不知道差友們還記不記得，去年的 7 月 13 日，B 站發(fā)生了一件大事。

它毫無征兆的崩了。。。（ 如果忘了的小伙伴，可以看 這篇文章 ）

至于為啥崩了，當(dāng)時(shí)大家誰也心里沒個(gè)底。

不過吹起水來可是一套一套的，什么停電啊，起火啊，程序員 rm -rf /* 跑路啊。。。

說的是個(gè)天馬行空。

后來呢，隨著 B 站在凌晨?jī)牲c(diǎn)一頓修仙，把服務(wù)器問題給慢慢解決，這件事情也算是告一段落了。

本以為這次 B 站崩了會(huì)和微博上無數(shù)崩了的網(wǎng)站一樣，成為我們沖浪生活中的一個(gè)笑談，僅留下一個(gè)大會(huì)員給我們 " 緬懷 "。

沒想到在今年的 7 月 13 日，B 站特意發(fā)了一篇文章，刨開心窩子來給我們講了一講，那個(gè)晚上，到底發(fā)生了什么。

咱也看了一下這篇文章，好家伙，讓整個(gè) B 站崩潰的原因，竟然只是一行代碼沒寫好？？？

借著這篇文章，世超準(zhǔn)備帶大家從 B 站的角度來回顧一下這件事情。

放心，不會(huì)有生澀難懂的名詞，不會(huì)有犀利糊涂的黑話，保證小白也能看明白。

案情回溯：

意外，發(fā)生在 2021 年 7 月 13 日的 22 時(shí) 52 分。

負(fù)責(zé)搞定站點(diǎn)可靠性的工程師（SRE）和 B 站的客服都收到了大量網(wǎng)站打不開的報(bào)警。

而負(fù)責(zé)處理這些事故的同事已經(jīng)下班了，當(dāng)即準(zhǔn)備在家里通過 VPN 來登錄公司內(nèi)網(wǎng)處理這些問題。

結(jié)果發(fā)現(xiàn)VPN 也崩了。。。壓根進(jìn)不去系統(tǒng)。

最后，還是在公司的整了個(gè) " 綠色通道 " 才成功進(jìn)去。

你說這綠色通道不會(huì)是向日葵吧（一種遠(yuǎn)程桌面軟件） ▼

而在綠色通道成功打通，負(fù)責(zé)各種業(yè)務(wù)的團(tuán)隊(duì)就位之后，B 站也開始對(duì)問題進(jìn)行分析定位。

出問題的模塊也很明顯，在線業(yè)務(wù)主機(jī)房的 7 層 SLB（負(fù)載均衡服務(wù)器，用來處理多用戶，多業(yè)務(wù)的情況）的 CPU 跑滿了 100%。

簡(jiǎn)單來說，就是 CPU 被不知道哪里來的刺客給占用光了算力，沒法處理業(yè)務(wù)了。

系統(tǒng)未響應(yīng) .exe ▼

B 站最開始的嘗試方法呢，和咱們平時(shí)手機(jī)電腦卡機(jī)后做的操作一樣。

重啟就完事了，要相信重啟能解決 90% 的問題！

但很可惜，B 站這次是那個(gè) 10.5%。

說業(yè)務(wù)恢復(fù)了嘛，也沒有，主機(jī)房重啟后還是出現(xiàn)了 CPU 跑滿 100% 的問題。

不過別的機(jī)房好起來了，雖然會(huì)卡，但是沒出現(xiàn) CPU 跑滿的問題。

有一部分做了多活的業(yè)務(wù)（多站點(diǎn)同時(shí)提供服務(wù)）開始慢慢恢復(fù)。

所以。。。重啟不能完全解決問題，但是這個(gè)問題既然過去沒出現(xiàn)過。

那會(huì)不會(huì)是新加入的代碼問題呢？

隨著時(shí)間在一分一秒的過去，借助分析工具的幫助，問題被定位到了最近新上線的 Lua ( 一種編程語言，類似 Python，Java 這些 ) 函數(shù)上。

隨后，B 站開始進(jìn)行了一波波緊張的回滾操作。

這一通工作弄下來，雖然好像找到幾個(gè)疑似出問題的部位，但服務(wù)器還是該掛掛，距離 " 康復(fù) " 還有那么一些距離。

沒辦法，總得讓業(yè)務(wù)先跑起來吧。

于是團(tuán)隊(duì)開始兵分兩路。

一隊(duì)繼續(xù)堅(jiān)持排查問題，尋找原因，另一隊(duì)則是開始重建一個(gè)新的 SLB 服務(wù)。

在緊張刺激的一小時(shí)后，新的 SLB 配置成功，原本導(dǎo)向主站的流量也慢慢的開始遷移過去。

好在這次行了。

凌晨?jī)牲c(diǎn)，在崩潰了三小時(shí)之后，B 站的業(yè)務(wù)總算得到了恢復(fù)。

罪魁禍?zhǔn)?/strong>：

上面這些，就是那個(gè)晚上 B 站發(fā)生的故事，雖然解決了表面問題，讓業(yè)務(wù)恢復(fù)了。

可是最根本的原因是啥呢？

如果不找到根因，那遲早會(huì)二度暴雷。

負(fù)責(zé)排查問題的同學(xué)也沒讓人失望，在時(shí)間壓力大大放緩之后，找出了真相。

沒有外星人，沒有起火，沒有斷電，和網(wǎng)友們想象的大相徑庭。

B 站這次崩的根因，僅僅是因?yàn)橐粋€(gè)求最大公約數(shù)的函數(shù)沒寫好。。。

咱先盤一下這個(gè) " 萬惡之源 " 哈。

這是一個(gè)典型的 " 自己調(diào)用自己 " 的遞歸函數(shù)。

a b 兩數(shù)字輾轉(zhuǎn)求余，直到 b 等于 0 的時(shí)候函數(shù)終止。

不然這個(gè)函數(shù)就會(huì)自己調(diào)用自己，重新再跑一遍。

看上去好像是一點(diǎn)點(diǎn)問題都沒有，既明確了遞歸的終止條件（b = 0），也沒有太多復(fù)雜的邏輯處理。

但是既然事情能發(fā)展到這地步。。。那就說明是出大問題了。

對(duì)編程有些了解的差友可能發(fā)現(xiàn)了不對(duì)：

你傳進(jìn)去的 0，是個(gè)什么 0？

沒錯(cuò)，在編程語言里，數(shù)字 0 和字符串 ‘ 0 ’ 并不算是一個(gè)東西。

為了防止呆呆的計(jì)算機(jī)語言把事情給搞混，像 C 語言，Java 這些靜態(tài)語言都會(huì)要求我們?cè)趧?chuàng)建新變量的時(shí)候聲明這個(gè)變量的類型。

搞清楚它到底是整數(shù)，還是小數(shù)，或者是一個(gè)字符。

然而 Lua 是個(gè)非常智慧的語言，它沒有這個(gè)要求。

麻煩的臟活累活讓它自動(dòng)來做就好了，Lua 會(huì)根據(jù)程序的需求自動(dòng)分配變量類型。

C 語言示例：

# 定義一個(gè)整型數(shù)據(jù) a，為它賦值 1

# 定義一個(gè)字符串?dāng)?shù)據(jù) b，為它賦值‘ 1 ’

int a = 0;

char a = '0';

Lua 示例：

-- 定義 a 為數(shù)字 0，b 為字符串‘ 0 ’

a = 0

b = '0'

所以，我們給參數(shù) b 傳進(jìn)去的數(shù)值，是數(shù)字 0 呢，還是字符 ‘ 0 ’ ？

一旦前面數(shù)據(jù)驗(yàn)證沒把好關(guān)，在執(zhí)行某個(gè)功能的時(shí)候，把字符 ‘ 0 ’ 給傳到了這個(gè)函數(shù)里。

地雷就被引爆了。

字符串 ‘ 0 ’ 不會(huì)等于數(shù)字 0，函數(shù)的終止條件判斷不通過。

所以程序進(jìn)入遞歸模式，再次調(diào)用自己。

在后續(xù)進(jìn)行求余預(yù)算的時(shí)候，Lua 的 " 智慧 " 又突然起到了作用。

Lua 一拍腦袋，咋會(huì)有人把字符 ‘ 0 ’ 拿來做計(jì)算啊，肯定是想把這個(gè)參數(shù)當(dāng)數(shù)字用。

于是發(fā)生了強(qiáng)制類型轉(zhuǎn)換。

所以咱們小學(xué)數(shù)學(xué)都會(huì)學(xué)到的。。。 把 0 當(dāng)除數(shù)的事情就發(fā)生了。

這要是古老的大哥 C 語言來干這活，可能直接就給一個(gè) Floating point exception 報(bào)錯(cuò)了。

但是 Lua 不一樣，作為一個(gè)新時(shí)代的 " 智慧 " 的語言，它會(huì)優(yōu)雅的返回一個(gè) nan （Not A Numbewr）。

程序，繼續(xù)運(yùn)行。

更要命的是，nan 也不會(huì)等于 0。。。程序的終止條件無法實(shí)現(xiàn)。

這樣跑幾個(gè)循環(huán)之后，原本用來計(jì)算 a 和 b 的最大公約數(shù)的函數(shù) _gcd ( a,b ) 就變成了一個(gè)停不下來的函數(shù) _gcd ( nan,nan ) 。

在停不下來的路上根本停不下來，直接把 CPU 資源給吃滿了。

太聰明也不是一件好事啊。。。

就這樣，被占滿的 CPU 一口氣把別的業(yè)務(wù)也帶崩了。

還得前面提到的在家的 B 站程序員沒法在家通過 VPN 來搶救網(wǎng)絡(luò)么？

沒錯(cuò)，他們登錄內(nèi)網(wǎng)的時(shí)候，其中有部分服務(wù)也需要通過內(nèi)網(wǎng)來處理。。。

屬于是把鑰匙斷鎖眼里，也是崩的理所當(dāng)然了。

崩完之后：

最后，如果差友們對(duì)相關(guān)技術(shù)細(xì)節(jié)更感興趣的話，世超建議你看看 B 站發(fā)布的這篇 2021.07.13 我們是這樣崩的

除了對(duì)事故的起承轉(zhuǎn)合，還對(duì)未來技術(shù)的更進(jìn)與反思都做了更加專業(yè)，全面的總結(jié)。

講道理，這樣的機(jī)會(huì)其實(shí)挺難得的。

每年崩了的應(yīng)用何其多，但是愿意發(fā)出來給同行學(xué)習(xí)，給普羅大眾看個(gè)樂子的寥寥無幾。

向上滑動(dòng) ▼

B 站這次愿意分享，直面自己的 " 傷疤 " 。

也讓我們看到了互聯(lián)網(wǎng)運(yùn)維上最真實(shí)的一面。

這些經(jīng)驗(yàn)，可不會(huì)寫在任何教科書上。

哦對(duì)，這篇文章發(fā)出來的晚上，B 站其實(shí)又偷偷小崩了一次。。。

不知道是不是團(tuán)隊(duì)好好總結(jié)了去年經(jīng)驗(yàn)的緣故。

這回還沒等大部分人反應(yīng)過來。。。B 站已經(jīng)把問題給解決了。