Diciassette minuti l'8 giugno 2026
L'unico guasto che conosciamo da quando gestiamo siti di clienti: cosa si è rotto, perché ha trascinato tutto con sé, come ce ne siamo accorti, cosa è cambiato.
La mattina dell'8 giugno 2026, verso le dieci, tutto ciò che gestivamo è stato irraggiungibile per circa diciassette minuti: i siti web dei nostri clienti, il nostro sito e i nostri servizi. È l'unico guasto di cui siamo a conoscenza da quando, nel dicembre 2024, abbiamo cominciato a gestire siti web per clienti. Questo è il rapporto che dobbiamo, scritto più tardi di quanto avremmo dovuto.
Cosa è successo
Il nostro codice usava una libreria di terzi per il controllo delle licenze. Quella libreria è incappata in un errore suo, e il modo in cui il nostro codice la chiamava faceva sì che il suo guasto non restasse circoscritto: ha trascinato con sé l'intero sistema. Nient'altro era fuori posto. Nessun server si è fermato, nessuna banca dati è stata danneggiata, nessun dato è andato perso. Una volta trovata la causa e tolta la dipendenza dalla libreria dal percorso che serve le pagine, tutto è tornato a funzionare.
Non facciamo il nome della libreria. L'errore stava nel modo in cui la usavamo tanto quanto nella libreria stessa, e nominarla attribuirebbe la colpa dove sta solo per metà.
Come ce ne siamo accorti
La risposta onesta: perché all'improvviso non c'era più niente. A quel tempo nessun monitor sorvegliava i nostri servizi dall'esterno. L'abbiamo scoperto come l'avrebbe scoperto un visitatore, cioè nel modo sbagliato. I diciassette minuti sono la nostra ricostruzione di quella mattina, non una misurazione. Per questo non indichiamo neppure una cifra esatta di disponibilità per il periodo precedente: non c'era niente che la misurasse.
Cosa è cambiato
Tre cose.
- La libreria non c'è più. Non fa più parte di alcun sistema che gestiamo.
- Una dipendenza che non serve a mostrare una pagina non può più impedire che una pagina venga mostrata. Un controllo di licenza, una chiamata per le statistiche, una notifica: se uno di questi fallisce, la pagina risponde comunque e il fallimento viene registrato. Ora è una regola che verifichiamo nella revisione del codice, non una speranza.
- Quattro monitor indipendenti sorvegliano i nostri servizi. Funzionano in luoghi diversi e danno l'allarme separatamente, così un singolo monitor guasto non può nascondere un'interruzione. Da quando il nostro cluster è entrato in funzione il 3 ottobre 2026, status.elchi.dev pubblica ciò che viene misurato, compresa ogni interruzione con la sua durata reale.
Perché lo scriviamo
Un'azienda che Le comunica i propri numeri dovrebbe anche raccontarLe del periodo in cui quei numeri erano cattivi. Se quei diciassette minuti di un lunedì mattina L'hanno toccata e non ha mai saputo niente da noi, questa è la spiegazione, e ci dispiace che arrivi così tardi.
D'ora in poi ogni interruzione che un cliente potrebbe notare riceve nel diario un rapporto come questo, con cosa si è rotto, quanto è durato e cosa abbiamo cambiato.
Scritto da Samuel Krauss, Founder. Archiviato in incident, operations.
Tradotto dall’inglese. Leggi l’originale inglese