지난 8월 17일, 깃허브(GitHub) 서비스가 7시간 47분 동안 전 세계적으로 중단되는 대규모 장애를 겪었습니다. 이는 같은 달 6일 발생한 장애에 이은 두 번째 사고로, github.com, 인증, 깃허브 액션(GitHub Actions), API, 풀 리퀘스트, 이슈, 코파일럿(Copilot) 등 핵심 서비스 대부분이 영향을 받았습니다. 깃허브는 급증하는 개발자 수요에 맞춰 인프라가 확장되지 못한 용량 부족과 일부 코파일럿 서비스의 클라이언트 측 재시도 루프가 트래픽을 증폭시킨 것이 주요 원인이라고 밝혔습니다.
깃허브의 월간 커밋 수는 4월 이후 14억 건에서 29억 건으로 두 배 이상 급증하며 새로운 최고점을 기록했습니다. 하지만 중앙 미국 데이터센터의 핵심 인프라가 이 트래픽 증가를 따라가지 못해 용량 압박이 발생했고, 이는 인증 실패와 서비스 중단으로 이어졌습니다. 특히, 코파일럿 서비스의 클라이언트가 오류 발생 시 공격적으로 재시도를 반복하면서 복구 중에도 트래픽이 오히려 늘어나는 악순환이 발생해 완전 복구가 지연되었습니다. 깃허브는 이러한 문제를 해결하기 위해 300만 개 이상의 CPU 코어와 120PB의 고속 스토리지를 추가하고, 애저(Azure) 클라우드 마이그레이션을 가속화하여 현재 플랫폼 부하의 약 58%를 애저에서 처리하고 있습니다. 또한, 서비스 간 재시도 한도와 타임아웃을 일관되게 적용하고 핵심 시스템의 공유 의존성을 제거하여 장애 확산을 방지할 계획입니다.
이번 깃허브 장애는 급격한 사용자 증가와 AI 기반 개발 도구의 확산이 기존 인프라에 미치는 영향을 여실히 보여줍니다. 특히 코파일럿과 같은 AI 도구는 개발자의 생산성을 높이는 동시에, 자동화된 커밋 증가와 예측 불가능한 트래픽 패턴으로 인해 서비스 안정성에 새로운 도전 과제를 제시하고 있습니다. 깃허브는 이번 사고를 계기로 안정성 개선을 최우선 과제로 삼고 인프라 확장, 효율 향상, 아키텍처 병목 제거에 집중하겠다고 밝혔습니다. 이는 개발 플랫폼의 신뢰성을 회복하고, 미래의 폭발적인 수요 변화에 선제적으로 대응하기 위한 필수적인 노력으로 보입니다.