日前 AWS 服务故障，影响众多网站。AWS 公开了故障原因，表示员工在除错时输入错误指令，移除了较正常数目为多的服务器，进而影响 S3 两个子系统的运作。
两个 S3 子系统需重新启动
AWS 北维吉尼亚州的数据中心（US-EAST-1）日前发生故障，影响众多网站，现在公开更多细节。他们表示，S3 团队日前发现支付系统的运作较慢，于是输入指令，打算移除 S3 子系统中用于处理支付的少量服务器，但其中一个指令有误，导致更多的服务器也被移除。
该些服务器是用作支援另外两个 S3 子系统的运作。一个是索引子系统 （Index subsystem），用于管理 S3 物件的元资料（metadata）和地方资料，需要处理所有 GET、LIST、PUT 和 DELETE 请求；另一个是存放子系统（Placement subsystem） ，负责管理新储存的分布，需要索引子系统方可正常运作，当要处理 PUT 请求时便会用到。
由于为数不少的容量（capacity）被移除，子系统需要重新启动，过程中 S3 无法处理服务请求。因此其他依赖 S3 运作的储存服务，如 S3 控制台、Amazon EC2 建立新执行个体（instance）、Amazon EBS 和 Amazon Lambda 都无法运作。
AWS 称，由于两个子系统已经多年未有完全重新启动，加上 S3 近年迅速发展，重新启动和检查数据的时间较预期中久。
他们又指，之前的工具把容量移除得太快，现在他们已改良工具，减慢移除速度，并确保子系统不会有过少的容量，避免相同事件发生。他们也就事件致歉，将汲取教训提升可靠度。
- Summary of the Amazon S3 Service Disruption in the Northern Virginia (US-EAST-1) Region
（本文由 Unwire Pro 授权转载；首图来源：AWS）
延伸阅读：
- 亚马逊云端服务 AWS S3 故障，波及 Adobe、Slack 等多家线上服务
