滴滴P0级故障，又是降本增笑？

来源：数据STUDIO

2023 年 11 月 27 日晚间，滴滴因系统故障导致 App 服务异常，不显示定位且无法打车。11 月 27 日晚，滴滴出行进行了回复：非常抱歉，由于系统故障。

11 月 27 日深夜，上海、北京、广州等多地滴滴用户反馈，滴滴出行 App 无法使用，显示网络异常，地图无法加载，用户无法使用定位功能且无法打车。

“滴滴崩了”的话题随即登上微博热搜。热搜话题下不少用户发帖表达自己在使用滴滴 App 过程中遇到的“奇葩”问题。

有用户反馈虽然打到了车，但同时来了好几辆车，有的用户遇到来了三辆、有用户遇到来了四辆车，无法取消，无法联系客服。

从各平台上的反馈来看，此次滴滴平台在接单、定位、计费等环节上都出现了问题。

有网约车司机表示，昨晚 App 崩溃时刚好在接单，“从晚上 10 点 20 分开始什么都做不了，客服电话也进不了线。目前恢复了少部分功能，但不能正常使用，很多错单乱单，还出现了多位司机接同一单的现象。”

27 日深夜，滴滴出行对滴滴 App 服务出现异常进行了回复，滴滴出行称：非常抱歉，由于系统故障，今天晚间滴滴 App 服务出现异常，技术目前正陆续恢复中。由此给广大用户和司机师傅们造成不便，再次向大家致歉。

2023 年 11 月 28 日早间，滴滴出行消息称，网约车等服务已恢复，骑车等在陆续修复中。11 月 28 日，在滴滴发出公告的同时，记者在上海、深圳等地使用滴滴呼叫网约车，发现网约车功能并未恢复使用，网络加载异常，仍无法打车。11 月 28 日，滴滴向记者回应称，网约车服务已恢复，司机乘客权益陆续恢复补发。

11 月 29 日，滴滴再次发文致歉，称初步确定事故起因是底层系统软件发生故障。

来源：https://weibo.com/2838754010/NuMAAaUEl

在滴滴官方发布这份公告之前，已经有资深 IT 技术人士分析：“从表现上看，打车、共享单车全挂，不同的业务板块之间应该是有隔离的，说明问题出在更加底层的基础设施。攻击者一般只能访问到应用层，基础设施访问不到。要么是被攻击者打穿，要么是自己系统操作不慎挂了。即便是前者，也算是一种系统缺陷，才会被打穿。”

360 安全专家认为，滴滴闪崩背后的技术原因可能有六种：

第一，系统更新升级过程中出现了编程错误、逻辑错误或未处理的异常情况：一般情况下，互联网厂商发布更新都会在晚上，与滴滴发生故障的时间也能对应，当然业务升级维护是放量更新，但现在滴滴全平台、全业务都故障了，说明肯定是他 “家里” 的问题。

第二，服务器故障：比如滴滴的核心机房，可能恒温恒湿环境出了问题，导致服务器过热、CPU 烧了，或者核心机房所在地发生了自然灾害如地震、洪水、海啸等，这种情况下，硬件需要重新更换，里面的服务软件也需要重新配置，恢复周期相对较长，但这个可能性比较小。

第三，第三方服务故障：滴滴的后台架构可能使用了第三方服务或者组件。如果第三方出了问题，也可能会影响滴滴的正常运行。但出于安全性考虑，滴滴可能不会将核心业务托管给第三方，不过这个可能性也较小。

第四，DDOS 攻击：黑客采用分布式拒绝服务的方式，抢占了大量的服务器资源，导致用户无法访问，但这个不太可能，因为 DDos 不会导致数据出错，而且滴滴从体量上来说，有足够的成本和能力去对抗。

第五，其他网络攻击：某些黑灰产团伙可能会通过拖库盗取数据，然后在暗网上售卖，在这个过程中不排除会有误操作，破坏了数据库。

第六，勒索病毒：网络攻击黑客对滴滴的底层数据、业务代码进行了加密。据披露现象，用户的账单和打车数据都算错了，存在一定可能是滴滴为了避免更大损失主动暂停了业务。近期勒索攻击事件屡屡发生，月初，某金融机构就是因为遭遇勒索病毒攻击造成了业务停摆。

不过也有网络安全公司专家认为，如果是来自外部的黑客攻击，公司一般会在第一时间进行声明。他猜测更集中于滴滴发生了内部重大业务调整，或有新业务接入原系统，但没有做好预案，导致关联业务或关联系统出现重大故障，这是大公司系统故障最常见的原因。

因此对于滴滴此次大规模的长时间故障，有行业人士认为，降本增效可能也是原因之一。

该人士认为，互联网公司核心业务频繁宕机，且长时间宕机，是降本增效的附属品之一。系统投资少了，维护资源少了，程序员更换频繁了，BUG 就多。

他举例称，一般在业务上行阶段都有冗余，为了迎接随时爆发的订单，上行阶段要维持负载的上限不能过大，比如平时 70%，这样遇到一个小爆发不用担心会出问题，足以应对小高峰；但是下行期的逻辑就不同了，负载很高的时候抗一抗就行了，虽然后面遇到小高峰可能会难受，但是随着时间的推移总体负载会下降。

其实类似故障情况在 2022 年 9 月 22 日也曾出现过。当日滴滴出行官方微博致歉称由于机房网络故障，导致滴滴部分服务受影响。

然而像今天这样大面积、长时间的故障，应该是滴滴史上少有的。以目前情况来看，大家还无法确认故障原因。有技术专家感慨于修复时间太长，表示“是时候废弃微服务了，别觉得自己水平多高，看看今天的滴滴吧。”

而更多人则认为这次故障跟“降本增效”有关。如平时为了迎接随时爆发的订单，设置了足够多的冗余，但现在可能没有给予足够的冗余量。根据相关资料显示，目前滴滴由滴滴云提供服务。滴滴云官网显示，滴滴出行的云计算服务基于滴滴出行的业务技术和经验积累，采用领先的云计算架构、高规格服务器集群搭建、高性能资源配置机制、精细化运营模式，致力于为开发者提供简单快捷、高效稳定、高性价比、安全可靠的 IT 基础设施云服务。在今年 2 月，滴滴云发布公告，由于产品线调整，滴滴云在 2023 年 3 月 31 日起将不再对外提供公有云服务。

对于互联网大厂研发和架构师常常提到的高可用性，此次事故让人不禁感叹，难道同城多活、异地多活只是PPT里的说辞吗？降本增效的所谓互联网方式，难道只是裁员留下一堆中层领导天天写PPT来维护系统吗？

降本增笑，开猿节流带来的后果是：
9月份，Boss直聘服务器崩了 11月初，阿里云服务器崩了
11月底，滴滴服务器崩了

下一位会是谁？

最后来看一下网传的消息，有同行说滴滴这次严重故障是升级 k8s 版本导致，当时 SRE 工程师定位了三个小时都没定位到问题。

从滴滴公开的技术分享来看，滴滴弹性云在上个月升级了 k8s 版本：从 k8s 1.12 升级到 1.20。（K8s 1.12 发布于 2018 年，K8s 1.20 发布于 2020 年。）

来源：滴滴弹性云基于 K8S 的调度实践

另外，滴滴还为所有用户派发了一张 “致歉补偿券”，无门槛使用，立减 10 元。

不过，有用户反馈补偿券领取失败，并且登上百度热搜，因此有用户质疑补偿券是限量的。

对此，滴滴客服回应称：补偿券不是限制数量的，目前领取人数较多，辛苦您后续重新尝试领取。

·················END·················