至暗5小时警示，什么样的基础设施才算“韧性”？ 原创

11月18日，半个互联网经历了5小时的至暗时刻，ChatGPT、X等主要互联网平台纷纷“失联”。

媒体迅速传来消息，互联网流量基础设施服务商Cloudflare发生服务终端。官方随后发布公告表示，系统崩溃源于配置文件异常引发系统崩溃。

Cloudflare首席执行官马修·普林斯表示，一条自动生成且体量过大的配置文件触发核心流量处理软件崩溃，造成“内部服务降级”。

虽然服务已经恢复，但很多声音也浮出水面。

Cloudflare长期承担着为企业加速访问、抵御大流量攻击的“缓冲层”职责，业务覆盖125个国家/地区的330个城市。本该是可靠性的保障，但这次故障却让这些网站变得不可靠。

此次并非Cloudflare首次发生故障，也让不少企业重新意识到：即便采用分布式架构，依然存在单点故障的风险，系统可靠性依旧难以完全托底。

现代技术栈的复杂性，意味着没有服务商能够完全避免故障。

“解决这个问题的核心在于集中性风险。”Akamai 亚太地区及日本安全技术和战略总监 Reuben Koh说道，此次事件进一步证明，当核心基础设施出现故障时，可能会拖累部分互联网生态系统。

当关键基础设施过度集中于少数几家中心化的超大规模供应商时，单个配置错误或硬件故障的影响范围将被急剧放大。例如，一个本地故障可能引发全球范围的连锁反应，导致关键服务同时瘫痪。

了解了问题的根源，我们就要想办法去避免。必须预设故障必然发生，并以韧性为核心采用不同的架构设计。Reuben Koh的建议是建立多层次的容错机制，摆脱对中心化可用区的依赖，转向更灵活、去中心化的模式。将优雅降级的设计原则融入系统，使其在出现故障或承受压力时能够灵活应变而非彻底崩溃。

过去27年，Akamai持续应对互联网的各种挑战，致力于实现世界更安全、更互联这一愿景，其架构也因而天然具备高度韧性。

“Akamai的分布式边缘架构从设计之初就以韧性为核心。”Reuben Koh说道。全球平台通过跨区域负载均衡和智能路由技术，确保即使某些节点出现故障，流量也能无缝切换至可用节点。

此外，Akamai的架构还能够实现故障隔离与并行修复，大规模分布式设计更通过逻辑去中心化实现故障隔离，有效抵御全球企业正在经历的这类系统性冲击。

随着AI工作负载和实时推理成为数字常态，性能与运行时间的容错空间将进一步收窄。依赖单一中心化供应商处理关键任务型AI，将成为企业难以承受的高风险策略。凭借多年的技术积累和全球节点布局，Akamai能够为企业提供高韧性、低延时、可扩展的基础设施支撑，帮助企业应对复杂的数字化和智能化环境下的新型挑战，同时为未来创新与业务扩展奠定坚实基础。

这意味着，无论技术如何演进，企业都能依托稳固基础设施抓住每一次进化的机遇。