如果有人告诉你，45 分钟就能搞垮一家大公司，你可能会觉得有点荒谬。但工程师 Doug Seven 却真的亲历过这样的事情。
8 年前，因为一次失败的部署v U F，Knight Capital Grot a A k W Aup 在仅仅 45 分钟内就造成了 4.6 亿美元的亏损。
这是一个真实的故事。
尽管 Doug Seven 并不是事件的参与! 9 y O @ j # E R者，h 2 : X U y但他在后来的会议中不断提及 DevOps、代码配置和持续交付的主题，希望让开d v { o ~ % S发人员意识到部署的重要性。
究竟是怎么回事？Doug Seven 在博客中分享了这个故事。
故; L I Y {事背景
这个故事的主角是一家名为 Knight Capital Group 的美国全球金融服Y w - & 5 I ]务公司: a p : G r / z，它从事做8 G Y 4市、电子执行、k j 9 ? c w d y机构销售和交易。
2012 年，Knight 是美国最大的股票交易商，在纽约证交所和纳斯达E n + F { 0克的市场份额约为 17%。Knight 电子交易集团（ETG）平均每日交易量超过 33 亿笔，每日交易额超过 210 亿美元。
种种数据表明，当时公司的运营和财务状况非常优秀。
2012 年 7 月 31 p 6 B ` | - r 日，Knight 拥有约 3.65 亿美元的资产。
当时，纽约证交所正计划于 2012 年 8 月 1 日推出一项新的零售流动性计划。
为了准备这次活动，Knight 更新= f s p k [ # _ N了他们的路由器 SMARS。这个路由器负责将订单发送到市场上执行。SMARS 的核心功能之一s E n是接收 Knight 交易平台其他组件的订单（父订单），然后发送一个或多个子订单执行。换言之，SMARS 将从交易平台收到大量订单，并将它们分成多个较小o H 4 X O I的订单，以便找到股票数量相匹配的买x p H家或者卖家。父订单越大，生成的子订单越多。
在 SMARS 中，有一段老旧的代码，名为「Powef d k cr Peg」u h t g，它已经 8 年没被用到过了，而此次更新的目的正是要换掉这段代码。更新的代码重新调整了用于激活 Power Peg 功能的旧标志的功能。
代码经过了彻底的测试，并且还进3 X ^ ; 1 # + ^ 行了一系列的验证。所有的一切都看起来很完美，找不到出错的理由。
死灰复燃的旧代码
2012 年 7 月 27 日至 2012 年 7d N x T n _ M s 4 月 31 日期间，Knight 的开发人员每天手动将新的软件部署到公司的m J . P E { ~ * 8 台服务器上。这就是 SEC 文件中关于手动部署过程的内容。如果 SEC 文件中有关于部署的内容，那么就可能出现了严重的错误。
然而，S 0 T ~ | H Z 4 ~在新代码的部署过程中，Knight 的一名技术人员忘记将新代码复制到所有 8 台 SMARS 计算机服务器中——他漏掉了其中一台服务器。
没有第二个技术人员来审查这个部| w T A M 署。
Knight 的所有人都没有意识到，Power Peg 代码并没有从第 8 个服务器上删除，也没有添加新的 RLP 代码。Knight 没有书面流程要求这样的审查。
201x V k U 32 年 8 月 1 日，在美国东部时间上午 9:30，市场开盘。Knight 开始代表客户处理订单。
具有正B _ B x 7 | ? p 3确 SMARS 部署的 7 台服务器开始正确处理这些订单。然而，发送到第 8 台服务器的命令触发了可支持的重新利用标志，并从死地中恢复了旧的 Power Peg 代码。
杀手代码如僵尸般的攻击
Power Peg 代码用于在执C r = # v [行子订单时，根据父订单计算购买或者出售的股份。P- ; + s B k , =ower Peg 将指示系统在完成父订单5 b D ^ ( N t后停止传送子订单。
也就是说，Power Peg 会跟踪子订单，并在父订单完成后停止它们。
2005 年，Knight 将这种累s ` W 4 [ C计跟踪功能移到了代码执行的早期阶` ( x X # ` F @ %段，从而从 Power Peg 中删除了计数跟踪。
当激活第 8 台服务器上的 Power Peg 标志时，Pow* & ( O ( x ;er Peg 功能开始路由子订单以供执行。但由于没有根据父S M 3 O _ O E G订- [ 7 单跟踪共享量，造成了一个永无止境的循t D u环。
地狱 45 分钟
想象一下，如果你有一个系统，它能够向市场发送自动化的、高速的订单，且没有任何跟踪程序来检查是否执行了足够的订G l ^ D O A单，会发生什么？没有比这更糟糕的事了。
上午 9:30 开市时，人们很快就知道出了问题。到V / 3 f上午 9 点 31 分，华尔街的许多人都清楚发生了一些严重的事情。市场上Y # ! k | u充斥着非正常交易量的股票订单。
到上午 9 点 32 分，华尔街的人们都在想，为什么订单还没有停下来，为什么没有+ c W ( @ A E :人按下任何系统的关闭开关？结果他们发现，并没有关闭开关。在交易的前 45 分钟里，Knight 的交易量占了总交易量的 50% 以上，这使得某些股票的市值上涨了 10% 以上。因此，其他股票因错误的交易而贬值。
更糟糕的是，V M @ g pKnight 的系统在当天早些时候开始自动发送电子邮件。早在上午 8:01，SMAR 已经处理了符合上市前交易条件的订单。邮件消息引用 SMARq ^ x } ! 7 + +S，并将错误识别为「Power Peg disabled」。
在: J O ,上午 8:01 到 9:30 之间，Knight 工作人员也收到了 97 封邮件。可惜的是，这些电子邮件, P = * t f ; %不是R k J作为系统警报设计的，2 Z L %因此没有人立^ 7 V O _ B即查看它们。
在 Knight 经历的 45 分钟内，他们尝试了几种反制措施，试图阻止错误的交易。由于没有终止开关，所以他们只能在实Z . , g时交易环境中尝试诊断问题。
每分钟，系统上约有 800 万股股票被交易。他们无法确定是什么导致了错误的命令，所以他们从正确部署的服务器上卸载了新代码} : g I b U V。
换句话说，他们删除了工作代码，留下了损坏的代码。~ g x 9 [ - |
这4 I d e更加放大了问f : L D 2 X Q = 0题。最开始，仅在部署不正确的服务器上，额外的父命令激活了 Power Peg 代码。现在，问题蔓延到了所有服6 P O K务器上。最后，他们终于停止了系统，但此时已经进行了 45 分钟的交易。
在开盘的前 45 分钟，市场收到并处理了 212 份父订单。因O 8 y ^ @ O此4 R 3 f - % ^ %，SMARS 向市场发送了数以百万计的子订单，产生了 400 万笔交易，而其中 154 只股票的交易量超过了 3.97 亿股。这意味着，Knightf $ | H , W 资本集b 2 Q z x z Y团在 4Q r ^ ^ z5 分钟内造成了 4.6 亿美元的亏损。
然而，Knight 只有 3.65 亿美元的资产。
45 分钟后，美国股; B V n Q Q ; f市最大的交易商、纽约证交所和纳2 Y i g : $ # D Z斯达克的主要做市商 Knight 破产，4 个月后被 Gete T oco LLi 2 U * LC 收购。
软件发布必须可重复、可靠
所s b F % s h M z有开发和运营团队都应该从这次事件中吸取教训。仅仅构建优秀的软件并对其进行测试是不够的，你还必须确保它被正确地交付给市场，这样你的客户才能获得你所交付的价值。
部署 SMARS 的工h e m G a =程师并不是此事唯一的责任人，Knight 设置的流程和他们所面临的风险并不匹配。此外，他们的流程天生就容易出x B 5 &错。任何时候6 S P @ _，如果你的部署过程依l y _ D ~ B赖于人主动阅读和遵循说明，那么都将面临风险。人是会犯错的。错误可能出现在指令中，. , c也可能出现在指令的解释中，或出现在指令的执行中。
部署需要自动化，并且可重复，尽可能避免潜在的人为错误。如果 Knight 实现r G ^ / l i /了自动化部署系统，将配置O M r I G z H 1 4、部署和测试全部自动化，那么这次错误本可以避免。
即使没有实施完z / H ? n z c m整的连续交付过程，你仍然需要遵守的几个连续交付原则：
-
软件发布应该是一E O j g个h ; F b ] G ` : ~可重复、可靠的过程。
-
尽可能地自动t d w } [ h R化。
via：https://dougseven.com/2014/04/17/knightmare-a-devops-cautionary-tale/
雷锋网雷锋网雷锋网