Coinbase 披露：一个配置错误如何导致了长达 50 分钟的服务中断

Coinbase 解释故障原因

加密货币交易所 Coinbase（纳斯达克代码：COIN）已查明上周服务中断背后的软件错误，该故障导致客户在约 50 分钟内无法完成转账、使用 Coinbase Card 进行消费以及访问多项链上服务。

根据7月21日发布的事后分析报告，工程师们当时正在部署一项看似常规且低风险的更新，但一个未被察觉的Kubernetes资源名称冲突导致更新修改了错误的网络组件。 Coinbase表示：

“此次故障是由例行配置更新导致的重要网络组件意外配置错误引起的。客户资金在任何时候都没有受到威胁。”

Kubernetes 是 Coinbase 用于在其云基础设施上组织和运行应用程序的软件。资源名称冲突导致更新修改了公司 Istio 入口网关的一部分，而非仅修改预期的组件。该网关如同交通控制器，负责在 Coinbase 的内部服务之间引导请求。

一旦该网关离线，负责处理交易、转账、结算和支付授权的系统便无法再进行通信。

信用卡交易被拒，转账受阻

此次故障影响了 Coinbase 的零售、机构及开发者平台，持续时间约为美国东部时间下午 12:37 至 1:25。 部分零售客户无法完成存款、取款或平台外交易。已启动的转账看似陷入停滞，但在服务恢复后得以处理。 Coinbase Card的借记卡消费被拒，但信用卡消费仍可正常进行。 此次故障还中断了通过Coinbase DEX在Base和Solana上进行的链上兑换。Coinbase Exchange和Prime的客户遭遇了转账和结算延迟或失败，而开发者平台的客户则无法注册用户、转移资金或使用入金服务。

此次故障凸显了可靠性日益增长的重要性，因为 Coinbase 正将业务扩展到加密货币现货交易之外。其计划推出的“全能交易所”产品（包括代币化股票和永续期货）正在扩大依赖该公司基础设施的金融活动范围。

Coinbase 曾另行阐述过将平台打造为更广泛金融枢纽的计划，其中新的交易、支付和资金管理服务将涵盖股票、衍生品、稳定币支付及开发者工具。这种业务扩张意味着，一旦共享基础设施发生故障，其风险将随之加剧。

为何恢复时间比预期更长

该网关于美国东部时间下午1:20恢复正常，Coinbase在三分钟后宣布事件已得到缓解。剩余的交易积压在随后的几个小时内得以清理。恢复时间较长是因为Coinbase的部署工具依赖于发生故障的网关。 工程师无法使用标准的回滚流程，而是通过临时特权访问权限，借助公司的云服务提供商手动启动了紧急部署。Coinbase目前正在增加检查机制以阻止命名冲突，将恢复工具与所管理的基础设施分离，并更频繁地测试紧急访问流程。Coinbase强调：

“我们的目标始终是零停机。我们正在积极重新设计基础设施，以确保即使极不可能再次发生此类故障，我们也能迅速回滚并恢复。”