Post-mortem dell'incidente di rete: bug nel campionamento dei validatori I. Riepilogo Il 26 giugno 2025 alle 2:40 AM UTC, la rete principale Flare ha subito un breve blackout, causando un'interruzione temporanea nella produzione di blocchi. Il problema è stato identificato come un bug noto e già corretto nel meccanismo di campionamento dei validatori ereditato da una dipendenza upstream. Un aggiornamento di rete pre-pianificato e auditato contenente la correzione è stato implementato in anticipo, ripristinando con successo la funzionalità della rete entro le 11:15 AM UTC del 26 giugno 2025. II. Causa principale Il blackout è stato innescato da un bug nel software client go-flare v1.10, originato da una dipendenza upstream di Avalanche (avalanchego). Il bug si trovava nell'algoritmo di campionamento dei validatori, che è critico per la produzione di blocchi e la selezione dei peer. Sotto specifiche condizioni di rete, il peso cumulativo di tutti i validatori ha superato il valore massimo per un intero firmato a 64 bit (MaxInt64). Questo ha causato un errore errOutOfRange, portando alla chiusura dei nodi validatori. La perdita di questi validatori ha interrotto la capacità della rete di produrre nuovi blocchi. III. Risoluzione Il bug sottostante era già stato corretto in avalanchego v1.11.0, che ha aggiornato la logica di campionamento per supportare il tipo di dato uint64 più grande. Flare aveva proattivamente auditato e preparato la sua corrispondente release v1.11 in anticipo rispetto al programma originale. In risposta all'incidente, questo aggiornamento pianificato è stato implementato come patch di emergenza. Il nuovo software è stato distribuito con successo, risolvendo l'errore e ripristinando la stabilità e le operazioni della rete. IV. Prossimi passi Il successo dell'implementazione di questo aggiornamento ha migliorato la resilienza e la stabilità della rete, posizionandola per gestire la crescita futura. Abbiamo rivisto il nostro processo di risposta agli incidenti per garantire un rapido dispiegamento di patch critiche se dovessero verificarsi situazioni simili. Estendiamo la nostra gratitudine ai nostri fornitori di infrastruttura e alla comunità più ampia per la loro pronta risposta e supporto, che sono stati fondamentali per la rapida risoluzione di questo incidente.