GitHub 于 11 月 13 日发布的 10 月可用性更新显示,平台正在扩大 Azure 承载规模,同时处理故障放大、数据库负载和区域依赖等问题。截至 11 月 9 日,151 个生产服务中有 140 个、50 个 MySQL 主库中有 32 个运行在 Azure Central US。Azure 已承接迁移后服务读取流量的 63%、单体系统读取流量的 66% 和 Git 读取流量的 52%。
扩容与定向优化
- Central US 的全部九个 Kubernetes 集群完成计算扩容,容量增加一倍以上。迁移服务的流量自 3 月以来增长 82%,新增负载已由 Central US 承接。
- GitHub 报告称,针对 Azure 控制面的关键请求增加了容量;一项 NAT 网关缓解措施使相关用量下降 85%。实施期间有四个生产任务失败,而 GitHub 估算若不采取措施预计约影响 800 个任务。
- 一个每天处理超过 2.5 亿次请求的 GitHub Actions 接口被迁移到更高效的服务路径。GitHub 称,该调整使峰值数据库读取下降 85%。
- 仓库主题搜索被要求至少输入三个字符。GitHub 称,采用这一短查询模式的慢查询或被终止查询减少约 98%。这些改善数据均来自 GitHub 自身统计。
故障暴露出的关键依赖
10 月 5 日,GitHub 托管运行器上的 Actions 任务出现长时间排队,部分工作流无法启动。根因是云服务商一侧的部分网络故障导致数据库连接超时,服务没有快速失败,而是持续等待并最终耗尽内存。切换到健康区域后,目标区域又缺少承接额外任务所需的容量,故障因此扩散。约 90 分钟内,多数托管运行器任务未能在五分钟内启动,自托管运行器未受影响。
10 月 6 日,GitHub Enterprise Importer 的迁移高峰向共享数据库发送大量超大查询,占满连接池,导致登录、仓库、Pull Request、API 和 Codespaces 等功能出现缓慢或失败。峰值时约 1.3% 的请求失败或超时,约 6400 个组织至少受到影响一次。GitHub 暂停迁移、缩小查询批次,并在数据库承压时引入退避机制。
10 月 7 日发生两次独立的写入中断,合计约 19 分钟。新加入的数据库路由节点携带包含已退役服务器的过期记录,自动成为主节点后,错误路由通过了原有校验。维护任务还曾忽略暂停指令,使同一问题再次出现。两次中断的 Web 与 API 请求失败率峰值分别为 8.9% 和 9.3%,影响超过 12000 和 11000 个组织;已经保存的数据未丢失,失败操作在恢复后重试成功。
后续故障主要暴露共享网络与事件平台的风险。10 月 19 日,一个 Actions 服务与缓存服务器的连接同时重试,饱和了数据中心到云区域的共享链路,约 5% 的托管运行器任务延迟启动。10 月 21 日,事件流平台因连接增长和内存压力出现连锁过载,Pull Request 更新、Actions 状态、网页钩子及审计日志延迟;审计积压最终用约 6 小时 46 分钟清理。10 月 28 日,上游模型提供商拒绝一组 Copilot 模型的认证请求,受影响模型约十分之一的请求失败。10 月 29 日的 Azure 区域网络中断还波及 Central US 的全部三个可用区,至少 34128 名已登录用户受到影响。
适用边界与后续进展
这些变化说明,单纯增加计算容量无法覆盖错误路由、重试风暴、共享数据库和跨区域链路带来的风险。GitHub 已着手加强快速失败、依赖隔离、连接退避、内存与异常查询告警,以及路由发布前的校验。不过,从迁移比例看,平台迁移尚未完成;Central US 的构建进度比计划晚约一周,首轮经过验证的流量提升计划于 12 月第一周开始。后续能否降低区域性故障的影响,仍取决于区域恢复能力及这些防护措施在真实负载下的表现。
资料来源:GitHub availability report: October 2026(2026-11-13)。
一起聊聊
留下你的想法,评论审核通过后展示。