GitHub在八月份报告五起事件，详述增强弹性措施

GitHub在2026年8月面临了一段特别具有挑战性的时期，共报告了五起事件，这些事件扰乱了GitHub Actions、Copilot和核心API功能等服务。Jakub Oleksy在博客文章中详细描述了这些事件，突显了公司在平台扩展和快速用户增长管理中所面临的容量和弹性挑战。

其中一个关键中断发生在8月17日，持续了7小时47分钟，影响了API请求、Webhook、拉取请求和GitHub Copilot功能。据GitHub的状态更新和外部报道，当时的Web/API错误率达到了20%的峰值，而原始数据和存档下载失败率攀升至50%。根本原因被追溯到单个数据中心的流量饱和，再加上服务网格基础设施的扩展限制。恢复措施包括流量重新分配、负载均衡器调整以及重试策略修复。

另一次重大中断发生在8月6日，持续了超过10小时，GitHub Actions工作流由于一次常规部署导致容量减少而出现了显著延迟。这次事件暴露了自动扩展和部署保护措施中的关键漏洞，导致多个集群出现级联故障。此后，GitHub承诺增加容量冗余并自动调整容量，以避免类似情况的发生。

容量问题还影响了8月20日的Copilot Cloud Agent，当时由于区域性云中断引发的数据库延迟，任务状态更新延迟了近10小时。GitHub通过重新配置数据库故障切换设置并增加处理能力来应对积压问题。

提高弹性仍然是GitHub的核心关注点。公司正在将其基础设施迁移到Azure，截至8月底已完成三个主数据库的迁移。初步测试显示，这些故障切换期间的干扰最小，表明在实现更强大运营方面取得了进展。此外，GitHub Actions的容量也得到了扩展，通过更改作业路由将峰值缓存CPU利用率降低了18%，增加了约三个月的运营冗余。

GitHub还报告了在监控和遥测方面的进展。自动化系统现在结合了客户支持信号和服务遥测，以更快地检测到事件。例如，一个新的监控系统独立跟踪拉取请求的合并、审查和评论失败，确保高流量操作不会掩盖关键问题。

展望未来，GitHub计划优先关注数据库健康、流量向Azure迁移以及容量扩展的自动化。公司重申了其运营原则：“可用性优先，其次是容量，再次是功能。”这些努力旨在随着GitHub继续扩展其平台和用户群，降低风险。

对于依赖GitHub的开发者和企业，这些中断突显了应急计划的重要性，尤其是涉及CI/CD管道或像Copilot这样的AI驱动工具的关键工作流。随着GitHub基础设施的演变，用户应关注计划中的迁移和容量调整，以尽量减少潜在的中断。