但我们必须接受这样一个事实：​这次代码 bug 只是特定的触发因素，就算换一个触发因素也可能会产生类似的恶果​。本次全球宕机事件的根本原因，在于配置变更的发布流程。

根据 SRE 101（或 DevOps，随便你怎么叫）规定，配置变更必须分阶段进行，以缓慢和受控的方式部署，并在每个步骤进行验证。这些变更应该先在很小的范围内进行验证，然后再向全球推送，而且每次推送都应是渐进的。

考虑到 Falcon 的关键性以及 bug 可能带来的巨大影响，我很难相信 CrowdStrike 没有对部署进行任何验证。但根据 CrowdStrike 最新更新的事后分析来看，他们确实没有进行任何形式的测试或金丝雀部署（在将更改推广到整个服务集群之前，先把更改推广到一小部分用户进行测试），这实在是令人难以置信的疏忽。

所以说，CrowdStrike 的部署实践是造成此次事件的罪魁祸首——也就是说，这次宕机事件是一个流程问题，而不是代码或技术问题，改用 Rust 也无济于事。

https://mp.weixin.qq.com/s/sWxIq4OniwZLpOISIqdKIw