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，當時大家誰也心里沒個底。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。。。說的是個天馬行空。

后來呢，隨著 B 站在凌晨兩點一頓修仙，把服務(wù)器問題給慢慢解決，這件事情也算是告一段落了。

【資料圖】

本以為這次 B 站崩了會和微博上無數(shù)崩了的網(wǎng)站一樣，成為我們沖浪生活中的一個笑談，僅留下一個大會員給我們“ 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 B 站崩潰的原因，竟然只是一行代碼沒寫好？？？借著這篇文章，世超準備帶大家從B 站的角度來回顧一下這件事情。放心，不會有生澀難懂的名詞，不會有犀利糊涂的黑話，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 52 分。

負責搞定站點可靠性的工程師（SRE）和B站的客服都收到了大量網(wǎng)站打不開的報警。

而負責處理這些事故的同事已經(jīng)下班了，當即準備在家里通過 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。。。壓根進不去系統(tǒng)。最后，還是在公司的整了個 “ 綠色通道 ” 才成功進去。你說這綠色通道不會是向日葵吧（一種遠程桌面軟件）

▼

而在綠色通道成功打通，負責各種業(yè)務(wù)的團隊就位之后，B 站也開始對問題進行分析定位。出問題的模塊也很明顯，在線業(yè)務(wù)主機房的7層 SLB（負載均衡服務(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，和咱們平時手機電腦卡機后做的操作一樣。

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 10.5%。

說業(yè)務(wù)恢復(fù)了嘛，也沒有，主機房重啟后還是出現(xiàn)了CPU 跑滿 100%的問題。不過別的機房好起來了，雖然會卡，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)（多站點同時提供服務(wù)）開始慢慢恢復(fù)。所以。。。重啟不能完全解決問題，但是這個問題既然過去沒出現(xiàn)過。

那會不會是新加入的代碼問題呢？隨著時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。于是團隊開始兵分兩路。一隊繼續(xù)堅持排查問題，尋找原因，另一隊則是開始重建一個新的 SLB 服務(wù)。

在緊張刺激的一小時后，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。

凌晨兩點，在崩潰了三小時之后，B 站的業(yè)務(wù)總算得到了恢復(fù)。罪魁禍首：上面這些，就是那個晚上 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，那遲早會二度暴雷。

負責排查問題的同學(xué)也沒讓人失望，在時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，僅僅是因為一個求最大公約數(shù)的函數(shù)沒寫好。。。

咱先盤一下這個 “ 萬惡之源 ” 哈。

這是一個典型的 “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的時候函數(shù)終止。不然這個函數(shù)就會自己調(diào)用自己，重新再跑一遍。

看上去好像是一點點問題都沒有，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。對編程有些了解的差友可能發(fā)現(xiàn)了不對：

你傳進去的 0，是個什么 0？沒錯，在編程語言里，數(shù)字 0 和字符串 ‘ 0 ’并不算是一個東西。為了防止呆呆的計算機語言把事情給搞混，像 C 語言，Java 這些靜態(tài)語言都會要求我們在創(chuàng)建新變量的時候聲明這個變量的類型。

搞清楚它到底是整數(shù)，還是小數(shù)，或者是一個字符。然而 Lua 是個非常智慧的語言，它沒有這個要求。麻煩的臟活累活讓它自動來做就好了，Lua 會根據(jù)程序的需求自動分配變量類型。

C語言示例：# 定義一個整型數(shù)據(jù)a，為它賦值1# 定義一個字符串數(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 = 0b = "0"

所以，我們給參數(shù) b 傳進去的數(shù)值，是數(shù)字 0呢，還是字符 ‘ 0 ’？一旦前面數(shù)據(jù)驗證沒把好關(guān)，在執(zhí)行某個功能的時候，把字符 ‘ 0 ’給傳到了這個函數(shù)里。

地雷就被引爆了。字符串‘0’不會等于數(shù)字 0，函數(shù)的終止條件判斷不通過。

所以程序進入遞歸模式，再次調(diào)用自己。在后續(xù)進行求余預(yù)算的時候，Lua 的 “ 智慧 ” 又突然起到了作用。Lua 一拍腦袋，咋會有人把字符 ‘ 0 ’ 拿來做計算啊，肯定是想把這個參數(shù)當數(shù)字用。

于是發(fā)生了強制類型轉(zhuǎn)換。

所以咱們小學(xué)數(shù)學(xué)都會學(xué)到的。。。把 0 當除數(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 Floating point exception 報錯了。但是 Lua 不一樣，作為一個新時代的 “ 智慧 ” 的語言，它會優(yōu)雅的返回一個 nan（Not A Numbewr）。

程序，繼續(xù)運行。更要命的是，nan 也不會等于0。。。程序的終止條件無法實現(xiàn)。這樣跑幾個循環(huán)之后，原本用來計算 a 和 b 的最大公約數(shù)的函數(shù) _gcd(a,b) 就變成了一個停不下來的函數(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，他們登錄內(nèi)網(wǎng)的時候，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，也是崩的理所當然了。崩完之后：最后，如果差友們對相關(guān)技術(shù)細節(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事故的起承轉(zhuǎn)合，還對未來技術(shù)的更進與反思都做了更加專業(yè)，全面的總結(jié)。

講道理，這樣的機會其實挺難得的。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)，給普羅大眾看個樂子的寥寥無幾。

向上滑動▼

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)運維上最真實的一面。這些經(jīng)驗，可不會寫在任何教科書上。哦對，這篇文章發(fā)出來的晚上，B 站其實又偷偷小崩了一次。。。

不知道是不是團隊好好總結(jié)了去年經(jīng)驗的緣故。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。

關(guān)鍵詞： B站自曝去年服務(wù)器大崩潰原因 就因為這