GitHub报告2024年7月影响服务的四大事件

根据GitHub博客，GitHub在2024年7月经历了一个具有挑战性的月份，四次重大事件导致多个服务性能下降。

事件分解

7月5日（持续97分钟）

7月5日，16:31到18:08 UTC期间，GitHub的Webhooks服务由于配置更改导致性能下降，该更改移除了后台作业请求的身份验证，导致这些请求被拒绝。此事件导致Webhooks传递延迟，平均延迟24分钟，最大延迟71分钟。18:21到21:14 UTC期间的次级问题进一步影响了拉取请求上的GitHub Actions运行，增加了作业传递的延迟。

为了防止未来类似事件的发生，GitHub更新了仪表盘，改进了健康检查，并为类似问题引入了新的警报。公司也在努力实现更好的工作负载隔离，以尽量减小此类事件的影响。

7月13日（持续19小时26分钟）

7月13日，00:01到19:27 UTC期间，GitHub Copilot服务发生严重性能下降。Copilot代码完成的错误率达到了1.16%，而GitHub Copilot Chat达到了63%。问题被追溯到一个合作伙伴服务执行的资源清理作业，错误地针对了必要资源。GitHub在资源恢复期间努力减轻影响。

GitHub现正与合作伙伴服务合作，实施保障措施以防止未来事件，并增强流量重路由过程以更快速地缓解问题。

7月16日（持续149分钟）

7月16日，00:30到03:07 UTC期间，Copilot Chat服务性能下降并拒绝了所有请求，错误率接近100%。问题是在常规维护期间触发的，当时GitHub服务断开连连接并在重新连接时使依赖服务不堪重负。

为了解决这个问题，GitHub正在改进其重新连接和断路逻辑，以防止未来类似事件发生。

7月18日（持续231分钟）

7月18日，从22:38 UTC开始，上游提供商的网络问题导致Actions、Copilot和GitHub Pages服务的体验下降。多达50%的Actions工作流作业卡在排队状态，用户在启用Actions或注册自托管运行器时遇到问题。问题是由于美国中部地区的后端资源无法访问所致。

GitHub通过更新复制配置来缓解问题，这使得一个地区不可用时仍能成功请求。公司现正加强复制和故障转移流程，以更好地处理类似情况并减少恢复时间。

未来缓解措施

为应对这些事件，GitHub正在采取多项措施以提高服务的弹性。这些措施包括更新仪表盘，增强健康检查，实施新警报，与合作伙伴服务合作，以及改进重新连接和断路逻辑。公司还专注于改进工作负载隔离和增强复制及故障转移流程。

用户可以关注GitHub的状态页面和GitHub工程博客，以获取实时状态更新和事件后总结。