LangChain Blog
·
2025年5月1日LangSmith事件
💡
原文英文，约600词，阅读约需2分钟。
📝
内容提要
2025年5月1日，LangSmith API因DNS记录冲突导致55%的请求在28分钟内失败。用户首次报告错误时，证书已过期。问题通过删除冲突记录和手动更新证书解决，暴露出监控不足，团队已采取措施防止类似问题再次发生。
🎯
关键要点
- 2025年5月1日，LangSmith API因DNS记录冲突导致55%的请求在28分钟内失败。
- 问题源于证书过期，用户首次报告错误时证书已过期。
- 冲突的DNS记录是在证书续订自动化技术迁移过程中意外留下的。
- 手动更新证书和删除冲突记录后，SSL连接恢复正常。
- 事件未通过主动监控发现，而是由内部和外部用户首次报告。
- 证书续订失败的指示包括证书资源处于“待处理”状态和错误日志。
- 人类错误包括未删除冲突的Google管理SSL证书和错误假设监控有效性。
- 为防止类似问题，已添加证书过期监控和运行摄取量监控。
- 确保所有Kubernetes系统组件日志被记录，并正在构建内部仪表板以监控关键工作流。
❓
延伸问答
LangSmith API在2025年5月1日发生了什么事件？
LangSmith API因DNS记录冲突导致55%的请求在28分钟内失败，用户首次报告时证书已过期。
导致LangSmith API请求失败的主要原因是什么？
主要原因是证书过期和冲突的DNS记录，后者是在证书续订自动化技术迁移过程中意外留下的。
如何解决LangSmith API的连接问题？
通过删除冲突的DNS记录和手动更新SSL证书，恢复了连接。
事件是如何被发现的？
事件未通过主动监控发现，而是由内部和外部用户首次报告。
为了防止类似问题再次发生，LangSmith采取了哪些措施？
已添加证书过期监控和运行摄取量监控，并确保所有Kubernetes系统组件日志被记录。
在事件中有哪些人类错误导致了问题？
人类错误包括未删除冲突的Google管理SSL证书和错误假设监控有效性。
➡️
