以下内容由好博体育整理:
新智元报道 8月17日,全球程序员被迫迎来了一次集体宕机。
代码写完点推送,进度条原地打转;
自动测试卡死,合并请求合不进去,连AI编程助手Copilot也掉了线。
这一卡就是7个多小时,那天,全球开发者都在等它喘过气来。
三天后,GitHub首席技术官Vlad Fedorov发文道歉: 如果你那天正想发布软件,是我们让你失望了。
他给出的原因是:流量冲上新高,美国中部数据中心的一个关键组件没跟着扩上去,压力一路扩散,多项服务接连倒下。
GitHub对这起事故的定性是 「 容量失败 」 ,这已经是他们8月里的第二次大事故。
GitHub官方图表:8月17日故障期间,入口处的请求失败率一度超过50%。
早在3月和4月,Fedorov就发文介绍过提升GitHub可靠性的举措。
他在推文里写道,这些工作至今仍在进行。
GitHub上的流量到底涨到了什么程度?
今年9月,开发者和AI智能体在GitHub上提交了73.
8亿次代码,是一年前的五倍多。
正当人们都在惊叹AI写代码的速度时,GitHub宕机让问题浮出水面:写出来的代码,该往哪儿放?
答案藏在GitHub这半年遭遇的挑战里:AI写代码的瓶颈已经从「写得出」,转移到了「存得进、合得上」。
谁在把GitHub挤爆?
先分清程序员写代码的两个动作: 提交(commit),是给代码在本地存个档;
推送(push),是把存档上传到GitHub。
人类程序员往往写完一段代码才存一次档。
而AI智能体,却是个「保存狂魔」。
GitHub工程师在官方博客里写道:智能体几乎每做一步,就要存一次档。
推送次数也跟着狂飙, 涨到原来的4.
9倍,从每月6.
9亿次飙到33.
5亿次 。
早在8月,Hacker News上就有网友挑刺:提交次数再多,GitHub真正要处理的还是推送,这个指标有水分。
马上有人反驳:「一次推送带100次提交,比只带1次提交更耗资源。
」 意思是,提交确实要推送了才到GitHub,可一次推送里装的提交越多,GitHub要处理的活就越重。
Hacker News网友围绕「提交次数算不算数」展开争论。
这句反驳恰好戳中GitHub的痛处:智能体偏偏最爱「碎碎存」。
存得越碎,次数越多,压力越大。
更要命的是,每次推送后面还跟着一串「连环Call」:代码一上传,自动测试、代码扫描就会蜂拥而上,把同一份代码反复拉取。
在繁忙的仓库里,每分钟能拉上千次。
这好比你刚交上一份考卷,几千个机器人同时冲上来批改。
9月,GitHub自动化流水线(Actions)跑了32.
6亿次,是一年前的4倍多。
GitHub各仓库的忙碌程度天差地别:2026年8月,最忙的单个仓库承受约10亿次请求。
纵轴每往上一格,数量多10倍。
据The New Stack报道,GitHub把这波增长主要归于「智能体需求」: 一批前所未有的新用户来了。
它们24小时不睡觉,最大的爱好就是按保存键。
为什么备份越多 存得越慢?
看懂了智能体的疯狂,就更加懂得GitHub老架构的难处。
为了防丢,也为了分流读代码的人,GitHub默认给每个仓库存5份完整备份,分摊在5台服务器上。
这套设计在人类时代十分稳定:丢一份不怕,读的人多了还能分流。
GitHub也是靠这套老架构,托住了10亿个代码仓库。
可到了智能体时代,死穴暴露了。
第一个堵点在「存档」。
按老规矩,每存一次新代码,5份备份都要参与,最终速度由最慢的那台服务器决定。
这就好比公司请了5个会计合记一本账,每笔新账都要等5个人签完字才算入账,最慢的那个签完才算数。
而且,一次只能记一笔,前一笔没签完,后一笔只能排队。
一旦查账的人变多,公司就得多请会计,可会计越多,签字流程就越长。
在老架构里,读和写互相拖后腿。
GitHub越想靠加备份来分担读的压力,存档就越慢。
智能体偏偏每分钟都在存档,每一次都得等会计们签完字。
更危险的是,备份坏得太多,存档会直接停下。
就好比会计病倒太多,这本账就没法再记。
第二个堵点在「合并」。
所有代码改动,最终都要汇入同一个主分支。
一年间,GitHub上的合并量涨到原来的近4倍,这好比上千辆车挤向同一个收费站。
排队到底有多慢?
GitHub工程师在博客里算过一笔账。
一个仓库的备份分在两地时,GitHub自家机房离微软云约1600公里,来回一趟约25毫秒,存一次档要来回好几趟。
更要命的是,整个仓库一次只放行一笔写入。
前一笔没存完,后一笔只能干等。
25毫秒,人类程序员连眨眼都来不及。
可对智能体来说,这就是锁死效率的天花板:智能体干活有多快,取决于一次推送多快完成。
多年来,GitHub最引以为傲的稳,到了智能体时代,却变成了堵。
先砸硬件 机房的电都用完了 面对流量洪峰,GitHub的第一反应是加机器。
截至8月,GitHub已新增300多万个CPU核心
更多赛事消息,关注好博体育。



