Uma falha sem precedentes na Amazon Web Services (AWS), a gigante da computação em nuvem, gerou um “apagão” digital global que paralisou centenas de serviços e aplicativos por quase 16 horas. A instabilidade, que começou a ser detectada na madrugada desta segunda-feira (20) por volta das 4h11 (horário de Brasília), afetou plataformas populares como Alexa, Zoom, Duolingo, Snapchat, Fortnite, Mercado Livre e Prime Video. O site Downdetector registrou que a interrupção impactou mais de mil empresas e atingiu o pico de 6,5 milhões de usuários com problemas de acesso em diversos países. Embora a situação tenha demonstrado sinais de melhora nas primeiras horas da manhã, a Amazon confirmou a normalização completa da região US-EAST-1 (norte da Virgínia, EUA) — um dos pilares de sua infraestrutura — apenas às 19h53.
O que causou a falha na AWS?
A origem do problema foi rastreada até a região US-EAST-1, localizada no norte da Virgínia, EUA. Esta área é um dos centros nevrálgicos da Amazon Web Services, crucial para a operação de inúmeros serviços globais.
(Imagem: Yu Chun Christopher Wong / Shutterstock.com)
Inicialmente, a AWS identificou uma falha na resolução de DNS (Domain Name System) do serviço DynamoDB, que atua como o “diretório telefônico” da internet para aplicações em nuvem. Essa falha se propagou para recursos interligados como o IAM (Identity and Access Management) e o DynamoDB Global Tables, impedindo que diversas aplicações localizassem e acessassem suas bases de dados e outros componentes essenciais.
Após a correção do problema de DNS, uma nova falha emergiu em um subsistema interno do EC2 (Elastic Compute Cloud), responsável pelo lançamento de novas instâncias virtuais. A dependência desse subsistema em relação ao DynamoDB, que ainda estava em fase de recuperação, criou um efeito em cascata. Essa instabilidade se estendeu aos balanceadores de carga de rede (Network Load Balancers), essenciais para gerenciar o tráfego interno, e comprometeu a conectividade de serviços cruciais como Lambda (funções serverless) e CloudWatch (monitoramento). Para mitigar os impactos, a AWS implementou medidas como a limitação temporária de novas instâncias EC2, ajustes na execução de funções Lambda e a redução no processamento de filas SQS (Simple Queue Service), visando estabilizar os sistemas. A recuperação ocorreu de forma gradual, com zonas de disponibilidade se restabelecendo, lançamentos de EC2 aumentando e os erros de rede diminuindo progressivamente. Funções Lambda e filas SQS voltaram à normalidade, com o processamento de tarefas atrasadas sendo retomado sem novos atrasos significativos.
Falha gravíssima afeta confiabilidade da nuvem
Segundo Arthur Igreja, renomado especialista em tecnologia e inovação, o incidente foi de extrema gravidade, abalando a confiança na infraestrutura de computação em nuvem. Ele compara o DNS a uma “lista telefônica da internet”; quando indisponível, os aplicativos perdem a capacidade de localizar e se conectar às suas bases de dados, tornando serviços inoperantes. “É uma falha técnica gravíssima porque um dos requisitos da nuvem é justamente confiabilidade e disponibilidade. Muitas empresas ficam expostas, sem plano B, sem alternativa quando algo assim acontece”, afirma Igreja. Mesmo com o restabelecimento dos serviços pela Amazon, a recuperação total de aplicações complexas e de grande escala demanda horas, exigindo mais do que um simples “reboot” para a normalização completa.
Serviços e aplicativos impactados pelo apagão da AWS
O “apagão” da AWS teve um alcance impressionante, impactando não apenas os já mencionados Alexa, Zoom, Duolingo, Snapchat, Prime Video, Fortnite, Roblox, Coinbase, Mercado Livre e Mercado Pago, mas também operações críticas de companhias aéreas, bancos e diversas plataformas de e-commerce. Estimativas apontam que mais de mil empresas e mais de 500 aplicativos em diferentes setores foram afetados.
(Imagem: Reprodução / AWS)
Este incidente reacende o debate sobre a perigosa centralização de serviços de nuvem nas mãos de poucas grandes empresas de tecnologia. Especialistas alertam que, com aproximadamente um terço da internet global apoiada na infraestrutura da AWS, falhas em um único datacenter podem desencadear um efeito dominó catastrófico em sistemas digitais por todo o planeta.
(Imagem: Reprodução)
A Amazon, por sua vez, garantiu que seus engenheiros mantiveram o monitoramento da rede e que a maioria dos serviços foi restaurada. Às 19h53, um total de 142 produtos afetados constavam como “resolvidos” na página de integridade da AWS.
Cronologia da Crise: Detalhes da Falha na AWS
A AWS divulgou uma série de atualizações ao longo do dia, detalhando a evolução dos problemas e as ações de mitigação. Abaixo, um resumo da cronologia dos eventos:
- 04h11 (BRT): Início da investigação pela AWS após aumento de erros e latência em múltiplos serviços na região US-EAST-1.
- 04h51 (BRT): Confirmação da falha, com alerta sobre possível impacto na criação de chamados de suporte. Engenheiros iniciam medidas de mitigação.
- 05h26 (BRT): Erros significativos registrados no endpoint do DynamoDB, afetando serviços interligados e a capacidade de suporte ao cliente.
- 06h01 (BRT): Resolução de DNS do DynamoDB identificada como provável causa raiz, afetando serviços globais dependentes da região US-EAST-1.
- 06h22 (BRT): Aplicação de medidas iniciais de mitigação e sinais de recuperação em alguns serviços, apesar do backlog de operações.
- 06h27 (BRT): A maioria das requisições começa a ser processada normalmente; esforços para reduzir o backlog continuam.
- 07h03 (BRT): Recuperação significativa de serviços afetados, incluindo os globais.
- 07h35 (BRT): Problema de DNS completamente resolvido, mas lançamentos de novas instâncias EC2 ainda enfrentam erros elevados. Serviços como CloudTrail e Lambda processam eventos pendentes.
- 08h08 (BRT): AWS trabalha na restauração de lançamentos de EC2 e na redução de atrasos no polling de Lambda para filas SQS.
- 08h48 (BRT): Recomendação para lançar instâncias EC2 sem especificar a Availability Zone. Serviços como RDS, ECS e Glue impactados.
- 09h10 (BRT): Processamento de filas SQS via Lambda normalizado, com backlog em resolução gradual.
- 09h48 (BRT): Recuperação parcial de EC2 em algumas zonas; mitigação em andamento nas demais. EventBridge e CloudTrail operam sem atrasos.
- 10h42 (BRT): Múltiplas medidas aplicadas em todas as Availability Zones de US-EAST-1, mas erros em lançamentos de EC2 persistem. Implementação de rate limiting para auxiliar na recuperação.
- 11h14 (BRT): Confirmação de persistência de erros e problemas de conectividade em diversos serviços; investigação da causa continua.
- 11h29 (BRT): Primeiros sinais de recuperação da conectividade com os serviços afetados.
- 12h04 (BRT): Identificação de problema na rede interna do EC2, afetando DynamoDB, SQS e Amazon Connect. Mitigações em aplicação.
- 12h43 (BRT): Origem do problema apontada como subsistema interno de monitoramento dos Network Load Balancers. Limitação temporária de lançamentos de EC2 para recuperação.
- 13h13 (BRT): Mitigações adicionais resultam em recuperação gradual da conectividade e das APIs; limitações em novos lançamentos de EC2 gerenciadas.
- 14h03 (BRT): Continuação das medidas de mitigação. Erros em funções Lambda persistem; validação da correção para lançamentos de EC2.
- 14h38 (BRT): Avanço nas medidas para corrigir falhas em lançamentos de EC2; sinais iniciais de recuperação em algumas Availability Zones de US-EAST-1. Mitigação aplicada nas demais AZs.
- 15h22 (BRT): Progressos contínuos na correção de falhas em lançamentos de EC2, com aumento de implantações bem-sucedidas e redução de problemas de conectividade. Melhora significativa nos erros de invocação do Lambda.
- 16h15 (BRT): Recuperação geral dos serviços avançando, restrições a lançamentos de EC2 reduzidas. Erros de invocação do Lambda resolvidos; polling de SQS retorna ao nível normal.
- 17h03 (BRT): Melhoria geral na recuperação dos serviços, com restrições a novos lançamentos de EC2 reduzidas. Erros de invocação do Lambda totalmente resolvidos e polling de SQS normalizado.
- 18h48 (BRT): Lançamentos de instâncias EC2 totalmente normalizados em todas as zonas da região US-EAST-1. Serviços como Redshift já processam backlog; Amazon Connect opera normalmente.
- 19h53 (BRT): Todos os serviços da AWS retornam à operação normal após quase 15 horas de instabilidade. Sistemas como Redshift, AWS Config e Connect processam backlog sem impacto para clientes.
O Futuro da Resiliência: Lições do Apagão da AWS
Embora a interrupção da AWS tenha sido resolvida em um período de horas, o incidente serve como um lembrete contundente da inerente fragilidade da infraestrutura da internet em larga escala. Eventos similares, como o colapso nos sistemas da CrowdStrike em 2024 que paralisou setores vitais como aeroportos, bancos e hospitais, reiteram a necessidade crítica de resiliência.
Com a crescente demanda por armazenamento de dados e o avanço da inteligência artificial, o desafio de garantir resiliência e redundância em grandes provedores de nuvem se intensifica. A concentração de uma parcela significativa da infraestrutura digital global em poucas empresas de tecnologia significa que qualquer instabilidade, por menor que seja, tem o potencial de se transformar rapidamente em um apagão de proporções mundiais.
Para empresas que dependem fundamentalmente da disponibilidade de seus serviços online, como os clientes da eqsam.com, investir em estratégias de multicloud, backup robusto e planos de recuperação de desastres não é apenas uma opção, mas uma necessidade estratégica. Compreender a arquitetura de seus provedores e diversificar os riscos são passos essenciais para manter a continuidade dos negócios em um cenário digital cada vez mais interconectado e, paradoxalmente, vulnerável.