摘要： 本文讲述了Hightouch团队在2025年10月20日AWS us-east-1区域发生DNS管理服务中的竞态条件错误导致的服务中断后，尝试升级其数据库以增加事件处理吞吐量时遇到的问题。在升级过程中，他们遇到了Aurora RDS中的另一个竞态条件错误，导致数据库无法完成升级。通过分析日志和测试，他们发现是由于Aurora的内部信号问题导致的。最终，AWS确认了问题的根本原因，并提供了缓解措施。Hightouch团队总结了这次经历中的几个重要原则，包括为迁移做好最坏情况的准备、强调可观察性的重要性、以及测试环境与生产环境的差异等。
讨论： 该讨论主要围绕 AWS Aurora 数据库的一些性能和稳定性问题展开。用户 gtowey 指出，在手动触发的故障转移过程中，如果应用程序尝试维持正常的写入流量，故障转移可能会失败。shayonj 提到了 Aurora PostgreSQL 在零停机补丁期间的一个未确认的 bug，即在升级小版本后，查询可能会因为语句超时而失败。time0ut 分享了他们在高写入负载下进行数据库操作的常规操作，并表达了对可能增加的担忧。grhmc 对 Aurora 未能维护他们期望的不变性表示失望。halifaxbeard 对故障转移失败的原因提出了不同的看法。jansommer 对 Aurora 和 RDS Postgres 的性能进行了比较，并提出了一些疑问。dangoodmanUT 对 AWS 工程师在构建数据层时的正确性保证表示赞赏。d1egoaz 提到了 AWS 的修复计划，并建议在需要时使用 Aurora 的故障转移功能。robinduckett 表示很高兴知道他并不孤单。bob1029 认为Aurora将计算与存储分离的架构很有吸引力。
原文标题：A race condition in Aurora RDS
原文链接：https://hightouch.com/blog/uncovering-a-race-condition-in-aurora-rds
讨论链接：https://news.ycombinator.com/item?id=45929921