简介：国庆期间，Facebook 及其旗下 Instagram 和 WhatsApp 等利用全网宕机，停机工夫将近 7 小时 5 分钟，Facebook 市值损失 643 亿美元。针对 Facebook 的宕机问题，咱们该如何防患未然，看看云拨测如何帮忙客户防止该类问题。
在咱们享受国庆假期的时候，大洋对岸的互联网世界却出了一件重大“事变”：Facebook 及其旗下 Instagram 和 WhatsApp 等利用全网宕机，停机工夫将近 7 小时 5 分钟，浏览器在尝试关上时显示 DNS 谬误。这对于旗下利用群月活和日活高达 35.1 亿和 27.6 亿的 Facebook 而言，堪称损失惨重。据投资机构预计，7 小时宕机导致超过 9.68 亿美元影响老本。并间接让 Facebook 市值损失 643 亿美元，其创始人马克·扎克伯格净资产蒸发 70 亿美元。
Facebook 示意，故障根本原因是例行保护工作出了问题，协调数据中心之间网络流量的骨干路由器配置变动，继而导致其 DNS 服务器产生问题并以致外部工具和零碎被敞开，运维人员无奈近程拜访设施以便复原网络。因而，运维人员不得不进入有着流程措施严格的数据中心进行人工重启。因而，MTTR 被重大拖长。
一句话总结，一条蹩脚的命令、一款有缺点的审核工具、一套妨碍胜利复原网络的 DNS 零碎以及繁琐的数据中心流程，独特导致了 Facebook 长达 7 个小时的重大故障。
具体而言，运维人员对骨干网络的一部分进行断网保护。例行保护的一部分就是评估寰球骨干网容量的可用性，但无意间中断开了骨干网络所有连贯，也断开了 Facebook 寰球数据中心的连贯。与此同时，因为 Facebook 的架构设计是依据服务器可用性来扩大或缩减 DNS 服务。当服务器可用性因网络故障而降至零时，就会停用所有 DNS 服务器。主动响应骨干网解体仿佛成为导致 DNS 瘫痪的起因。这种停用通过 Facebook 的 DNS 名称服务器向互联网边界网关协定（BGP）路由器发送音讯来实现的，这些路由器存储用来到达特定 IP 地址的路由方面的信息。这些路由通常被布告给路由器，让路由器理解如何适当地疏导流量。
Facebook 的 DNS 服务器发送的 BGP 音讯禁用了布告给路由，因而无奈将流量解析成 Facebook 骨干网络上的任何对应内容。最终后果就是，即便 DNS 服务器仍在运行，也拜访不了，用户也会因试图拜访的网络解体而失落服务。更可怜的是，DNS 服务用于面向客户的网站，还将其用于本人的外部工具和零碎。
看到这里咱们会发现，DNS 在这其中扮演着重要的角色，那么 DNS 又是什么？DNS 即 Domain Name System 的缩写，域名零碎以分布式数据库的模式将域名和 IP 地址互相映射。简略的说，DNS 是用来解析域名的，在失常环境下，用户的每一个上网申请会通过 DNS 解析指向到与之相匹配的 IP 地址，从而实现一次上网行为。DNS 作为应用层协定，次要是为其余应用层协定工作的，包含不限于 HTTP 和 SMTP 以及 FTP，用于将用户提供的主机名解析为 IP 地址，具体过程如下：
（1）用户主机（PC 端或手机端）上运行着 DNS 的客户端；
（2）浏览器将接管到的 URL 中抽取出域名字段，就是拜访的主机名，比方 http://www.aliyun.com/ , 并将这个主机名传送给 DNS 利用的客户端；
（3）DNS 客户机端向 DNS 服务器端发送一份查问报文，报文中蕴含着要拜访的主机名字段（两头包含一些列缓存查问以及分布式 DNS 集群的工作）；
（4）该 DNS 客户机最终会收到一份答复报文，其中蕴含有该主机名对应的 IP 地址；
（5）一旦该浏览器收到来自 DNS 的 IP 地址，就能够向该 IP 地址定位的 HTTP 服务器发动 TCP 连贯。
Facebook 此次宕机继续近 7 小时影响了约 8500 万用户，是自 2008 年以来最重大的一次。作为旁观者回顾这次故障，咱们会发现一个十分要害的问题点：但据理解，当日一直有用户反映，Facebook 旗下 Facebook、挪动聊天服务 Messenger 和 WhatsApp、图片社交服务 Instagram 等四大社交平台网站和利用均产生响应服务器谬误，导致无奈刷新。Facebook 在欧洲、美洲、大洋洲简直齐全下线，在亚洲的日本、韩国、印度等国也无法访问，影响到寰球数十个国家和地区用户。仿佛 Facebook 仿佛并没有在第一工夫发现这些问题。只在寰球多个国家和地区用户进行反馈后才发现了问题。
即便是宏大如 Facebook 这样的企业，也没有在第一工夫发现 DNS 故障，并蒙受重大的经济损失。将心比心的面对这样故障，咱们该如何第一工夫发现并监控产品以及 DNS 的运行状况？并且及时理解寰球不同国家和地区的用户应用状况？
纵观各类 APM 产品，无侵入的云拨测成为最佳的解决方案。阿里云拨测通过遍布寰球的 1000+ 监测点，包含实在用户监测，全天候 24 小时对指标域名发动网络申请，帮忙用户监测 DNS 服务对可用性和解析性能，同时 DNS 拨测反对指定递归、迭代不同查问形式以及解析服务器，通过灵便的拨测参数配置尽可能模仿实在用户的拜访。
通过定时的拨测工作，阿里云拨测能够生成不同地区的 DNS 解析用时的报表，同时针对每次拨测都清晰的列出 DNS 申请对详情，包含 A 地址、DNS 用时、DNS 解析过程等，能给帮忙用户疾速剖析和定位 DNS 解析的问题。
另外通过配置 DNS 告警，针对于 DNS 的可用性问题和解析性能问题，也能够先于用户感知并问问题的修复争取时间，进步用户的满意度，升高经济损失。
原文链接
本文为阿里云原创内容，未经容许不得转载。