Facebook的DNS配置是如何优化以支持其全球用户访问的？

Facebook DNS故障详解

一、背景与

2021年10月4日，Facebook及其旗下Instagram和WhatsApp等应用经历了一次严重的宕机事件，持续时间长达7小时，导致全球数十亿用户无法访问服务，此次宕机的根本原因在于例行维护工作中的一条错误指令，导致了Facebook的DNS服务器不可使用，从而切断了Facebook整个骨干网络与数据中心之间的连接，这一事件不仅影响了用户的正常使用，还给Facebook带来了巨大的经济损失和市值缩水。

二、DNS系统的重要性

DNS（Domain Name System，域名系统）是互联网中的核心服务之一，负责将用户友好的域名（如www.facebook.com）转换为机器可读的IP地址（如192.0.2.1），在Facebook的案例中，DNS系统的作用尤为关键，因为它不仅用于外部用户访问网站，还用于内部工具和系统的相互通信，一旦DNS系统出现问题，就如同翻译官突然失声，整个网络的交流都会陷入混乱。

三、故障原因分析

1. 例行维护失误

Facebook表示，这次故障的根本原因是例行维护工作中发出的一条指令导致其DNS服务器不可使用，这条指令本意是为了评估全球骨干网容量的可用性，但却意外地中断了骨干网络的所有连接，包括数据中心之间的连接。

2. DNS服务器停用

由于Facebook的架构设计是根据服务器可用性来扩展或缩减DNS服务，当服务器可用性因网络故障而降至零时，就会停用所有DNS服务器，这种停用通过Facebook的DNS名称服务器向互联网边界网关协议（BGP）路由器发送消息来完成，导致这些路由器撤回了通往Facebook的路由信息。

3. BGP路由问题

BGP（Border Gateway Protocol，边界网关协议）是互联网中自治系统之间交换路由信息的协议，在此次事件中，由于DNS服务器停用，Facebook的BGP路由被撤销，导致全球多个地区的用户都无法访问Facebook的服务。

四、影响范围与后果

1. 全球用户受影响

宕机期间，Facebook在欧洲、美洲、大洋洲几乎完全下线，在亚洲的日本、韩国、印度等国也无法访问，据估计，这次宕机影响了约8500万用户，是自2008年以来最严重的一次。

2. 经济损失严重

投资机构估计，7小时的宕机时间给Facebook造成了超过9.68亿美元的影响成本，并使其市值损失643亿美元，创始人马克·扎克伯格的净资产也蒸发了70亿美元。

3. 内部沟通受阻

Facebook的员工也无法使用内部工具进行相互交流，这进一步加剧了问题的复杂性和解决难度，首席技术官Mike Schroepfer只能通过推特向用户道歉，显示出公司内部沟通的瘫痪状态。

五、应对措施与反思

1. 紧急恢复与人工重启

面对如此严重的故障，Facebook的运维团队不得不进入有着严格流程措施的数据中心进行人工重启，这一过程显然被严重拖长，暴露出在应急响应方面的不足。

2. 加强监控与预警

事后，Facebook和其他互联网公司都应加强对DNS系统的监控和预警能力，通过部署分布式监测节点，实时监测网站域名状态，发现异常情况及时作出响应。

3. 优化架构与流程

还需要对现有的网络架构和运维流程进行优化，考虑引入更先进的容灾备份机制，确保在类似故障发生时能够迅速切换到备用系统；同时加强运维人员的培训和演练，提高应对突发事件的能力。

六、FAQs

Q1: Facebook的DNS故障是如何发生的？

A1: Facebook的DNS故障是由于例行维护工作中的一条错误指令导致的，这条指令意外地中断了骨干网络的所有连接，包括数据中心之间的连接，由于Facebook的架构设计会根据服务器可用性来扩展或缩减DNS服务，当服务器可用性因网络故障而降至零时，就会停用所有DNS服务器，并通过BGP路由协议向互联网公告这些路由信息被撤回。

Q2: 这次DNS故障对Facebook造成了哪些影响？

A2: 这次DNS故障对Facebook造成了严重影响，它导致Facebook及其旗下Instagram和WhatsApp等应用在全球范围内几乎完全下线，影响了约8500万用户，它给Facebook带来了巨大的经济损失和市值缩水，它还暴露出Facebook在应急响应和内部沟通方面的不足。