服务器|B站自曝去年服务器大崩溃原因就因为这？( 二 ) B站|崩溃|B站自曝去年服务器大

文章图片

有一部分做了多活的业务（多站点同时提供服务）开始慢慢恢复。所以。。。重启不能完全解决问题，但是这个问题既然过去没出现过。
那会不会是新加入的代码问题呢？随着时间在一分一秒的过去，借助分析工具的帮助，问题被定位到了最近新上线的 Lua (一种编程语言，类似 Python，Java 这些) 函数上。
随后，B 站开始进行了一波波紧张的回滚操作。

文章图片

这一通工作弄下来，虽然好像找到几个疑似出问题的部位，但服务器还是该挂挂，距离 “ 康复 ” 还有那么一些距离。
没办法，总得让业务先跑起来吧。于是团队开始兵分两路。一队继续坚持排查问题，寻找原因，另一队则是开始重建一个新的 SLB 服务。
【服务器|B站自曝去年服务器大崩溃原因就因为这？】在紧张刺激的一小时后，新的 SLB 配置成功，原本导向主站的流量也慢慢的开始迁移过去。

文章图片

好在这次行了。
凌晨两点，在崩溃了三小时之后，B 站的业务总算得到了恢复。罪魁祸首：上面这些，就是那个晚上 B 站发生的故事，虽然解决了表面问题，让业务恢复了。
可是最根本的原因是啥呢？如果不找到根因，那迟早会二度暴雷。
负责排查问题的同学也没让人失望，在时间压力大大放缓之后，找出了真相。没有外星人，没有起火，没有断电，和网友们想象的大相径庭。B 站这次崩的根因，仅仅是因为一个求最大公约数的函数没写好。。。

文章图片

咱先盘一下这个 “ 万恶之源 ” 哈。
这是一个典型的 “ 自己调用自己 ” 的递归函数。a b两数字辗转求余，直到 b 等于 0 的时候函数终止。不然这个函数就会自己调用自己，重新再跑一遍。
看上去好像是一点点问题都没有，既明确了递归的终止条件（b = 0），也没有太多复杂的逻辑处理。但是既然事情能发展到这地步。。。那就说明是出大问题了。对编程有些了解的差友可能发现了不对：
你传进去的 0，是个什么 0？没错，在编程语言里，数字 0 和字符串 ‘ 0 ’ 并不算是一个东西。为了防止呆呆的计算机语言把事情给搞混，像 C 语言，Java 这些静态语言都会要求我们在创建新变量的时候声明这个变量的类型。
搞清楚它到底是整数，还是小数，或者是一个字符。然而 Lua 是个非常智慧的语言，它没有这个要求。麻烦的脏活累活让它自动来做就好了，Lua 会根据程序的需求自动分配变量类型。
C语言示例：# 定义一个整型数据a，为它赋值1# 定义一个字符串数据b，为它赋值‘1’int a = 0;char a = '0';Lua示例：--定义 a 为数字0，b为字符串‘0’a = 0b = '0'
所以，我们给参数 b 传进去的数值，是数字 0 呢，还是字符 ‘ 0 ’ ？一旦前面数据验证没把好关，在执行某个功能的时候，把字符 ‘ 0 ’ 给传到了这个函数里。
地雷就被引爆了。字符串 ‘ 0 ’ 不会等于数字 0，函数的终止条件判断不通过。

服务器|B站自曝去年服务器大崩溃原因 就因为这？( 二 )

服务器|B站自曝去年服务器大崩溃原因就因为这？( 二 )