Un errore procedurale durante una manutenzione hardware ha messo fuori gioco una porzione della regione us-central1-b di Google Cloud, dimostrando che anche le infrastrutture più resilienti possono essere abbattute da un singolo intervento fisico errato. L'incidente, avvenuto il 1° settembre tra le 07:41 e le 11:52 PT, ha causato una degradazione severa della rete e l'isolamento di numerose risorse, con tassi di perdita del traffico che hanno raggiunto il 100% durante il picco dell'evento.
Il fallimento della ridondanza fisica
Secondo il report sullo stato dei servizi di Google, l'architettura dei data center è progettata per resistere a guasti singoli di dispositivi o percorsi in fibra, e persino a molteplici guasti simultanei grazie alla separazione fisica dei componenti e all'uso di fonti di alimentazione diverse. Tuttavia, questa resilienza è stata neutralizzata da un'operazione manuale: un tecnico ha scollegato inadvertentemente i cavi in fibra ottica.
L'errore è stato sistematico e rapido. Google ha ammesso che una falla procedurale ha portato alla disconnessione sequenziale del 100% dei percorsi in fibra su tutti i dispositivi interessati nell'arco di soli 13 minuti. La velocità dell'azione ha impedito ai sistemi di monitoraggio di inviare avvisi all'operatore prima che la disconnessione fosse totale, lasciando le macchine virtuali (VM) isolate dal mondo esterno.
Ripristino e gestione del traffico
Una volta rilevata l'anomalia, Google ha attivato le proprie procedure di disaster recovery, spostando il traffico verso la capacità disponibile in altre zone della regione. Parallelamente, i tecnici sono intervenuti fisicamente per reinserire i collegamenti ottici scollegati. Solo dopo il ripristino fisico dei collegamenti, il flusso di traffico è tornato alla normalità e la capacità è stata reintegrata nel servizio.
L'episodio sottolinea una vulnerabilità critica che prescinde dalla complessità del software o dell'hardware: il fattore umano. Mentre Google continua a investire in architetture megascale come il Virgo Network per abbattere le latenze AI, questo incidente ricorda che la stabilità del cloud dipende ancora da chi maneggia i cavi nel rack. La vicenda si inserisce in un contesto di crescente preoccupazione per la centralizzazione dell'infrastruttura internet, dove un singolo errore operativo in un hub critico può paralizzare servizi essenziali per migliaia di utenti.
Ancora nessun commento. Puoi essere il primo!