Postmortem síťového incidentu: Chyba vzorkování validátoru I. Shrnutí Dne 26. června 2025 ve 2:40 UTC došlo ke krátkému výpadku sítě Flare Mainnet, který způsobil dočasné zastavení výroby bloků. Problém byl identifikován jako známá a od té doby opravená chyba v mechanismu vzorkování validátoru zděděná z upstreamové závislosti. Předem naplánovaný, auditovaný upgrade sítě obsahující opravu byl nasazen s předstihem a úspěšně obnovil funkčnost sítě 26. června 2025 v 11:15 UTC. II. Hlavní příčina Výpadek byl vyvolán chybou v klientském softwaru go-flare v1.10, která pocházela z upstream závislosti Avalanche (avalanchego). Chyba byla lokalizována v algoritmu vzorkování validátoru, který je kritický pro produkci bloků a výběr peerů. Za určitých podmínek sítě kumulativní váha všech validátorů překročila maximální hodnotu pro 64bitové celé číslo se znaménkem (MaxInt64). To vedlo k chybě errOutOfRange, která způsobila vypnutí uzlů validátoru. Ztráta těchto validátorů přerušila schopnost sítě produkovat nové bloky. III. Rozlišení Základní chyba již byla opravena v aplikaci avalanchego v1.11.0, která aktualizovala logiku vzorkování tak, aby podporovala větší datový typ uint64. Společnost Flare proaktivně zkontrolovala a připravila odpovídající vydání verze v1.11 před původním plánem. V reakci na tento incident byla tato plánovaná aktualizace nasazena jako nouzová záplata. Nový software byl úspěšně zaveden, vyřešil chybu a obnovil stabilitu a provoz sítě. IV. Další kroky Úspěšné nasazení této aktualizace zvýšilo odolnost a stabilitu sítě a připravilo ji na budoucí růst. Přezkoumali jsme náš proces reakce na incidenty, abychom zajistili rychlé nasazení kritických záplat v případě podobných situací. Vyjadřujeme naši vděčnost našim poskytovatelům infrastruktury a širší komunitě za jejich rychlou reakci a podporu, která přispěla k rychlému vyřešení tohoto incidentu.