
5月27日下午5点左右,部分用户反映其支付宝出现网络故障,账号无法登录或支付。到晚上7点20分,支付宝方面宣布用户服务已经恢复正常。

网友反映支付宝无法登陆
从光纤被挖断的意外发生到用户服务恢复正常,支付宝花费了2个多小时时间。对此,支付宝官方表示,由于杭州市萧山区某地光纤被挖断,造成目前少部分用户无法使用支付宝,运营商蜀黍正在抢修。支付宝攻城狮正在紧急将用户请求引流至其他机房,受影响的用户正在逐步恢复。您的资金安全并不会因此受到任何影响。如果出现交易信息不同步的情况,在修复后会恢复同步。请大家放心。


支付宝官方微博截图
据了解,支付宝在系统上采用了同城双活的架构,因为这一架构,本次意外只影响到部分用户。支付宝方面称,光纤被挖断的意外发生后,支付宝第一时间采取措施将用户需求引流至其他机房,受影响的部分用户的服务正在快速恢复中。运营商也在同步抢修。
技术专家表示,事实上,被挖断的光纤还没有恢复,但由于支付宝进行的异地双活架构改造,所以不必等到光缆修复,而是可以较为快速的切转流量到其他机房,从而把对用户的影响降到最低。

支付宝表示:数据正在逐步恢复中
截至北京时间22点35分,支付宝该条微博已获得超过17476条评论,网友纷纷对自己的“钱袋子”表示担忧。支付宝CTO程立表示:支付宝异地双活的系统架构在这次意外中发挥了巨大的作用,但这次的结果仍然不能让内部感到满意。“我们理想的目标是要做到让用户无感知。”他透露,目前相关技术升级还在推进当中。“随着升级的完成,希望未来,即使再次出现某地机房光纤被挖断的情况,也能保证不会对用户带来太大的感知”。
以下是支付宝在微信上的声明:
因杭州市政道路建设导致网络光缆被挖断,从而使部分用户今日下午短时间出现了无法正常使用支付宝的情况,对此我们深表歉意。也非常感谢大家对我们的理解!给大家添麻烦了,大家可能关心的问题,我们在此回复如下:
Q:5月27日傍晚,支付宝为什么出现故障?
A:5月27日傍晚,因市政施工导致杭州市某地光缆被挖断,导致了支付宝一个主要机房被影响,随后全国部分用户无法使用支付宝。事情发生后第一时间,支付宝工程师紧急将用户请求切换至国内其他机房。到晚上19时左右,支付宝服务恢复正常。
Q:这次故障影响了多少用户?
A:在故障时间段内使用支付宝的用户具体数量无法精确统计,但可以肯定的是,流量通过其他机房的用户是不受影响的。
Q:为什么杭州的机房光缆中断影响到全国其他地区部分用户?
A:因为这次受影响的是支付宝部署在杭州的一个主要机房,服务的并不只是杭州地区的用户,因此网络中断导致该机房服务器无法为受影响的用户提供服务,这些用户也会包括其他地区。
Q:故障会不会影响到用户的资金安全?
A:支付宝有完善的技术和措施保护用户的资金安全,用户的资金安全不会受到任何影响。支付宝中的任何一个交易,同时都会有多份记录,数据可靠性极高。如果有用户出现交易不同步的情况,后续都会得到妥善解决。
Q:为什么要这么久才恢复?
A:事实上,在当晚支付宝服务恢复时,被挖断的光缆还没有修复。支付宝的异地多活的系统架构在此次意外中发挥了巨大作用。一方面,没有因光缆被挖断而影响全部用户;另一方面,紧急将故障机房的流量切换至了其他机房。我们作为一个金融系统,对切换中数据与资金安全性的要求极高,因此切换速度上没有做到更快。后面我们会不断提升切换速度。但是,这并不代表我们对这次恢复时间是满意的,我们希望未来这样的切换能让用户无感知或者最小化感知。
Q:恢复使用之后,有些用户发现余额宝信息显示不全,支付宝头像也没有了。这是为什么?
A:支付宝将流量切换至其他机房,数据的核对需要一定时间。相关的功能显示,会有一点延时,但数据并不会丢失,这一点,请大家放一万个心。
Q:有什么预防机制,防止类似的情况发生?
A:光缆被挖断可能并不能完全杜绝,但对于支付宝而言,会继续推进技术的升级改造,继续完善异地多活的系统架构。未来,即使再次出现光缆被挖断等意外情况,我们进行异地切换时,也尽量做到让用户最小感知甚至无感知。

好文章,需要你的鼓励
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。