Foursquare解释昨天11小时宕机事件：数据库Shards过载

　　昨天我们报导过，Foursquare宕机超9小时，情况还在继续，实际上，服务一共宕机11小时左右，这件事影响很不好，Foursquare知道，所以他们今天在博客上发布了一篇文章解释事故的原因并道歉，并且会防止此类事件再次发生。

　　事故原因部分非常的技术，但是通俗来说就是这么回事：Foursquare的数据是均匀的分配到不同的数据库“shards”（把它当成数据库的一个分部吧）中，不知道怎么的，昨天早晨，事情开始不均匀起来，其中有一个分部被分配了比其他分部多的数据，他们试着去平衡它们，但是没起作用，所以他们打算新建立一个分部，然后杯具了。

　　Foursquare称他们不确定是什么原因导致新建一个shard会导致整个网站宕掉—但却发生了。然后他们花了接下来几个小时时间去平衡数据，但是却没有找到一个可以让网站继续运行而能解决这个问题的办法，所以他们只能停掉整个服务，最终，他们重建了全部有问题的shards，这花费了几个小时。

　　好消息是，没有任何的数据丢失。

　　往前看的话，这次修复shard事件保证了这个问题不会再发生，他们也在尝试新方法，以保证即使出现问题，也不至于整个服务在修复过程中都不能使用。

　　很明显，这让我想起了前几天twitter的宕机事件，当然Foursquare还没到那个级别，但是他们肯定会持续增长，所以，很高兴现在他们就能考虑到这方面事情。

　　整个团队（现在32人）也保证在将来出现问题的时候会更好的沟通。他们因此新建了一个Sataus博客。

　　【原文:TechCrunch，图片:flickr/soupstance】