Coinbase revisa interrupção de serviços em julho: conflito de configuração no Kubernetes levou à suspensão de vários serviços de negociação; os fundos dos usuários não foram afetados

Em 22 de julho, a PANews noticiou que a Coinbase, em seu relatório de retrospectiva sobre a interrupção de serviços ocorrida em 14 de julho, divulgou detalhadamente as causas do incidente, o processo de recuperação e as medidas de melhoria subsequentes. A Coinbase afirmou que a falha foi causada por um conflito de nomes de recursos do Kubernetes em uma atualização de configuração de rotina, o que levou à indisponibilidade de componentes críticos da rede, afetando transferências, transações com cartão e serviços on-chain, mas sem que os fundos dos usuários fossem colocados em risco. Em 14 de julho, às 12:34 (horário do leste dos EUA), a Coinbase implantou uma alteração de configuração regular em um cluster compartilhado de produção do Kubernetes que abriga serviços essenciais de infraestrutura. A atualização fazia parte da migração do modelo de implantação para novos serviços, visando melhorar o desempenho e a confiabilidade do sistema, e foi considerada uma alteração de baixo risco após passar por uma revisão por processo padrão.

No entanto, como a validação em ambiente de pré-produção não identificou o conflito de nomes dos recursos, a configuração acabou modificando, de forma inesperada, recursos do Kubernetes relacionados ao Istio Ingress Gateway no cluster, o que tornou o gateway de entrada indisponível. Até 12:37, todo o tráfego que entrava nesse cluster foi interrompido, impedindo os serviços internos de acessarem vários componentes de infraestrutura.

A Coinbase disse que os fluxos de trabalho assíncronos afetados praticamente cobriam todo o sistema de movimentação de fundos, incluindo liquidação de transações, transferências de ativos e autorizações de transações com cartão. Quando os serviços de infraestrutura não conseguiam ser acessados, esses processos foram pausados em toda a plataforma. As atividades afetadas incluíam: usuários de varejo não conseguiam concluir transações off-chain, recargas e saques; algumas transações em processamento apareciam como paradas e, após a restauração do serviço, eram concluídas automaticamente; transações com o cartão de débito Coinbase Card falharam temporariamente, enquanto pagamentos com cartão de crédito ainda podiam ser utilizados, mas algumas funções de gerenciamento de cartões ficaram indisponíveis; serviços de câmbio on-chain da Coinbase DEX em Base e Solana foram pausados; a Coinbase Exchange e clientes institucionais Prime apresentaram falhas ou atrasos em transferências e liquidações; clientes da Coinbase Developer Platform não conseguiam concluir abertura de conta, transferência de fundos e serviços de aporte.

A Coinbase afirmou que, durante a recuperação, a empresa pausou os fluxos afetados e atualizou continuamente o andamento por meio das páginas de status do Retail, Exchange e Prime. Às 13:20 (horário do leste dos EUA), o gateway de entrada voltou a funcionar; às 13:23, o incidente foi praticamente mitigado. Em seguida, o sistema começou a processar tarefas acumuladas; a maior parte dos serviços voltou rapidamente, e as filas restantes foram limpas em poucas horas. Quanto a esse incidente, a Coinbase disse que adotará as seguintes medidas para melhorar a confiabilidade do sistema: expandir mecanismos de proteção na fase de implantação, detectando e bloqueando automaticamente conflitos de nomes de recursos do Kubernetes, para evitar que atualizações de configuração afetem inadvertidamente outros componentes; aprimorar a capacidade de redundância entre as ferramentas de implantação e a infraestrutura subjacente, evitando que falhas impactem simultaneamente as ferramentas de recuperação; revisar e ensaiar periodicamente os mecanismos de acesso de emergência, a fim de aumentar a velocidade de recuperação em casos de grandes falhas.

A Coinbase disse que seu objetivo é sempre alcançar operação com zero downtime e continuará a reestruturar a infraestrutura para garantir que, mesmo em caso de falhas semelhantes no futuro, a empresa consiga voltar e recuperar com mais rapidez. A empresa também pediu desculpas aos usuários pelo impacto e recomendou que usuários que ainda tenham problemas relacionados entrem em contato com a equipe oficial de suporte.