Na segunda-feira, 4 de outubro de 2021, por volta das 12h40 no horário de Brasília, Facebook, Instagram, WhatsApp e Messenger pararam de funcionar no mundo inteiro. Não era lentidão: os aplicativos simplesmente não encontravam os servidores. A explicação, publicada pela própria Meta e detalhada pela Cloudflare, é uma das aulas mais completas sobre BGP, DNS e gestão de mudanças que a internet já teve.

Este guia conta o que aconteceu, mostra como você mesmo pode verificar uma queda desse tipo e traz as lições que valem para qualquer rede, de um provedor regional a um data center.

Como saber se o Facebook ou o WhatsApp está fora do ar agora

Antes da história, a parte prática. Quando o WhatsApp para de funcionar, a primeira pergunta é: o problema é meu ou é geral?

  1. Troque de rede. Desligue o Wi-Fi e teste pelos dados móveis, ou o contrário. Se funcionar em uma das redes, o problema está na sua conexão ou no seu provedor.
  2. Veja se outros sites abrem. Se nada abre, o problema é a sua internet, não o WhatsApp.
  3. Consulte relatos de outras pessoas. O Downdetector mostra picos de reclamações em tempo real, e o Meta Status traz o status oficial dos serviços da Meta, principalmente das ferramentas para empresas.
  4. Teste o DNS. Se o nome não resolve em resolvedores diferentes, o problema está do lado do serviço.

No Windows, abra o Prompt de Comando e consulte dois resolvedores públicos:

nslookup facebook.com 1.1.1.1
nslookup facebook.com 8.8.8.8

No Linux ou no macOS, use o dig:

dig @1.1.1.1 facebook.com
dig @8.8.8.8 facebook.com

Resultado

O que significa

Endereços IP aparecem (status: NOERROR no dig)

O DNS do serviço está funcionando. Se o app não abre, o problema é outro.

SERVFAIL nos dois resolvedores

O resolvedor não conseguiu resposta dos servidores do serviço. Forte sinal de problema do lado do serviço, como em 2021.

Funciona em um resolvedor e falha no outro

Problema no resolvedor que falhou ou no caminho até ele. Teste trocar o DNS do seu dispositivo.

Nada responde, nem outros sites

Problema na sua conexão ou no seu provedor.

Linha do tempo da queda de 2021

Horários segundo os dados publicados pela Cloudflare. Em outubro de 2021, o horário de Brasília era UTC−3.

UTC

Brasília

O que aconteceu

15h40

12h40

Pico de atualizações BGP vindas da rede do Facebook. Os serviços começam a falhar.

15h50

12h50

facebook.com deixa de resolver no resolvedor 1.1.1.1.

15h58

12h58

A Cloudflare confirma que o Facebook parou de anunciar as rotas dos seus servidores DNS.

~21h00

~18h00

A rede do Facebook volta a enviar atualizações BGP.

21h20

18h20

facebook.com volta a resolver no 1.1.1.1.

21h28

18h28

O Facebook aparece reconectado e com o DNS funcionando.

Depois disso, a Meta religou os serviços aos poucos, em vez de todos ao mesmo tempo.

O que causou a queda

Segundo a Meta, durante uma manutenção de rotina no backbone global, a rede que interliga os data centers da empresa, um comando foi executado para avaliar a capacidade disponível. O comando acabou desligando todas as conexões do backbone, desconectando os data centers uns dos outros.

A empresa tinha uma ferramenta de auditoria para impedir comandos desse tipo. De acordo com a Meta, um bug nessa ferramenta deixou o comando passar.

Até aqui, seria uma falha grave dentro da rede da Meta. O que transformou o problema em um apagão visível para o mundo inteiro foi o que veio depois, no DNS e no BGP.

Por que o BGP e o DNS entraram na história

Para alguém abrir o Facebook, duas coisas precisam funcionar:

  • DNS: o celular pergunta qual endereço IP corresponde a facebook.com. Quem responde, no fim da cadeia, são os servidores DNS autoritativos do próprio Facebook.
  • BGP: para que o mundo consiga chegar a esses servidores, a rede do Facebook (AS32934) precisa anunciar via BGP os blocos de endereços onde eles estão. Se ninguém anuncia um prefixo, a internet não sabe como chegar até ele. O artigo BGP explicado detalha esse mecanismo.

Segundo a Cloudflare, os prefixos que sumiram da tabela global foram justamente os dos servidores DNS: 129.134.30.0/23 e 185.89.218.0/23. Em um servidor público de rotas, a consulta mostrava apenas isto:

route-views>show ip bgp 129.134.30.0/23
% Network not in table

Outros blocos do Facebook continuavam anunciados. Mas sem DNS, ninguém descobria os endereços desses outros blocos.

O celular pergunta ao resolvedor DNS o endereço de facebook.com, mas as rotas BGP para os servidores DNS do Facebook sumiram e a resposta é SERVFAILfacebook.comerroSeu celularResolvedor DNS1.1.1.1 · 8.8.8.8DNS do Facebook129.134.30.0/23185.89.218.0/23ligado, mas sem rota BGPperguntaSERVFAILSem rota BGP até os servidores DNS, nenhum resolvedor do mundo consegue o endereço de facebook.com.Os apps tentam de novo sem parar: a Cloudflare viu cerca de 30 vezes mais consultas que o normal.
Sem rota BGP até os servidores DNS do Facebook, os resolvedores do mundo inteiro respondiam SERVFAIL.

A proteção que virou armadilha

Por que os servidores DNS retiraram as próprias rotas? Por projeto.

Os servidores DNS de borda do Facebook ficam espalhados pelo mundo e anunciam o mesmo endereço a partir de vários locais, uma técnica chamada anycast. Cada local verifica continuamente se consegue falar com os data centers. Se um local perde essa conexão, ele para de anunciar a rota via BGP, e o tráfego dos usuários vai automaticamente para outro local saudável.

Faz todo sentido quando um local tem problema. Naquele dia, porém, o backbone inteiro caiu, e todos os locais perderam a conexão ao mesmo tempo. Todos retiraram seus anúncios. O mecanismo pensado para isolar uma falha parcial apagou o serviço por completo.

Cada servidor DNS do Facebook retira seu anúncio BGP se não alcança os data centers; com o backbone inteiro fora, todos retiraram ao mesmo tempoBackbone da Meta (liga os data centers)desconectado por um comando de manutençãoDNS 1sem backboneretira anúncioBGPDNS 2sem backboneretira anúncioBGPDNS 3sem backboneretira anúncioBGPDNS 4sem backboneretira anúncioBGPA proteção foi pensada para a falha de um local. Naquele dia, todos falharam juntos.
Cada servidor DNS retira seu anúncio quando perde o backbone. Com o backbone inteiro fora, todos retiraram juntos.

Por que demorou seis horas para voltar

  • As ferramentas internas também caíram. O acesso remoto aos equipamentos dependia da mesma rede que estava fora do ar.
  • Foi preciso ir até os data centers. Engenheiros tiveram que acessar os equipamentos fisicamente.
  • A segurança física atrasou, de propósito. Data centers são projetados para ser difíceis de acessar e de modificar, e isso deixou a recuperação mais lenta.
  • A volta precisou ser gradual. Religar tudo de uma vez poderia provocar variações de consumo elétrico de dezenas de megawatts e novas falhas. A Meta religou os serviços em etapas, usando procedimentos que já treinava em exercícios.

Efeitos fora do Facebook

O Facebook não foi a única vítima:

  • Resolvedores sobrecarregados. Aplicativos e usuários tentavam de novo sem parar. A Cloudflare relatou cerca de 30 vezes mais consultas para os domínios do Facebook do que o normal, e a latência dos resolvedores aumentou.
  • Respostas de erro guardadas em cache. Resolvedores como 1.1.1.1 e 8.8.8.8 devolviam SERVFAIL, e parte dessas respostas ficou guardada por algum tempo.
  • Migração em massa. Muitas pessoas recorreram a outros aplicativos de mensagem. No Brasil, onde o WhatsApp é usado para vendas, atendimento e trabalho, a tarde inteira foi afetada.

Não foi a única: o mesmo padrão em outras grandes quedas

A queda do Facebook se parece com outros apagões em que uma mudança de rotina, e não um ataque, derrubou um serviço inteiro.

Incidente

O que mudou

Efeito

YouTube, fevereiro de 2008

Um anúncio BGP mais específico, criado para um bloqueio local, vazou para a internet

Tráfego do YouTube desviado por cerca de duas horas (veja no guia de BGP)

Facebook, outubro de 2021

Um comando de manutenção desligou o backbone; os servidores DNS retiraram suas rotas

Facebook, Instagram e WhatsApp fora do ar por cerca de seis horas

Rogers (Canadá), julho de 2022

Durante uma atualização do núcleo IP, a remoção de um filtro de roteamento deixou passar todas as rotas para os roteadores do núcleo, que ficaram sobrecarregados

Internet e telefonia de milhões de clientes fora do ar por mais de um dia, segundo a revisão independente pedida pelo regulador canadense (CRTC)

O ponto em comum: um único erro de configuração, aplicado sem um mecanismo de reversão automática e em uma parte da rede da qual todo o resto dependia.

Lições práticas para a sua rede

O mesmo tipo de erro, um comando que corta o caminho de gerência, acontece em redes de qualquer tamanho. A diferença está em ter mecanismos para desfazer a mudança automaticamente.

1. Use rollback automático em mudanças críticas

A ideia é simples: você aplica a mudança com um prazo. Se não confirmar dentro do prazo, porque perdeu o acesso ao equipamento, a configuração anterior volta sozinha.

Plataforma

Como aplicar com rollback

Como confirmar

Juniper Junos

commit confirmed 10

commit

Cisco IOS XR

commit confirmed minutes 10

commit

Cisco IOS e IOS XE

configure terminal revert timer 10 (exige archive)

configure confirm

MikroTik RouterOS

Safe Mode (Ctrl+X no terminal ou botão no WinBox)

Sair do Safe Mode

No Cisco IOS, o revert timer depende do recurso de arquivo de configuração. Um exemplo:

archive
 path flash:backup-config
 maximum 10
!
configure terminal revert timer 10
! ... aplique as mudanças ...
end
configure confirm

Se você perder o acesso antes do configure confirm, o roteador volta à configuração anterior quando o timer de 10 minutos acabar.

2. Tenha acesso de gerência fora da rede de produção

O acesso fora de banda (out-of-band) é um caminho de gerência que não depende da rede que você está alterando. Exemplos: um servidor de console com link 4G, uma rede de gerência separada ou um link de outra operadora até o roteador de borda. Em 2021, a falta de um caminho independente obrigou a Meta a mandar pessoas aos data centers.

3. Não deixe o DNS depender de um único ponto

  • Use servidores DNS autoritativos em mais de uma rede, ou um provedor de DNS secundário.
  • Revise a lógica de verificação de saúde que retira rotas: o que acontece se todos os locais falharem juntos?

4. Monitore o BGP de fora para dentro

  • RIPEstat e servidores públicos de rotas, como o RouteViews, mostram como o mundo enxerga os seus prefixos.
  • Ferramentas abertas como o BGPalerter avisam quando um prefixo seu some da internet ou passa a ser anunciado por outra rede.

5. Treine a recuperação

Segundo a Meta, os exercícios de "tempestade" que a empresa já fazia ajudaram a religar os serviços com segurança. Um plano de volta testado vale mais do que um plano escrito e nunca usado.

Resumo

A queda do Facebook em 2021 não foi um ataque. Um comando de manutenção desconectou o backbone, os servidores DNS retiraram seus anúncios BGP por segurança e o Facebook deixou de existir para o resto da internet por cerca de seis horas. O caso mostra como BGP e DNS são a base de qualquer serviço online, e por que mudanças críticas pedem rollback automático, gerência fora da rede de produção e proteções pensadas para falhas totais, não só parciais.