高可用不等于韧性:云系统为何在关键时刻失效
InfoQ 文章指出高可用与韧性是两个不同问题,一次常规 TLS 1.3 升级静默破坏了 Route 53 健康检查,导致 CDN 停止向健康区域路由流量,而内部仪表盘未显示任何异常。文章还分析了控制平面依赖如何造成不可见的失效模式,以及缺乏明确责任归属时恢复能力会如何退化。
InfoQ 文章指出高可用与韧性是两个不同问题,一次常规 TLS 1.3 升级静默破坏了 Route 53 健康检查,导致 CDN 停止向健康区域路由流量,而内部仪表盘未显示任何异常。文章还分析了控制平面依赖如何造成不可见的失效模式,以及缺乏明确责任归属时恢复能力会如何退化。
Vercel 将 CDN 元数据从逐路径对象改为约 200 KB 的索引分片,生产环境 P99 查询延迟从 215.8 ms 降至 19.1 ms,降低 91%,平均延迟从 8.59 ms 降至 1.81 ms。分片用 JSONL 存储排序的键值记录,配合内联索引和 Base64 指针做二分查找,只解析命中的那条记录。上线前通过离线比对和影子模式验证新旧结果一致性,并顺带让部署步骤约快 10%。
推荐理由:Vercel 用索引分片替代逐路径元数据查询,把 P99 延迟降 91%,其分片大小取舍与影子模式验证方法可迁移。