Cloudflareのus-east-1-aws利用経路で断続的なHTTP 5xx、2時間18分で解消

要約

最初の告知は「増加」と「断続的」という二つの限定を置いた。すべての要求が失敗したとは書かれておらず、同じ時間に成功と5xxが混在した可能性がある。ただし比率や順序は公開されていない。

利用者全員が同じ症状を見たとも書かれていない。したがってAWSの地域全体が停止した、あるいは対象経路が連続して利用不能だった、という表現は一手資料の範囲を越える。

作成から問題特定までは33分27.563秒だった。その時点でCloudflareは修正を実装していると説明した。監視への移行はそこから1時間33分56.430秒後である。

公開監視は10分51.068秒続き、その後に解決となった。これは調査、実装、観察、終了という運用手順を示すが、エラー率がいつ下がり始めたか、全経路が一斉に改善したかまでは示さない。

HTTP 5xxは、その応答を返した地点でサーバー側の失敗結果が生じたことを示す。具体的なコードがないため、ゲートウェイ、上流、過負荷などの条件をこの告知から区別できない。

us-east-1-awsという名称もAWSへの原因帰属ではない。Cloudflareが顧客の利用境界を表すために使ったラベルだ。故障がCloudflare内、システム間の接点、別の場所のどこだったかは非公開である。

CDN、Workers、ストレージ、セキュリティ、制御系など、具体的なサービス名はない。どれかを補って報じれば、元の記録にない事実を作ることになる。

製品によって5xxの意味も回復手段も異なる。オリジン取得、コード実行、制御要求では、キャッシュ、再試行、利用者への影響が変わる。確認できるのは、指定された地域境界のHTTP要求で断続的なエラーが増えたことだけだ。

要求総数、エラー率、顧客数、アカウント区分、利用者の地域、分単位の分布は公表されなかった。minorはCloudflareの運用分類であり、影響を受けたトラフィックの割合ではない。

各社はログ、合成監視、要求IDを通常値と比較できる。自社のサービス目標や露出は測れるが、その値をCloudflare全体の障害率へ外挿することはできない。

断続的な5xxは、回数を制限した再試行、キャッシュ、代替経路で吸収される場合がある。一方、同時再試行や短い期限は負荷を増やし、影響を広げ得る。今回どちらが起きたかは記録にない。

再試行が成功しても遅延と処理負荷は増える。非冪等な操作では、最初の結果を確かめずに繰り返すこと自体が危険になる。これは影響の仕組みであって、今回の損失を示す事実ではない。

攻撃、侵害、データ露出、データ消失は報告されていない。5xxという可用性上の結果だけで安全性の問題を推定することはできない。顧客設定やコンテンツの完全性に異常があったとの情報もない。

可用性とセキュリティは別の証拠を要する。両者を分けることで、短い運用通知から過大な物語を作らずに済む。

製品、故障領域、具体的な5xx、実際の影響区間、要求と顧客の分母、地理、緩和策、恒久対策が示されれば、再発リスクを評価できる。us-east-1-awsがどのサービス経路に対応するかも重要だ。

現段階で言えるのは、Cloudflareがこの境界での断続的なサーバーエラーを138分の公開インシデント内で修正し、解決したことまでである。AWS原因、地域全面停止、顧客損失額は裏付けられない。