范圍退化，而非遭受攻擊所致。

克內切特表示，此次故障及其造成的影響與恢復時長都是不可接受的?！拔覀円阎珠_展工作確保此類事件不再發生，但深知確實造成了實際影響。客戶給予我們的信任是最寶貴的財富，我們將不惜一切代價重新贏回這份信任”。

Cloudflare CTO戴恩·克內切特推文截圖

當地時間11月19日一早，Cloudflare發布完整報告，詳細描述了持續近5個小時的事件經過：當地時間18日上午11:28開始出現影響，并在客戶HTTP流量上首次觀察到錯誤；14:30主要影響解決，下游受影響服務開始觀察到錯誤減少，大多數服務開始正確運行；17:06所有下游服務重啟，所有操作完全恢復，影響結束。

Cloudflare表示，在故障發生時，公司“最初錯誤地懷疑所見癥狀是由超大規模DDoS攻擊引起”，之后正確識別出了核心問題——底層生成此文件的ClickHouse查詢行為發生了變化，文件包含大量重復的“特征”行，致使Bot Management模塊觸發錯誤，導致核心代理系統對任何依賴于該模塊的流量返回了HTTP 5xx錯誤碼，同時，當包含超過特征數量限制的錯誤文件傳播到服務器時，觸發了Cloudflare的系統恐慌。此外，這也影響了該公司客戶依賴核心代理的Workers KV和Access兩項服務。

隨后，Cloudflare通過停止生成和傳播錯誤的特征文件，并手動將一份已知良好的文件插入特征文件分發隊列來解決了問題，然后強制重啟核心代理，5xx錯誤碼數量此后恢復正常。

Cloudflare此次中斷事故時間線

Cloudflare表示，“鑒于Cloudflare在互聯網生態系統中的重要性，我們任何系統的任何中斷都是不可接受的”，對給客戶和整個互聯網帶來的影響深表歉意。

Cloudflare稱，公司已開始著手研究如何加強系統以防未來發生類似故障，包括強化Cloudflare生成的配置文件的攝入處理，采用與處理用戶生成輸入相同的方式；為功能啟用更多全局緊急停止開關；消除核心轉儲或其他錯誤報告耗盡系統資源的可能性；審查所有核心代理模塊中錯誤條件的故障模式等措施。

據外媒報道，此次事故發生前不到一個月，亞馬遜云服務也剛剛經歷過導致多項網絡服務癱瘓的整日故障，隨后微軟Azure云服務及365辦公套件也曾出現全球性中斷。

而早在2024年7月，網絡安全公司CrowdStrike就曾因有缺陷的軟件更新引發大規模系統故障，造成航班停飛、金融服務受阻及醫院推遲手術等連鎖反應。