Koncem září zasáhl globální výpadek službu Firebase od Google, který způsobil kritické problémy u mnoha iOS aplikací. Namísto rychlé a transparentní reakce však incident odhalil značné nedostatky v řízení a komunikaci, což je pro společnost Google, průkopníka v oblasti spolehlivosti systémů (SRE), překvapivé.
Incident začal v úterý (29. září) v 17:41 (PDT), kdy iOS aplikace využívající Firebase SDK s aktivními analytickými nástroji začaly padat ihned po spuštění. Vývojáři postižených aplikací, v absenci oficiálních informací, začali problém hlásit na GitHubu. Přes hodinu po začátku výpadku, v 18:51 (PDT), tým Firebase potvrdil, že o problému ví. Zda bylo upozornění interní nebo díky rozsáhlým hlášením na GitHubu, zůstalo nejasné. Ironií je, že nezávislý vývojář identifikoval kořenovou příčinu – záznam nulové délky způsobující pád SDK – ještě před oficiálním potvrzením Google, v 18:37 (PDT).
Komunita vývojářů na GitHubu prakticky naléhavě žádala o rychlé vrácení problematické změny. Samotné zahájení reverze backendové změny ze strany Firebase začalo až v 19:24 (PDT), tedy hodinu a půl po začátku incidentu. Úplná reverze byla dokončena v 20:16 (PDT), avšak kvůli problémům s cachováním trvalo až šest hodin, než se všechny postižené aplikace vrátily k normálnímu provozu.

Potřebujete pomoc s webem nebo aplikací?
Ozvěte se mi — do 24 hodin se Vám ozvu zpět s návrhem dalšího postupu.
Doba detekce (Time to Detect, TTD) byla nejasná, ale veřejné potvrzení trvalo 70 minut. V následném postmortem bylo uvedeno, že tým byl upozorněn do 20 minut, ale oficiální potvrzení se zpozdilo. Doba mitigace (Time to Mitigate, TTM) se pohybovala mezi dvěma a šesti hodinami.
To, co následovalo, bylo v přímém rozporu s pověstí Google jako lídra v oblasti spolehlivosti. Firebase navzdory globálnímu dopadu výpadku nikdy neaktualizoval svou veřejnou stavovou stránku, která po celou dobu zobrazovala všechny systémy jako funkční. Taková transparentnost je přitom klíčová pro důvěru vývojářů a uživatelů. Google později v postmortem vysvětlil, že jejich stávající dashboardy se zaměřují primárně na metriky na straně serveru a nejsou uzpůsobeny k indikaci výpadků na straně klienta (SDK).
Postmortem, zveřejněné čtyři dny po incidentu, odhalilo, že příčinou byla rutinní úklidová operace konfigurace, která odstranila zastaralý konfigurační příznak. iOS SDK však postrádalo validaci, která by ověřila, že název příznaku není null, což vedlo k pádům. Zajímavé je, že Android SDK podobnou robustnost již mělo a nebylo postiženo. To vyvolává otázku, zda Google nevyužil příležitost k důkladné revizi rozdílů mezi implementacemi iOS a Android SDK.
Situace připomínala podobný incident z roku 2020, kdy pád Facebook SDK způsobil výpadky aplikací jako Spotify či TikTok. I tehdy vývojáři aktivně komunikovali na GitHubu a identifikovali chybu dříve než Facebook, jehož komunikace byla ještě skoupější než v případě Firebase.
Tento incident je důležitou připomínkou pro všechny vývojáře aplikací pro iOS a Android. Je nezbytné zaměřit se na zvýšení robustnosti SDK a provádět důkladné testy s chybně formátovanými daty či neočekávanými vstupy. Ačkoli se Google zavázal k integraci informací o výpadcích SDK do svých stavových panelů a zefektivnění manuálních aktualizací, rychlost, s jakou jsou tato opatření implementována ve velkých organizacích, může být i přes pokrok v technologiích překvapivě pomalá. Výpadek Firebase tak slouží jako cenná lekce o důležitosti proaktivního řízení incidentů, transparentní komunikace a důkladného testování, zejména u kritických komponent, které ovlivňují miliony uživatelů.
