11月21日,OpenAI遭遇今年最严重的一次服务中断。太平洋时间13:48至17:21,ChatGPT与OpenAI API的请求失败率一度达到75%,整场故障持续211分钟,免费用户与付费用户都受到影响。OpenAI当天在状态页发布事后说明,确认故障源于一次例行数据库维护,11月22日服务已全部恢复正常。
两个数据库副本同时倒下,认证服务先失守
触发点是OpenAI的Primary API服务,它负责全栈的用户认证与服务间认证。例行维护让该服务背后的Postgres数据库两个只读副本同时故障,副本延迟无限增长,所有依赖认证的请求路径随之失效。API一侧,Chat Completions、Fine-tuning、Embeddings、Images、Batch、Audio、Moderations、Realtime与Files接口全部受影响;ChatGPT一侧,对话、登录、搜索、文件上传与语音模式相继失灵。故障高峰时段,用户在Downdetector上提交了数千条报错,Codex也出现不稳定。
真正的教训是单点依赖
这次故障值得注意的不是时长,而是单点。认证服务一旦失守,聊天、API、语音、文件这些彼此独立的功能会同时倒下;对把业务完全押在OpenAI一家之上的开发者和智能体工作流来说,三个半小时的停摆就是一次全线停工。OpenAI在说明中没有提及数据丢失或泄露,这次故障定性为可用性事件,而非安全事件。类似的教训并不陌生:微软365本月也曾断网36小时,微软365断网36小时后恢复:Outlook、Teams与Copilot重回正轨,大型云服务的中断从来不是会不会发生,而是多久发生一次。
OpenAI承诺了三项整改
OpenAI承诺暂停同类维护、调整数据库连接参数以减少连接抖动,并上线一个功能开关,可按比例把流量从只读副本上切走。用户能做的事不多:在状态页订阅通知,关键业务保留备用供应商。至于这套整改够不够,要等下一次维护窗口才能验证。