2025年6月12日 GCP 服务中断事件

一次由核心身份认证服务(IAM)故障引发的全球性连锁事件，深刻揭示了现代云生态系统的脆弱性与相互依赖性。

🔑

根本原因

身份与访问管理 (IAM) 系统配置错误

⏱️

主要影响时长

约 2-3 小时 (部分服务残留影响更久)

🌍

波及范围

全球多个区域，影响GCP、Workspace及大量第三方服务

事件交互时间线

本节通过可交互的时间轴，详细梳理了从故障初现到逐步恢复的关键节点。将鼠标悬停在不同事件上可以突出显示该节点，帮助您清晰地了解整个事件的演变过程。

影响范围：连锁效应可视化

本节通过交互式图表直观展示了单一IAM故障如何像多米诺骨牌一样，迅速波及谷歌内外部的众多服务。点击图表的不同部分，可以筛选查看受影响的具体服务列表，从而更清晰地理解本次事件的连锁效应和广泛影响范围。

受影响的服务 (全部)

根本原因与谷歌的对策

本节深入剖析了导致此次大规模中断的技术根源，并概述了谷歌为应对危机所采取的关键步骤。左侧的流程图清晰地揭示了故障的传导路径，右侧则总结了谷歌的应急响应措施。

根本原因：故障传导路径

1

对 IAM 系统进行配置变更

2

IAM 核心服务 出现故障

3

服务间的 API 调用 无法通过身份验证

4

大量依赖服务 全球性中断

谷歌的响应与缓解措施

  • ✓

    快速定位

    工程团队迅速介入调查，并将问题定位到IAM服务。

  • ✓

    采取缓解

    通过回滚错误配置或应用修复程序，逐步恢复服务。

  • ✓

    持续沟通

    通过官方状态页向公众和客户提供定期更新。

  • ✓

    事后承诺

    承诺发布详细的事件报告，并采取措施防止未来类似事件发生。

关键启示与未来展望

此次事件不仅是一次技术故障，更是对整个行业的警示。本节从行业、客户和谷歌自身三个维度，提炼了核心教训与未来建议，旨在共同构建一个更具韧性的云未来。

🏢 对行业的启示

  • 集中化风险： 凸显了互联网对少数云巨头的过度依赖。
  • 系统性风险： 核心服务的“0级”地位意味着其故障会引发灾难性后果。
  • 透明度至上： 快速、权威的沟通是管理危机和对抗谣言的关键。

👨‍💻 对客户的建议

  • 理解依赖： 审视自身应用对云平台核心服务的依赖性。
  • 为失败设计： 采用区域冗余、优雅降级等模式提升应用韧性。
  • 评估多云： 对关键业务，评估多云或多供应商策略的利弊。

🔧 对谷歌的展望

  • 加固核心： 强化IAM等核心服务的变更管理与部署协议。
  • 故障隔离： 增强组件间的隔离，限制故障的影响范围。
  • 改进沟通： 优化事件初期的沟通效率和状态页的准确性。