大厂也翻车：GitHub、Salesforce、SharePoint 宕机背后的真相

一说服务器挂了，大家第一反应就是：被黑了。

这也不能怪大家。电影里演的都是黑客入侵，新闻标题一个比一个吓人，好像全世界都有坏人在盯着你的数据。但最近这一波大厂宕机事件，倒是给了我们一个提醒——

真正危险的，有时候是你自己家里那堆烂代码。

四天三连炸

就上周短短四天，三家巨头轮流出事。

GitHub，全球程序员的命根子，突然抽风。Salesforce，每天处理几十亿交易的大家伙，宕了。SharePoint，无数企业的协作中枢，直接下线。

有意思的是啥？事后调查了一圈，发现这三起事故跟黑客一点关系都没有。不是勒索软件，不是APT攻击，也不是哪个吃饱了撑的黑客在搞事情。

元凶？说出来你可能不信——就是配置改错了、祖传代码撑不住了、清理日志的时候手抖了。

这些理由听起来一点都不刺激，但恰恰是这种不起眼的的东西，才最要命。

祖传代码的诅咒

老系统这东西，刚上线的时候谁都疼过一遍。等过了几年，那批人早就换了好几茬，文档早就不知道扔哪个角落了，接手的人只能靠猜。

然后某天，这个"一直跑得好好的"系统，突然就不行了。

或者改个配置，觉得就动一小下，应该没事。结果生产环境一跑，完蛋，连锁反应全来了。

干过运维的都懂这句话的分量：系统最脆弱的时候，就是你动手修它的时候。

配置这东西，越老越危险

配置漂移——就是系统实际跑的样子和"应该的样子"越来越不一样——这个问题很多人不当回事。

临时改了个参数没改回来、staging 环境的变量不知咋的跑到生产去了、一个 hotfix 打上去就再也没管过。这些破事儿单拎出来都是小事，但攒着攒着，总有一天给你来个大的。

祖传代码：醒着的定时炸弹

老系统背负着看不见的重量。当年的架构、当年的并发量、当年的威胁模型，跟现在完全不是一码事。

更可怕的是，那些真正懂这套系统的人，要么退休了，要么早跳到别家了。留下的只有一堆没人敢动的代码，和一份过时的文档。

说回咱们自己

如果你正在用这些平台——说实话，大多数公司都在用——那你得接受一个事实：

你的服务能不能跑，很大程度上取决于这些供应商的运维水平，还有你自己团队的习惯。

光防外面不够

这一周的事儿，应该让很多公司重新想想。

安全当然重要，这个没毛病。但"运维韧性"——不管出啥问题都能让服务继续跑——也该提上日程了。

具体咋做？

• 别把所有鸡蛋放一个篮子：你的业务能不能扛住 GitHub 挂 6 小时？如果不能，赶紧想备用方案。
• 了解你供应商的运维水平：他们改配置有没有流程？出事了多久能响应？这些真得问清楚。
• 按最坏情况设计：加熔断、加缓存、备降级方案。假设所有第三方服务迟早都会挂。

人，才是最关键的因素

每一个配置改动、每一次清理操作背后，都是活生生的人。

赶进度的时候手快、值班值到半夜脑子不清醒、老员工一走经验全带走——说到底，很多宕机事件的根子，都在这儿。

公司愿意在可持续的工程实践、足够的人手配置、知识传承上面投入，其实就是在买保险。这个事儿不性感，但真出事儿的时候你就知道值了。

写在最后

GitHub、Salesforce、SharePoint 这几个事件给整个行业提了个醒：基础设施的稳定性是个技术活，不是附赠品。

对开发者和技术负责人来说，该争取的资源要争取，该花的時間要花。对业务方来说，挑供应商不能光看人家安全做得好不好——人家的部署流程、故障历史、研发投入，这些也得问。

黑客可以等。配置错误等不了。

在 NameOcean，我们深知稳定有多重要。我们的基础设施从设计之初就把韧性考虑进去了。毕竟最好的防守，不只是防外面那些黑客——内部那些"不起眼"的风险，同样不能忽视。