Síť Base ochromily dva výpadky bloků. Chyba sekvenceru odhalila strukturální slabinu

Tento neplatný blok spustil selhání konsenzu: sekvencer vyprodukoval neplatný blok po bloku číslo 47 806 542, čímž znemožnil síti vytvářet další bloky. Provozovatelé uzlů nemohli pokračovat v normální synchronizaci, dokud nebyl problém vyřešen.

Časová osa obou výpadků

Druhý výpadek 26. června byl popsán jako opakování stejné třídy selhání produkce bloků, ke kterému došlo krátce po prvním incidentu. Síť se však podruhé zotavila rychleji.

Během obou výpadků byly nové bloky zmraženy nebo zablokovány, což narušilo běžné zpracování transakcí na řetězci. Společnost Base však uvedla, že fondy uživatelů nebyly v ohrožení.

Nasazená oprava

Technický tým Base aplikoval na sekvencer záplatu (patch), která zajišťuje, že journal state je po neúspěšné transakci během provádění řádně aktualizován. Opravu lze dohledat ve veřejném GitHub pull requestu (#3806).

Po aplikaci opravy se síť vrátila k normálnímu provozu. Base však doporučila provozovatelům validátorových uzlů restartovat nebo znovu synchronizovat své uzly, aby obnovili stav synchronizace. Tým uvedl, že oba výpadky měly stejnou příčinu a že druhý, související problém (PR #3805) způsobil opakování incidentu následující den.

V důsledku výpadků Base o jeden den odložila plánovaný upgrade hlavní sítě Beryl a aktivaci standardu tokenů B20, aby nejprve stabilizovala síť.

Architektura jediného sekvenceru: Širší problém

Série výpadků znovu otevřela debatu o odolnosti architektury Base, která je postavena na jediném sekvenceru (single sequencer). Tento design je sice běžný u mnoha optimistických rollupů (vrstvy 2), ale zároveň představuje jasný jediný bod selhání.

Klíčové obavy plynoucí z analýzy a komentářů v oboru zahrnují:

• Jediný bod selhání: Chyba v logice sekvenceru může zastavit veškerou produkci bloků v síti Base, čímž se zmrazí veškeré transakce.
• Manuální obnova: Obnova vyžadovala, aby provozovatelé validátorových uzlů ručně restartovali nebo znovu synchronizovali své uzly. Síť se nedokázala zotavit automaticky.
• Riziko spolehlivosti: Opakované selhání během dvou dnů znovu otevřelo otázky ohledně spolehlivosti rychle se rozvíjejícího ekosystému L2 řešení, zejména v obdobích vysoké aktivity nebo plánovaných upgradeů.
• Plánovaná vylepšení: Base uvedla, že posílí své testování pomocí fuzz testů, zátěžových testů, monitoringu a lepších nástrojů pro obnovu, aby snížila pravděpodobnost opakování.

Incident ukazuje, že i největší sítě vrstvy 2 na Ethereu mohou být vyřazeny z provozu okrajovým případem správy stavu v jediném sekvenceru – a že automatizované systémy převzetí a obnovy jsou napříč ekosystémem rollupů stále ve fázi vývoje.