摘要
- 我在 2026 年 11 月 21 日读到的四份 Cloudflare 事故复盘——2022 年 6 月 21 日、2023 年 11 月、2025 年 11 月 18 日、2025 年 12 月 5 日——整改清单合计 18 条,没有一条写明负责人姓名、角色、完成日期或目标月份。
- 这组文件里唯一的完成声明发布于 2026 年 5 月 1 日,距 2025 年 11 月复盘 164 天。它停留在项目层面,而那一句话把 2025 年 12 月 5 日——第一次故障后第 17 个日历日——列为「已完成的工作本可避免」的事件之一。
十八条,零签名。
2025 年 12 月 5 日那份复盘里,有 Cloudflare 关于自身修复写过的最有用的一句话:「unfortunately, we have not finished deploying them yet」。十七天前,2025 年 11 月 18 日的复盘印出四条整改措施,并以「work has already begun」收尾。承诺与承认之间,恰恰是几乎没人印在复盘里的东西:日期旁边的一个名字。
这不是一个讲故障的故事。当作工程文档读,这批文本相当出色。2025 年 11 月的复盘把机理追到了组件:数据库系统权限的一次改动,使数据库向 Bot Management 使用的「feature file」输出重复条目,文件体积翻倍,坏文件携带 200 多项特征,撞上软件上限,系统 panic。复盘就该这样写。它对 bug 精确,对补救含糊,而责任就住在这段距离里。
时间线只精确了一半,这本身就是证据。正文说故障始于 11:20 UTC;表格印的是「11:28 | Impact starts.」。两句都印在同一页上。取 11:28,第一次自动化测试在 11:31 发现问题——三分钟,这样的检测时延足以让多数运营商羡慕。取 11:20,同一页就给出 346 分钟而非 338 分钟的受影响窗口,这八分钟的差异文件从未调和。主要影响于 14:30 解除,全部服务于 17:06 恢复。
在影响披露上,12 月那份比前一份更勇敢。它写道「a subset of customers were impacted, accounting for approximately 28% of all HTTP traffic served by Cloudflare」,把人群进一步限定为使用较旧 FL1 代理且部署了 Cloudflare Managed Ruleset 的客户,并说明中国网络未受影响。就我读到的文本,11 月那页既没有百分比也没有客户数量:它区分了看到 HTTP 5xx 错误的 FL2 客户,与没有报错但全部流量 bot 分数归零的 FL 客户。读者无法用同一单位比较这两份影响陈述,而两页也都没有这样声称。
12 月的机理写得更细:为缓解 React Server Components 中的 CVE-2025-55182,把 WAF 请求体缓冲从 128KB 提到 1MB,同时关闭一个内部规则测试工具,规则集的 killswitch 第一次被施加到一条动作为「execute」的规则上,取值变为 nil,nginx-fl 在 modules/init.lua:314 抛出 Lua 异常。页面把起点写在 08:47、全面影响 08:48、由自动告警在 08:50 宣布、09:11 回滚、09:12 恢复,约 25 分钟,与它的说法一致。它没有给的是独立的「确认问题」时间戳:页面只写「was identified shortly after the change was applied」。请把宣布时间当作宣布时间;从该页读不出「影响开始到确认问题」的区间。
2022 年 6 月 21 日的复盘提供了这组文件里最好的一课,因为它是唯一替读者做了算术的一份:19 个数据中心、占全网 4%、承载 50% 的总请求。它印出 06:27 起点、06:32 内部宣布、06:58 找到根因、07:42 最后一次回滚、08:00 关闭。然后它把 06:58 用了两次——时间线里是「根因已明」,导语里是「第一个数据中心恢复上线」。一分钟,两份工作。2023 年 11 月的复盘在起点上也做了类似的事,同一次故障同时印出 11:43 与 11:44,而且完全没有检测时间戳;但它的机理具体到让第三方不适:08:50 的一次供电事件、一家「did not inform Cloudflare that they had failed over to generator power」的供应商、一套看不出电源已切换的可观测系统,以及四分钟后失效的电池。
现在数一数这四份文件承诺了什么。2025 年 11 月列四条,2025 年 12 月列三条,2022 年 6 月列三类,2023 年 11 月列八条。四次事故、三年半时间、合计十八条,而在我读到的这些页面文本里,没有一条带有负责人姓名、角色、完成日期或目标月份。每页给出的是面向未来的句子:「work has already begun」、「We have already started working on the changes outlined above」、「This will have my full attention and the attention of a large portion of our team through the balance of the year」。这些是开工的承诺,不是收据,外部的人无从核验。
整套文本里唯一的完成声明出现在五个半月之后,值得逐字读:「Earlier this month, the Cloudflare team finished this work.」接着是:「we have now completed the work that would have avoided the November 18, 2025 and December 5, 2025 global outages.」一句话,项目层面,距第一份复盘 164 天。它没有给那份复盘印出的四条中任何一条附上完成日期。而这句话在为自己的工作作证时,把第二次全球性故障列为如今可以避免的事件之一——距第一次仅十七个日历日,而同一份文件把这段间隔说成「two weeks ago」。作为误差,三天不值一提;作为习惯,它就是全部:这些文件能把一个 nil 值钉在 Lua 的某一行上,却钉不住自己的时间间隔。
这就是本文相对于 BTW 已就目录中的 Cloudflare发表内容所增加的部分。我为这个对象读过的既有结果,覆盖了未点明产品或原因的状态页简报、从故障切换与控制面恢复角度读复盘的若干篇、SLA 赔付算术,以及一组定价与限额文章。没有一篇清点过整改措施由谁负责,也没有一篇把后来的完成声明与先前承诺对置。这一篇两件事都做。
把结论圈在它自己的范围内。在我于 2026 年 11 月 21 日读到的这五页文本中,没有任何一条整改措施带有负责人、角色、完成日期或目标月份,唯一的完成声明是项目层面那一句。这是关于那几页文本的事实,不是关于公司内部发生了什么:所阅文件没有一处显示某条措施未被执行,也没有一处显示有人隐瞒。这个缺口是结构性的,也容易补——在每条措施旁加三个字段(负责角色、目标日期、结项记录),承诺就会变成记录——正因如此,它在四份文件里同时缺席才值得公开。
外人用这些页面能做的事很窄,也很精确:可以核对机理,因为 Cloudflare 点名了它;常常可以核对检测时延,因为写得好的那几页印出了两端;但无法核对修复。公开的复盘告诉你什么坏了、为什么坏,然后递来一张没有署名的清单,请你相信其余部分。
会员简报
阅读完整趋势简报
会员可阅读完整简报,以及每项发现背后的来源注释。
战略圈层
每天用你选择的语言,送上一份基于我们已核实变化的简报。
以 USD 20/月加入可随时取消。
会员还能使用完整的研究文库、关于所关注网络的每日简报,以及私密论坛。






