Analyse post-mortem de l'incident réseau : Bug d'échantillonnage des validateurs I. Résumé Le 26 juin 2025 à 2h40 UTC, le réseau principal Flare a connu une brève panne, entraînant un arrêt temporaire de la production de blocs. Le problème a été identifié comme un bug connu et depuis corrigé dans le mécanisme d'échantillonnage des validateurs hérité d'une dépendance en amont. Une mise à niveau du réseau, préalablement planifiée et auditée, contenant le correctif a été déployée en avance, restaurant avec succès la fonctionnalité du réseau d'ici 11h15 UTC le 26 juin 2025. II. Cause racine La panne a été déclenchée par un bug dans le logiciel client go-flare v1.10, provenant d'une dépendance Avalanche en amont (avalanchego). Le bug était situé dans l'algorithme d'échantillonnage des validateurs, qui est critique pour la production de blocs et la sélection des pairs. Dans des conditions réseau spécifiques, le poids cumulé de tous les validateurs a dépassé la valeur maximale pour un entier signé de 64 bits (MaxInt64). Cela a entraîné une erreur errOutOfRange, provoquant l'arrêt des nœuds validateurs. La perte de ces validateurs a interrompu la capacité du réseau à produire de nouveaux blocs. III. Résolution Le bug sous-jacent avait déjà été rectifié dans avalanchego v1.11.0, qui a mis à jour la logique d'échantillonnage pour prendre en charge le type de données uint64 plus grand. Flare avait proactivement audité et préparé sa version v1.11 correspondante avant son calendrier initial. En réponse à l'incident, cette mise à niveau planifiée a été déployée comme un correctif d'urgence. Le nouveau logiciel a été déployé avec succès, résolvant l'erreur et restaurant la stabilité et les opérations du réseau. IV. Prochaines étapes Le déploiement réussi de cette mise à niveau a renforcé la résilience et la stabilité du réseau, le positionnant pour gérer la croissance future. Nous avons examiné notre processus de réponse aux incidents pour garantir un déploiement rapide des correctifs critiques si des situations similaires se présentent. Nous remercions nos fournisseurs d'infrastructure et la communauté au sens large pour leur réponse rapide et leur soutien, qui ont été essentiels à la résolution rapide de cet incident.