AWS DNS故障导致Snapchat、银行及1000多个网站瘫痪大半天

2025年10月20日，一场大规模AWS故障导致一些全球最大型网站下线大半天。超过1000个应用和网站受到影响——Snapchat、Fortnite、Duolingo、Reddit，以及包括Lloyds和Halifax在内的银行都在其中。Downdetector在数小时内收到超过400万条用户报告，超过正常完整工作日两倍以上，最终全球报告量飙升至1100万条以上。

亚马逊将根本原因归结为“US-EAST-1区域DynamoDB API端点的DNS解析”——即把服务名称转换为机器可读地址的电话簿层。那里的中断会产生连锁反应：服务无法找到它们所依赖的数据库。

恢复过程混乱。即使在底层问题得到解决后，亚马逊仍不得不限流自身系统的部分功能，圣母大学教授Mike Chapple警告称，如果只先修复表面症状，可能出现“级联故障”——就像电网恢复供电时“可能会闪烁几次”。AWS表示所有服务在BST 23:00左右“恢复正常运行”，距首批报告约十六小时。

事后复盘讨论的焦点是集中化，而不仅仅是代码。萨里大学教授Alan Woodward表示：“这次事件凸显的正是我们的基础设施有多么相互依赖”；Cloudflare CEO Matthew Prince直言：“每个人都有倒霉的一天，今天亚马逊倒霉了。”

超过1000个应用和网站在大半天内受到影响；Downdetector报告峰值超过1100万条；亚马逊不得不限流自身系统的部分功能

单一区域的DNS解析故障传播至1000多个客户服务，且没有地理隔离。

恢复过程需要限流亚马逊自身系统——容量规划没有为自身事故留出余量。

初始修复后的级联故障表明，承受压力的不仅是根本原因，还有恢复工具。

控制平面故障持续16小时，表明消费级互联网有多大比例依赖于单一提供商。

互联网的默认云有一个默认的爆炸半径：当一个区域的控制平面出现故障时，上千个不相关的产品共同承受后果——而恢复意味着对自己限流。

截至BBC 2025年10月21日的报道：AWS服务已恢复正常；亚马逊尚未完整说明故障机制，也未发布官方事后复盘；专家再次警告关键服务（包括银行）对单一提供商的依赖问题。