2026 年 10 月 20 日清晨,倫敦。Google Cloud 歐洲西部 2 區(europe-west2)發生一起官方記錄為「power event」的電力事件,整個 b 區可用區(zone)的服務直接不可用。這不是單一服務的故障,而是雲端地基一起下沉——Google 官方狀態頁列出的受影響產品多達 38 項,從 Google Compute Engine、Google Kubernetes Engine、Cloud SQL、BigQuery、Cloud Spanner、Pub/Sub,到 Cloud Load Balancing、Virtual Private Cloud、Speech-to-Text 都在列。
官方時間線寫得很清楚:事故始於 06:08 UTC(英國夏令時間 07:08),結束於 14:00 UTC(15:00),總計 7 小時 52 分。整段期間只有 7 次狀態更新,事後 Google 僅表示「已完成對多數客戶的緩解」,並承諾在內部調查完成後公布一份事故分析。
一個倫敦機房的電力故障,為什麼會讓英國的銀行刷不了卡、法院開不了庭?
從雲端到街角:一個故障的擴散路徑
europe-west2 是 Google Cloud 在英國的雲端區域,而它服務的,遠不止是英國公司。
下游的實際影響可以從幾條線索還原。金融業是受創最深的一塊:Revolut、Halifax、HSBC、Lloyds、Barclays、ING 德國等地的用戶回報行動 banking 服務異常,媒體報導涵蓋的還包括 Rightmove 房產網站與信用評分公司 Equifax。英格蘭與威爾斯的刑事律師協會(Criminal Bar Association) 表示,控辯雙方的出庭律師一度無法「進行審訊与其他聆訊」,英國法院系統的視訊連結同步受影響,導致多場庭审被迫延後。
比較能說明問題本質的,是《衛報》記者寫下的兩個細節:一家酒吧的老闆被迫拿出紙筆手寫帳單,他說「感覺像千年蟲 bug 終於爆發了」;另一場活動的門票販售作業被迫延後。這些都是紙本時代的做法,而它們出現在 2026 年。
Cloudflare 則在當天稍晚發布聲明,說明自家服務並未受到這次 Google Cloud 中斷的影響——這個對照說明問題出在特定區域(europe-west2)的基礎設施層,而非網際網路整體。
(RTÉ News 報導:愛爾蘭有超過 300 萬 Revolut 用戶受影響。)
為什麼這件事重要:單一區域的隱含風險
歐洲雲端用戶在設計系統時,心裡的預設模型是「我部署在多個可用區(multi-AZ),所以單一區掛掉不會怎樣」。這次事故把這個預設的盲點攤開了。
有兩件事必須分開談。
第一,Google 的區域設計本來就不是「三個獨立機房」。 官方文件明確寫著,Stockholm、Osaka、Montreal 等區域的三個可用區,是「集中在一或兩個實體資料中心裡」。europe-west2 這次是 b 區單區失效,但事故擴散到整個 region 層級(Google 的用詞是 “some services in europe-west2 region might experience elevated errors and intermittent network issues”),意味著區域內的跨區元件調度同樣受到了牽連。HN 上有開發者提到,GCP 的硬體供應在區域間並不均勻,某些型號的配備容量會集中在少數區域,這讓「多可用區」的實際冗餘度取決於你跑的是哪一種工作負載。
第二,也是更值得追問的:多可用區不等於會自動容錯。 這次事故官方全程提供的工作建議只有一條——「如果可行,受影響的客戶可以嘗試將工作負載遷移到另一個可用的位置(區域或區域)」。這是一句手動遷移的建議,不是自動故障轉移(automatic failover)的保證。也就是說,把服務分散在多個可用區,跟服務真的能撐過一個可用區的失效,是兩回事。
HN 上一位有 GCP 實務經驗的網友說得很直白:「這就像備份一樣——如果你沒有測試過,它們就不存在。」另一位則描述了金融業的現實:「我待過的每家公司都有多可用區的基礎設施,但我從沒待過哪家公司會定期模擬單一可用區的失效,並且把二階效應都盤點出來。」
真正具備韌性的設計長什麼樣?同一位提到 Monzo 的網友給了具體答案:Monzo 建了一套備援系統(stand-in system),使用獨立的程式碼庫與獨立的雲端業者,功能雖是精簡子集,但能在主要雲端全面掛掉時撐住核心業務。他並附上 Monzo 自己的技術文章說明這種「容忍完全雲端中斷」的架構。這與我國金管會近年推動的「系統性重要銀行」韌性要求、以及金融業 BCP/DR 演練的精神一致:關鍵系統的容錯不能只在同一個廠商的同一個區域裡尋找答案。
Revolut 使用者 paweladamczuk 的留言,則把風險的另一面寫得很具體:「連打電話的號碼都沒有,沒有人可以講。」當客戶服務系統與核心交易系統跑在同一個故障域裡,故障的傷害就不只是延遲,而是連申訴的管道都一起消失。
數據解讀與質疑:三個官方紀錄裡讀不出來的問題
用 Google 官方的 incidents.json 資料集(近 8 起事件)做交叉比對,可以得到幾個官方新聞稿沒有明說的觀察。
其一,官方嚴重度標記明顯偏保守。 這次事故在 Google 系統中的 severity 欄位被標為 medium,status_impact 為 SERVICE_DISRUPTION。但同一份資料集中,2026 年 8 月 20 日那起只有 3.67 小時、27 項產品的事件卻被標為 high。以「影響 38 項產品、跨 7 小時 52 分、導致英國司法系統停擺」來衡量,標記為 medium 值得追問。可能的解釋是 Google 的分級著重「服務中斷」而非「客戶實際受損」,但這正意味著:官方狀態頁的嚴重度數字,不能直接當成客戶體驗的嚴重度來讀。
其二,這不是歐洲區域今年第一次被單一基礎設施事件打中。 官方紀錄顯示 2026 年至今歐洲區發生過兩起區域級事件:10 月 20 日倫敦(europe-west2,7.87 小時,本次)與 7 月 15 日荷蘭(europe-west4,12.47 小時)。值得注意的是 7 月那起的事件描述——服務中斷的原因是「冷卻系統失效(cooling failure)」。也就是說在短短三個月內,歐洲區域接連發生一次冷卻失效、一次電力事件,兩者的共通點都是單一機房的單一物理系統,而非網路、軟體或設定錯誤。
其三,最長的那筆紀錄是資料品質陷阱,不是可用性問題。 資料集中最長的一起是 2026 年 6 月 5 日開啟、6 月 26 日結束、長達 516 小時的「事件」,但讀完內文會發現它並不是一次持續宕機,而是新德里(asia-south2)到 Google Cloud 的網路流量反覆出現延遲與封包遺失,Google 的處理方式是流量改路由。這類長期潛伏的效能劣化事件在官方系統裡佔用了一個長得驚人的時間戳,如果直接對 incidents.json 做時間聚合統計,會嚴重扭曲「雲端平均停機時間」的計算。任何拿官方資料集做數據分析的團隊,都需要把「可用性事故」與「效能劣化事故」分開歸類。
其四,事後分析還沒來。 Google 在最後一次更新中承諾「將在完成內部調查後公布本次事故的分析」。以歷史經驗看,Google 的事故檢討報告往往會在數週後才公開,而那份報告才會回答本次事故最關鍵的問題:為什麼一個可用區的電力事件會擴散成 38 項產品的區域級中斷,以及為什麼官方給出的緩解手段是「請客戶手動遷移」而非自動故障轉移。在那份報告出現之前,外界對根因的所有描述都只是推測。
這次事故留下的實務清單
綜合官方的 7 次狀態更新與工程界的討論,這次事件可以提煉出幾個具體可執行的檢查項目:
- 確認自己的容錯是「跨區」還是「跨區域」。 在同一個 region 的多個 zone 與跨多個 region,是完全不同的保證層級。
- 確認備援系統是否真的獨立。 真正有效的備援,必須使用獨立的程式碼庫、獨立的雲端業者或獨立的位置——「三個 zone 跑同一份設定檔」不算。
- 定期實際演練可用區失效。 沒有演練過的容錯設計,在真實事故時通常無法自動生效。
- 把客服與申訴管道排除在故障域之外。 當交易系統掛掉時,登入 Google 帳號才能開的客服表單,等於不存在。
- 不要只依賴 Downdetector 判斷下游服務狀態。 有使用者回應 HSBC 全程正常,也有使用者表示完全無法登入——社群回報反映的是使用者體驗,不是服務的實際可用性。
編按:本文綜合整理自 Google Cloud 官方狀態頁事故紀錄(一手原始出處)、Reuters、BBC News 直播報導、The Guardian、CNN、Hacker News 討論串 與 RTÉ News 影片報導,並加入 Siami 編輯部觀點與分析。文中所有事件時間、受影響產品清單與嚴重度標記均取自 Google Cloud 官方的 incidents.json 資料集,未採用任何二手轉述的數字。
網友熱門留言 (8)