Atlassian說明斷線原因出在更新服務搞烏龍

協同軟體Confluence及Jira服務軟體的供應商Atlassian網站4月初斷線使多項軟體用戶無法使用雲端服務，估計還要4月下旬才能完全恢復服務。經過2個星期Atlassian高層上周說明斷線原因，是更新服務過程中團隊溝通及技術失誤造成。

上周的說明中，Atlassian技術長Sri Viswanath表示斷線並非出於網路攻擊，或是系統大規模運行的錯誤，而是關閉舊式軟體時出現操作失誤。Atlassian為了推出Jira 服務管理及Jira 軟體的整合式App，名為Insight – 資產管理，必須關閉客戶網站的舊App。

原有計畫是工程團隊提出要求，提供App的ID，由另一個團隊執行維護script來關閉舊App執行個體。但提出要求的團隊給錯了，給成了整個雲端網站的ID。而執行關閉App任務的團隊，原本應該使用日常維護專用、可回復作業的刪除模式，卻不慎使用了「永久刪除」的模式，後者是用於法規遵循目的的刪除任務。兩項錯誤集合起來，導致將近400家代管在AWS上的客戶網站遭到刪除。

發生斷線事故後，該公司工程團隊必須從備份回復網站。4月5日起，Atlassian是以1次最多60個租戶批次回復。每批完整作業需4到5天，這也使得回復作業大幅拉長。

Viswanath承認Atlassian團隊的回應時間的確未達標準，他們更新為同時進行多個批次作業，以加速服務回復。 此外，過去網站回復是半自動作業，這是因為需要人工驗證每個網站的客戶資料，現在他們也轉向「更為自動化」的流程。

該公司表示，到4月12日為止，所有受影響的用戶中99%的用戶服務已經回復。大部份回復的客戶中，都沒資料損失，但仍然有客戶表示，事件發生前損失最高5分鐘的資料。

根據Atlassian網站，Jira Software、Jira Service Management、Jira Work Management、Confluence、Opsgenie、Atlassian Access、Atlassian Developers、狀態頁等網站仍然顯示有問題。

Atlassian表示，除了加速回復剩下的客戶網站，該公司將提供1對1支援，透過工單每日回報，以及事後報告。