2026 年 10 月 27 日，谷歌云公布伦敦区域数据中心大规模故障的最终调查报告。

2026 年 10 月 20 日，一处数据中心因外部电缆故障失去供电，备用柴油发电机未能自动启动，导致服务器、存储及网络设备断电，40 项云服务受到影响，主要故障持续 6 小时 8 分钟。

此次事故还影响到英国银行及公共服务。

Revolut、Lloyds、Halifax、HSBC 等金融机构的线上服务出现异常，部分用户无法正常完成银行卡支付、转账和取款。

Revolut 确认服务中断，但客户资金和数据安全。

英国法院及审裁处事务署（HMCTS）使用的远程庭审视频平台也出现故障。

Royal Mail、DPD、Rightmove 等服务同期收到用户故障报告，但并非所有异常均已确认由谷歌云事故直接引起。

调查报告显示，涉事数据中心承载伦敦区域（europe-west2）下属 europe-west2-b 可用区的部分基础设施，原本采用双路冗余供电架构（2N），通过 A、B 两路独立线路获取外部电力，另配备一路备用市电连接、柴油发电机和不间断电源（UPS）。

但在事故发生前，数据中心的供电架构已临时降为单路运行。

10 月 14 日，数据中心在季度发电机负载测试中发现问题，随后断开 B 路供电线路进行维修。

在维修期间，全部关键设备暂时依靠 A 路供电。

10 月 20 日 6 时 53 分（英国夏令时，以下同），外部供电网络发生地下电缆故障，导致 A 路电源中断。

由于 B 路已经断开，数据中心两条正常供电线路均无法继续供电。

按照设计，UPS 电池应在断电后维持设备短时间运行，备用柴油发电机则自动启动并接管负载。

然而，负责发电机启动的两套可编程逻辑控制器（PLC）均未发出启动指令。

调查发现，PLC 的电压检测线路连接在 B 路断路器上游。尽管 B 路断路器已经断开，上游线路仍然带电，控制器因此错误判断现场仍有正常电源可用。

PLC 控制逻辑没有同时检查供电线路的电压状态和断路器实际位置，导致备用发电机未能自动启动。

现场运维人员曾尝试通过 PLC 远程切换供电，但操作同样遭到控制系统阻止。

UPS 电池的设计独立供电时间仅约 5 分钟。

7 时，随着电池电量耗尽，机房发生全面断电，物理服务器、本地存储设备和网络交换设施相继离线，虚拟机、数据库副本及计算节点无法访问。

7 时 4 分，谷歌云自动监控系统检测到 API 错误率上升、任务提交超时以及基础设施失联，工程人员随即展开故障处理。

此次事故并未局限于断电的可用区。

7 时 9 分，区域流量调度机制和客户应用开始向其他可用区自动切换。大量计算任务、数据库故障切换和查询请求集中涌入 europe-west2-a 和 europe-west2-c，导致部分计算资源和处理容量达到上限。

与此同时，区域级服务控制平面仍需访问故障可用区内的元数据和目录组件。跨区请求持续超时，引发任务积压、数据库故障切换延迟，以及 HTTP 500、503 错误。

部分客户无法创建、更新或删除区域资源，存储写入操作也在故障转移初期出现错误。伦敦区域控制平面并未完全瘫痪，但部分功能受到影响。

工程人员随后调整区域流量路由，隔离已经离线的可用区，并重新分配计算资源，优先保障现有客户工作负载。

受影响的云产品包括 Google Compute Engine、Google Kubernetes Engine、BigQuery、Cloud SQL、Cloud Storage、Cloud Run、Cloud Spanner、AlloyDB、Pub/Sub、Looker、Vertex AI 相关服务等。

部分部署在故障可用区内的虚拟机、磁盘、数据库实例和 Kubernetes 节点无法访问。对于未提前配置跨区恢复能力的工作负载，故障期间无法自动恢复；部分已配置故障切换的业务，也因其他可用区计算资源不足或存储复制限制而恢复失败。

谷歌云确认，物理断电仅涉及 europe-west2-b 可用区的相关设施，但其他两个可用区的部分客户同样受到影响。此次事故未发现对伦敦区域以外的谷歌云区域造成影响。

在恢复过程中，现场工程人员于 7 时 54 分恢复备用市电供应，8 时 20 分完成机房供电恢复。

随后，服务器、网络设备和存储系统陆续重新启动。8 时 40 分，计算集群开始恢复，8 时 45 分，网络设备重新上线。

但供电恢复后，云服务并未立即恢复。

由于大量存储设备在断电时未能正常关闭，工程人员需要重新检查和修复存储系统。为避免进一步影响数据完整性，部分服务暂缓重新开放，存储恢复因此成为后续耗时较长的环节。

11 时 6 分，数据中心供电冗余经过验证，存储基础设施恢复至可以准备重新接入流量的状态。

11 时 45 分，工程人员开始逐步恢复进入故障可用区的业务流量。

12 时 11 分，谷歌云平台服务及 API 恢复可用，但部分 Compute Engine 虚拟机仍未恢复。

12 时 29 分，区域级服务及后台计算管理系统恢复正常调度，主要平台级故障结束。此时距离故障开始已过去 5 小时 29 分钟。

12 时 46 分，新建虚拟机功能恢复。

至 13 时 8 分，99.5% 的 Compute Engine 虚拟机恢复正常运行，绝大多数客户工作负载恢复可用。谷歌云于当天 15 时 3 分发布事故关闭通知，少量尚未恢复的工作负载继续接受处理。

事故发生后，谷歌云重新配置 PLC 控制逻辑，并分别于 10 月 20 日和 26 日完成相关验证。

10 月 26 日，备用发电机关键负载切换测试及紧急操作程序更新也已完成。更新后的程序增加了手动启动发电机、恢复正常供电及切换备用电源等操作要求，现场运维人员需定期演练。

根据 10 月 27 日发布的整改计划，受损外部电缆修复、恢复 A、B 双路正常供电、全面审查 PLC 控制代码等工作，原计划于 10 月底完成。最终报告没有确认这些后续项目的实际完成情况。

此外，谷歌云计划加强非标准供电配置的变更审批，暂停其他采用类似架构的数据中心的部分计划维护活动，并于 11 月 15 日前检查全球其他采用类似供电架构和 PLC 设备的数据中心，确认备用发电机能够正常自动启动。

在云平台层面，后续措施还包括完善重大故障的自动通知机制，以及扩大针对基础设施级故障的跨平台测试范围。

云头条声明：如以上内容有误或侵犯到你公司、机构、单位或个人权益，请联系我们说明理由，我们会配合，无条件删除处理。