标签: #postmortem
关于 GPU、LLM、MLOps、Kubernetes 以及心态的文章 · 2 篇
5 节点 Raft 集群中 3 个节点为何同时死亡 — 解读 Coinbase 2026 年 5 月 7 日故障
2026 年 5 月 7 日晚间，AWS us-east-1 可用区 use1-az4 内的一处数据机房(data hall)冷却设备同时发生故障，Coinbase 由此经历了一场故障：交易、出入金在内的大部分服务中断或降级约 8 小时。Coinbase 于 6 月 1 日公开的事后复盘(postmortem)一并说明了两件事的经过 — 5 节点 Raft 撮合引擎中的 3 个节点同时死亡、导致集群失去法定人数(quorum)的过程，以
2026-07-16 · 29 分钟阅读 #distributed-systems#postmortem#consensus#aws#resilience著名事后复盘解剖 — 从 Cloudflare·Fastly·AWS·Knight Capital·GitLab 的失败中学习
Cloudflare 2022 BGP、Fastly 2021 让半个互联网下线、AWS S3 2017 的一个笔误、Knight Capital 8 分钟 $440M、GitLab 的 DB wipe 等 — 从著名失败中提炼出的模式与教训。
2026-04-15 · 16 分钟阅读 #postmortem#sre#outage#reliability#culture