Es liegt nicht nur an dir: Das Internet bricht ständig zusammen.

Also nein, du liegst nicht falsch: Das Internet fühlt sich an, als würde es auseinanderbrechen – weil wir es zu groß gemacht haben, um zu scheitern, und zu klein an der Spitze, um aufrecht zu bleiben.

Kleine Korrekturen werden zu globalen Problemen

Als eine Datei innerhalb von Cloudflare über ihre erwartete Größe hinauswuchs Anfang dieser Woche reisten die Folgen weit über die Websites hinaus, die tatsächlich auf Cloudflare laufen. Banken verzeichneten eine verringerte Leistung. Einzelhandelskassen stockten. Messaging-Plattformen kamen ins Stocken. Sogar die vermeintlich „smarte“ Ausrüstung, der Menschen vertrauen, um den Morgen zu bewältigen – die Kaffeemaschine, die auf einen Cloud-Handshake angewiesen ist, das Thermostat, das auf seiner Verifizierung besteht, die App, die entscheidet, ob der Arbeitsweg machbar ist – stockten, als die Randschicht aus dem Takt geriet.

Die Führung von Cloudflare kümmerte sich nicht um Schönreden. Der Chief Technology Officer des Unternehmens twitterte eine Entschuldigung die das „Versagen des breiteren Internets“ anerkannte und die Schuld auf einen latenten Fehler schob, der durch eine routinemäßige Konfigurationsänderung ausgelöst wurde. Kein Einbruch, kein böser Akteur – nur eine alltägliche Anpassung, die es schaffte, ein Netzwerk von der Größe eines Kontinents zum Stolpern zu bringen.

Das Unternehmen deckt ungefähr ein Fünftel des globalen Webverkehrs ab, was bedeutet, dass eine Berechtigungsänderung in einer Datenbank mit einem einzigen Deployment Millionen von Sitzungen beeinflusste. Unternehmen behandeln dieses Edge-Netzwerk wie eine Infrastruktur. Versicherer betrachten es als systemische Bedrohung. Die Global 2000 verliert jetzt geschätzte 400 Milliarden Dollar pro Jahr durch Cloud- und Edge-Ausfälle, und die größten Unternehmen beziffern die Unterbrechungskosten regelmäßig auf den Bereich von 1 Million bis 5 Millionen Dollar pro StundeEin tief in einem System vergrabenes Dokument, von dem die meisten Menschen noch nie gehört haben, schaffte es dennoch, die digitale Welt nach seinem Willen zu beugen.

Ein fehlendes DNS-Feld in der geschäftigsten Region von AWS verursachte Ende letzten Monats eine weitere Art von Kippbewegung. Der Datenverkehr rutschte in Fallback-Modi. Einige Dienste froren vollständig ein. Versicherer modellierten bis zu 581 Millionen US-Dollar an potenziellen Ansprüchen, eine Zahl, die nicht einmal aufgegebene Warenkörbe, Gehaltsverzögerungen oder festgefahrene Sendungen erfasst, die nie das Papierstadium erreichen.

Mehr als 17 Millionen von Benutzern gemeldete Ausfälle stapelten sich in den ersten Stunden. Diese Zahl war groß genug, um zu zeigen, wie abhängig Unternehmen nach wie vor von den Kernregionen von AWS sind – selbst wenn Architekten darauf bestehen, dass sie ihr Risiko verteilt haben. Regionale Redundanz bot wenig Isolierung, da Identitätsprüfungen, Datenabrufe und Hintergrundaufgaben aus Gewohnheit immer noch durch die beliebteste Region geleitet werden. Der Ausfall dauerte nicht lange, erreichte aber dennoch Sektoren, die dachten, sie befänden sich außerhalb der Einflusszone. Willkommen in der modernen Cloud.

In der folgenden Woche war Azure an der Reihe, als ein Verkehrsmanagement-Update in einer Microsoft $MSFT-Edge-Schicht Arbeitsplatzanmeldungen, Fluglinien-Check-ins, Einzelhandelsportale und Gaming-Plattformen verlangsamte. Die Oberflächensymptome sahen unzusammenhängend aus. Das zugrunde liegende Problem lag in einem Routingsystem, das mit Microsofts Identitäts-Stack verbunden ist. Viele Organisationen, die ihre Anwendungen nicht auf Azure betreiben, verlassen sich dennoch auf Microsoft, um Anmeldeinformationen zu überprüfen, Sitzungen zu autorisieren oder Benutzerdaten zu leiten. Eine Verschiebung in dieser Schicht erscheint auf dem Papier klein. Aber in der Praxis betrifft es Reisen, Handel, Kommunikation und Büroabläufe – alles zur gleichen Zeit.

Im Sommer rutschte eine Dienststeuerungsregel in die falsche Schicht innerhalb von Google Cloud und brachte die Plattform aus dem Gleichgewicht. Der Code, der routinemäßige API-Aufrufe abzeichnet, stürzte immer wieder ab und startete neu, und Anfragen, die normalerweise in einem Augenblick abgewickelt werden, begannen zu stocken oder fielen aus. Das Stottern zeigte sich in allen Regionen als Authentifizierungsfehler, gestoppte Builds und Anwendungen, die ein- und ausblinken – es traf Streaming-Plattformen, Kollaborationstools und Googles eigene Systeme, bevor sich die Plattform stabilisieren konnte. Es dauerte nicht lange, machte aber deutlich, dass die Steuerungsebene von Google wie eine einzige Oberfläche funktioniert und eine kleine Verschiebung in dieser Schicht jedem Pfad folgt, der davon abhängt.

Ein Netz, eine Wirbelsäule

Diese Ausfälle kamen nicht vom gleichen Fehler. Aber sie verwiesen auf dieselbe Struktur.

Das Internet wuchs um eine Handvoll von Infrastrukturanbietern herum, die jetzt als tragende Balken der globalen Wirtschaft agieren. Amazon $AMZN, Microsoft und Google kontrollieren etwa 62 % der weltweiten Ausgaben für Cloud-Infrastruktur. Cloudflare sitzt vor 20 % des Webs, und mehr als 80 % der Websites, die Reverse-Proxys verwenden, sind von diesem als ihrem einzigen Anbieter abhängig. Identitätsplattformen von Microsoft, Amazon und Okta stehen hinter Hunderten von Millionen von Anmeldungen pro Tag.

Das Internet sah früher aus wie ein Myzelnetzwerk: chaotisch, redundant und verteilt. Zunehmend sieht es aus wie eine Handvoll Glas-und-Stahl-Serverfarmen und Sicherheitsgateways, wo eine mittelgroße Datei in San Francisco oder ein leerer DNS-Eintrag in Virginia die gesamte digitale Wirtschaft kurzzeitig aus dem Gleichgewicht bringen kann.

Unternehmen sprechen weiterhin über die Vielfalt der Infrastruktur. Sie verweisen auf Multicloud-Setups und Strategien für Region-Failover. Diese Ausfälle zeigten, wie dünn diese Strategien werden, sobald gemeinsame Abhängigkeitsketten sichtbar werden. Ein Einzelhändler, der seine Rechnerkapazität über Clouds verteilt, stolpert immer noch, wenn sein Checkout-Fluss von einem CDN abhängt, das dunkel geworden ist. Ein Krankenhaus, das seine Patientenakten in lokalen Systemen aufbewahrt, hat immer noch mit Verzögerungen zu kämpfen, wenn seine Messaging- oder Bildgebungsintegrationen über einen Cloud-Dienst laufen, der an die falsche Routing-Schicht gebunden ist. Eine Fluggesellschaft, die stark in ihre eigenen Rechenzentren investiert, sieht immer noch eine Verlangsamung, wenn ihre Identitätsprüfungen durch einen Authentifizierungsanbieter laufen, der Probleme hat.

Keines dieser Unternehmen plante besonders schlecht. Das Problem liegt im modernen Stack selbst. Zu viele kritische Funktionen hängen von Schichten ab, die außerhalb der Kontrolle eines Unternehmens liegen.

Analysten, die Ausfälle untersuchen, achten weniger auf die Dauer und mehr auf den Auswirkungsbereich. Der AWS-Vorfall betraf mehr als 3.500 Unternehmen in über 60 Ländern. Der Ausfall von Cloudflare führte zu mehr als 11.000 Nutzer-Incident-Berichten und störte Arbeitsabläufe in Banken, Einzelhandelsunternehmen, Logistiksystemen, Medienplattformen und Regierungsbehörden — all dies unter der Annahme, dass ihre „Edge“-Schicht weit genug vom Rand von allem entfernt sei. Die Verlangsamung von Azure verursachte über 30.000 Ausfallberichte. in der ersten Stunde und verursachte Störungen im Reise- und Unterhaltungsbereich sowie in der Hälfte der digitalen Möglichkeiten, wie Menschen prokrastinieren. Googles Stolperer führte zu mehr als 10.000 Berichten auf Cloud-Ebene und verursachte Störungen bei Streaming-Plattformen, Kollaborationstools und den Diensten, die auf seine Cloud angewiesen sind. Jeder Vorfall zeigte, wie konzentriert die Grundlagen des Internets geworden sind. Ein Rückschlag bei einem Anbieter zieht sich durch verschiedene Sektoren, weil dieselben Netzwerke, dieselben Content-Delivery-Systeme und dieselben Identitätsdienste unter den meisten digitalen Produkten auftauchen.

Das Gewebe des Internets ist fragil

Das Ausmaß der Ausfälle hatte weniger mit der Zeit zu tun und alles mit dem, was sie ausgelöst hat. Kleine, fast vergessene Änderungen — eine Konfigurationsdatei, die ihr Limit überschreitet, ein DNS-Pointer, der verschwindet, eine Routing-Regel, die abweicht, eine Dienststeuerungsprüfung, die in einen Fehler gerät — führten dazu, dass ganze Systeme aus der Bahn geworfen wurden. Kleine Ursache, große Wirkung. Keine dieser Bewegungen wirkt wie ein Auslöser für Verluste in Millionenhöhe oder eingefrorene globale Arbeitsabläufe, aber in einem so konsolidierten System ist das der Ort, an dem der Effekt eintrat. Das eigentliche Risiko liegt nicht mehr in einzelnen Diensten oder Rechenzentren. Es liegt in dem Verbindungsglied, auf das sich jeder verlässt, ohne darüber nachzudenken.

Cloud-Anbieter und Verkehrsnetzwerke fördern weiterhin Redundanz, und die dahinterstehende Technik ist real. Das Problem liegt in den Lücken, die diese Strategien nicht erreichen können. Redundanz bei einem Anbieter schützt die Arbeitslasten, die innerhalb der Mauern dieses Anbieters bleiben. Es bietet keinen Schutz gegen gemeinsame DNS-Schichten, gemeinsame Edge-Netzwerke oder gemeinsame Identitätsstapel. Solange diese Schichten sich um eine kleine Anzahl von Unternehmen konzentrieren, kann eine routinemäßige Anpassung Unternehmen in verschiedenen Branchen in eine parallele Verlangsamung drängen.

Die Störungen in diesem Herbst deuteten nicht auf ein versagendes Internet hin; sie boten ein besseres Bild von dem, was existiert.

Das Web verhält sich mehr wie ein einziges, miteinander verbundenes System, als die meisten Menschen erkennen. Unternehmen und öffentliche Einrichtungen operieren jetzt innerhalb dieses Systems, ob sie es beabsichtigen oder nicht. Der nächste Ausfall könnte durch eine Änderung der Einstellungen, eine Verschiebung in der Routentabelle oder eine Datei, die eine Schwelle überschreitet, ausgelöst werden. Das Internet ist noch nicht zusammengebrochen. Aber es hat gerade gezeigt, wie leicht es könnte.