编者注：2020年8月15日，Medalla测试网出现了验证者参与率的大幅下降，起因是Prysm客户端默认使用Cloudflare公司的roughtime服务来较准节点的本地时间，但当时的roughtime服务出了错，导致所有Prysm节点的本地时间都快了4个小时，如此一来，Prysm节点就与使用其它客户端的节点隔绝开来了。
事发之后，Prysm客户端团队迅速推出了紧急修复并密切跟踪事态。但Medalla测试网仍因为各种原因而继续动荡，无法敲定epoch。事实上，事发之后，截至发文之时，Medalla测试网仅在北京时间2020年8月20日凌晨曾敲定区块，随后验证者参与度又降到了66%以下，未能敲定区块。
事实虽然令人不安，但它恰好提供了一个我们审视Eth2网络、审视节点行为的机会——绝不应放过这样的审视和反思的机会，否则我们仍有可能重蹈覆辙。
我们选择了多份材料，尝试多角度、多层次地复现完整的事实、囊括尽可能多不应被忽略的因素。诚然，我们缺乏能观察到去中心化网络全局情形的上帝之眼，认知的深度必定有其边界，但我们仍然希望，对陷入混沌的网络的恢复过程和参与者在此过程中的激励因素，能有一个完整的描述。到目前为止，这个目标还未实现。
第一份材料，来自Prysm客户端工程师prestonvanloon.eth在推特上对事件的报告。
Medalla测试网全局性故障初探
phil.eth：
ETH2.0测试网Medalla目前无法敲定区块，因为Prysm客户端的roughtime时钟同步出了问题。目前已经有了修复方案。请Prysm用户更新并重启你们的客户端。这一突发情况再次表明了客户端多样性以及测试网的重要性。
prestonvanloon.eth：
今天早些时候，Prysm出现了全局性故障，持续时间将近90分钟。本次事件的始末如下：
世界协调时17:30左右，@terencechain发现其客户端的时钟提前了4小时。很快，出现时钟偏移报警，discord频道也被大量用户报告淹没。
彭博社：FTX通过Alameda持有的银行账户处理部分客户银行电汇:11月29日消息，据外媒报道，FTX前首席执行官Sam Bankman-Fried（SBF）谈到了FTX是如何接触到加密交易所无法触及的受监管银行的：通过他的交易公司Alameda Research。知情人士称，之所以出现这种安排，是因为银行不愿与包括FTX在内的加密货币公司开展业务。知情人士称，为了解决这个问题，一些FTX客户被指示通过Alameda进行电汇，Alameda被允许在加密货币和金融科技银行Silvergate Capital Corp.开设账户。其中一位知情人士表示，直到今年，一些FTX客户还在继续进行电汇。
这一安排进一步突显出FTX与Alameda之间错综复杂的关系，后者陷入了记录管理松懈、集中控制不力的泥潭，这是FTX集团解体的核心。负责监管FTX破产的顾问们更广泛地指出，数字资产可能出现混在一起，这引发了人们对滥用客户资金的担忧，并使两家公司之间的关系可能成为监管机构和调查人员调查花旗破产的重点。（彭博社）[2022/11/29 21:09:01]
Prysm客户端确实出了问题。
Medalla测试网上的验证者参与度骤降，其下降速度甚至超越了$YAM的归零速度，从75%降至5%以下。PrysmaticLabs团队立即展开了紧急行动。
我们决定将软件改成默认禁用roughtime时钟同步，取而代之的是可选择的功能切换。这样可以防止此类问题再次大规模爆发。从现在开始，roughtime的结果将仅供客户端软件参考，不再用于自动时钟校准。
下图是Prysm节点出现超过2秒的时钟偏移的时间段，从北京时间凌晨1:30至3:00持续了大约90分钟。
-图片来源：@prestonvanloon.eth-
现在，我们正看着这个数据思考一个问题“roughtime服务器怎么会偏差这么大？”数据显示，所有Prysm服务器报告的偏移量都在0.1秒不到。最后为什么会提前4小时？？
FTX和Alameda Research合并风险投资业务:金色财经报道，Alameda首席执行官Caroline Ellison在接受采访时表示，加密货币交易所FTX和Alameda Research将合并风险投资业务。
此前一天，Alameda Research联合首席执行官Sam Trabucco宣布辞职，担任公司顾问。（彭博社）[2022/8/26 12:49:00]
-图片来源：@prestonvanloon.eth-
我们还在调查这个问题！肯定是roughtime的增量计算出了bug，我们希望能尽快找到它。无论调查结果如何，我们认为应该将自动时间校准作为可选项，甚至彻底取消掉。
欢迎阅读完整的事后调查报告，了解最新的调查进展。
在主网上线之前，测试网就是用来发现这类问题的。面对这种情况，多几个客户端选择对用户更为有利。
原文链接:
https://twitter.com/preston_vanloon/status/1294392007599652865
作者:?prestonvanloon.eth
翻译&校对:?闵敏?&?阿剑
编者注：第二份材料来自Prysm客户端团队的分析报告，有详尽的时间线记录。从中我们可以知晓Prysm客户端发布紧急修复的整个过程，以及紧急修复带来的连带影响。截至本译稿发表之时，该分析报告表示已经找到了故障的具体原因。值得一提的是，报告原文所用的都是UTC时间，我们一律转换成了北京时间。
“roughtime”事件分析报告
作者：Terence、Raul、Preston
状态：等待决议。根本原因已找到，问题已缓解。
网络：Medalla
总结：Cloudflare的roughtime服务器全都返回错误信息，而Prysm节点并没有采取适当的应急措施。这个bug导致所有Prysm节点出现时钟偏移。在时钟偏移的影响下，验证者为超前的slot提议区块并生成见证消息。
Alameda向FTX转入1780万枚DAI:6月24日消息，标记为Alameda: FTX Deposit的钱包地址（0x83a127952d266A6eA306c40Ac62A4a70668FE3BD）向FTX转入1780万枚DAI。[2022/6/24 1:29:35]
影响：由于roughtime响应错误以及出现时钟偏移，验证者计算slot错误，提议的区块和生成的见证消息均无效。这个问题影响到了全局参与度。在北京时间凌晨1:30至2:45之间，所有Prysm节点都受到了影响。
根本原因：来自Cloudflare服务器的roughtime响应出错。具体来说，是因为“ticktock”报告了一个24小时之后的时间。这个时间戳，再经过所有6个服务器的数据取平均值，是的所有Prysm节点都产生了4小时的时间调整。
解决方案：在我们评估roughtime响应错误所引发的潜在问题时，先将roughtime时钟同步设为可选项。
发现：Terence最先发现了这个问题。他注意到一个本地信标链节点一直在拒绝超前的区块和见证消息。几分钟之后，由于roughtime时钟偏移量较高，产生了报警。同时，#general和#bug-report频道的用户开始报告本地节点拒绝超前区块和见证信息的问题。
经验教训
哪里出了问题
我们误以为，对于roughtime服务器故障的问题，我们有适当的应急方案。
网络中的每个Prysm节点同时受到影响，导致验证者参与率大幅降低。
PrysmaticLabs团队原以为，NTP服务器本身较为分散，而且每个服务器都开放6个端口，不会出现全局故障的问题。
万幸的是
一位贡献者已经向我们提交了一个PullRequest，把roughtime时间校准设为可以选择退出的功能。
我们已经可以用命令行功能标签立即选择取消roughtime时钟校准，这让修复措施变得简单，而且只需一次PullRequtest就能验证。
Raydium平台上首个IDO项目Media Network公布募资细则:Raydium官方宣布，其去中心化公募平台AcceleRaytor的第一个项目Media Network将于4月29日北京时间21时启动，持续12小时。
Media Network在AcceleRaytor的启动分为两部分：1）固定价格的去中心化公募；2）Raydium AMM上的IDO。公募总额1百万美元，为代币总量的1%，其中50万配额给RAY持有者，另50万为开放池，代币上线价格为10美元。
公募采取按投入比例的阳光普照模式，所有参与者在限额之内都可根据投入比例获得代币份额。MEDIA代币于30日21时左右上线Raydium去中心化交易所，项目另将拨出代币总量的0.5%提供流动性，同时启动Fusion Pool给予流动性挖矿奖励。[2021/4/21 20:45:14]
用户在Discord上积极参与讨论。当节点出现问题时，有大量用户提供了详细报告和重要指标。
我们有一个持续不断的重同步机制，当它发现时钟偏移量超过2秒时，它会不断更新节点本地的时间。我们一直在重新校准roughtime时钟，以便更快解决这一问题。这可能让这次事件提前了大约30分钟至1小时结束。
roughtime时钟同步问题似乎在大约90分钟后就解决了，而且在我们能够紧急发布新版本前，这个事件就已经结束了。
时间线
2020/08/15
1:25AM：Terence发现他的本地节点由于一直拒绝超前区块，收到了大量报警。这些区块的slot都超前了4个多小时。
1:28AM：Prometheus监控报警系统收到了roughtime偏移量高的报警。那时，距离网络最后一次敲定区块过去了10epoch。
1:35AM：至少有30名用户在Discord频道表示他们开始收到下方报警：WARNroughtime:Roughtimereportsyourclockisoffbymorethan2secondsoffset=4h0m0.028854657s
动态 | 加密友好银行Medici Bank将于10月推出内测版:加密友好银行Medici Bank即将迎来它的第一批客户。Medici Bank透露，其将于10月推出内测版，并将与全球五家公司测试数字熟悉产品过程、门户网站及其应用程序编程接口。
Medici的首席执行官Ed Boyle表示，其中两到三家公司将从事加密业务，其中至少有一家是交易所。在测试阶段引入这样的公司是有指导意义的，可以看看银行的系统是否能够扩展以适应交易量。（CoinDesk）[2019/9/26]
1:43AM：Terence在#war-room频道群发了告警消息，称这是一个PS0级别的事件，需要大家共渡难关。
1:45AM：Discord频道的用户提出，重启信标链节点和验证者客户端无法暂时解决这个问题。最可行的方案是将roughtime时钟同步设为可选禁用的功能。
1:51AM：问题上升到了多客户端聊天室
1:52AM：Ivan完成了https://github.com/prysmaticlabs/prysm/pull/6898
2:00AM：Terence与512位验证者一起在本地测试了6898号PullRequest。
2:20AM：据已捕获的调试日志显示，“ticktock”服务器有段时间一直在报告24小时之后的时间。
2:27AM：Raul联络了Preston。Preston将在1小时内回来构建新版本。同时，我们将发布docker镜像。
2:40AM：Preston指出只靠紧急修复还不够，我们需要取消将roughtime时钟同步作为默认项。
2:42AM：Raul开始调查Kibana，并使用fluentd中的filter分析来自roughtime的调试日志响应。
2:43AM：Terence交叉检查了信标链命名空间中所有pod的kubectl日志。正如预期的那样，pod确实存在roughtime时钟偏移问题。
2:46AM：Raul向6898号PR提交了正确的修复程序。
3:05AM：Raul确认该修复程序可以让节点在本地工作。如果存在时钟偏移，修复程序会产生告警日志，但是不会试图基于roughtime服务器更新时间。
3:08AM：Terence在我们的discord频道向所有人宣布：“Prysm节点出现roughtime响应错误，应急措施没有达到预期效果。我们已经找到了故障所在，很快就会进行紧急修复，并在1小时内上线新版本。在即将发布的新版本中，roughtime时钟同步将不再是默认项。”
3:18AM：Buildkite单元测试、规范测试、docker镜像构建成功。e2e测试尚未完成。Preston准备启动上线流程。
3:22AM：新版本生成：https://github.com/prysmaticlabs/prysm/commit/d24f99d66db22691b69c76bc57c7509e7f3ba8fe。Terence确认这个方法可以修复其验证者节点。Preston开始使用新的docker镜像依次重启我们的有状态集合中的pod。集群验证者会基于新的镜像进行更新。
3:34AM：Docker镜像被标记成alpha21版本，稳定性好，二进制文件已经构建完成
3:34AM：对有状态集合中pod的健康状态进行监控，确保滚动更新成功
3:36AM：使用新的docker镜像对我们的验证者pod进行滚动启动。
4:29AM：在日志上查看返回的延时值。平均来看，这些值似乎都在0.1秒以下。延迟不是调查的关键指标。准确来说，“中点”才是需要研究的地方。注：下表时间是太平洋标准时间。https://kibana.prylabs.network/goto/e5f5f64a4426c85aee1d76abc2d994be
-图片来源：@prestonvanloon.eth-
5:32AM：查看高于2秒的偏移量。从该数据中可以看出，在长达90分钟的全局故障期间，Prylabs出块节点的偏移量大约是14000秒。注：下表时间是太平洋标准时间。https://kibana.prylabs.network/goto/6ce2d73c13c0eef600b604fee6d8f4f4
-图片来源：@prestonvanloon.eth-
4:41AM：通过Prometheus报警系统关于平均偏移量的数据，我们可以明显看出在北京时间凌晨1:30至2:45之间确实存在时钟偏移问题，之后偏移量开始下降并恢复正常。
4:52AM：即时调查结束。这次时钟偏移故障显然已经结束，而且修复程序已经发布。已经更新的节点将立即恢复，还没有更新的节点需要过段时间恢复。监控系统显示，验证者参与度在逐步回升。
6:20AM：用户报告说罚没保护机制已经启动。这是因为之前的时钟偏移导致验证者超前4小时提议区块并生成见证消息。为了避免遭到罚没，Prysm验证者没有继续提议无效区块。
8:13AM：再次故障
8:13AM：Nishant注意到6898号PR中存在严重缺陷。只有在roughtime功能标记开启的情况下，用户才能设置它的功能。
8:16AM：Preston更新了“最新的”二进制文件，使其指向alpha20版本来实现临时回滚，并建议用户回滚至alpha20版本。我们现在正在等待合并7004号PR作为alpha22版本的候选。
8:45AM：值班团队正在评估是否扩大热状态缓存的大小，以便alpha22版本能够更快让网络重新开始敲定区块。当前默认的热状态缓存大小为8个epoch，但是Medalla测试网距离上一次敲定区块已经过去了将近100个epoch。
9:12AM：值班团队决定将默认缓冲大小更新至64epoch，并使其可以通过功能标记来配置。经过初步测试，这有可能会使内存使用量增加1.5G。等网络重新开始敲定区块后，缓冲大小还可以调整。
9:57AM：所有PrysmaticLabs验证者节点都生成了会被罚没的见证消息。紧急修复程序删除了Prylabs验证者节点的本地存储。没有任何外部的罚没保护机制在运行。具体情形尚待确认……在1024名验证者中，至少有800名验证者已经或即将遭到罚没。
10:37AM：多名用户报告称无法同步区块链。目前的问题是，网络中有太多节点在同一时间进行同步。Alpha22版本被推迟，需要等待进一步通知。
10:46AM：Prylabs团队认为现在最好的办法就是等待。用户应该运行alpha20版本或最新的docker镜像。
2020/08/16
2:12AM：正在对同步难的问题进行调查。
11:36AM：Nishant和Victor发布初始同步修复程序。参见PullRequest7012。
2020/8/17
1:51AM：合并拉取7012号PR。一些用户报告说同步成功。PrysmaticLabs开始将7012部署到出块节点上。
5:15AM：从commit0be1957c2897909b943b80fdd028f5346ae6cde6开始开发Alpha.22版本
5:33AM：Alpha22版本发布。链接：https://github.com/prysmaticlabs/prysm/releases/tag/v1.0.0-alpha.22
5:40AM：通过Discord频道宣布Alpha22版本上线。Prysmatic的值班团队继续监控同步情况，以便进行优化。与此同时，越来越多用户同步至最新区块。
12:53AM：Alpha23版本上线，已在Discord频道宣布该消息。Alpha23版本包含一些同步修复程序，有望解决Medalla测试网的问题。建议用户在运行时开启“--dev”标记，以便获得更好的体验。
原文链接:
https://docs.google.com/document/d/11RmitNRui10LcLCyoXY6B1INCZZKq30gEU6BEg3EWfk/edit#
作者:?PrysmaticLabs
翻译&校对:?闵敏?&?阿剑
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。