Coinbase analisa a interrupção de maio: falha em cascata da AWS expõe riscos arquiteturais

A Coinbase divulgou um relatório retrospectivo sobre o evento de interrupção de serviço em larga escala ocorrido em 7 de maio de 2026.

A interrupção durou aproximadamente 8 horas, com a recuperação total levando cerca de 12 horas. Durante esse período, negociações, depósitos, saques e a maioria dos serviços principais ficaram indisponíveis ou severamente degradados. A Coinbase afirmou que a queda foi causada pela falha simultânea de múltiplas unidades de refrigeração no sistema de resfriamento de um data center em uma zona de disponibilidade (use1-az4) na região us-east-1 da AWS, o que acionou desligamentos por proteção térmica nos gabinetes, levando instâncias EC2 e volumes EBS a ficarem offline e afetando diversos serviços de internet.

Durante o processo de recuperação, o motor de correspondência de negociações da Coinbase perdeu o quórum devido à arquitetura de cluster implantada em um único data center da AWS, que perdeu a maioria dos nós. Foi necessário realizar ajustes urgentes no código e a reconstrução de um novo grupo de nós para restaurar a operação, reiniciando gradualmente as negociações de mercado durante a recuperação.

Além disso, o serviço Kafka gerenciado pela AWS (MSK) sofreu falhas no plano de controle, impedindo a reeleição automática de líderes de partição, o que bloqueou ainda mais sistemas de cotações, taxas e alguns fluxos de liquidação e dados, ampliando o impacto geral.

Após a migração manual de partições em colaboração com a equipe de engenharia da AWS, o sistema retornou gradualmente ao normal. A Coinbase afirmou que este incidente expôs deficiências em suas capacidades de comutação automática entre zonas de disponibilidade e na recuperação de desastres para middleware gerenciado. A empresa atualizará sua arquitetura de backup ativo entre regiões, fortalecerá os testes regulares de falhas e migrará o sistema Kafka de uma implantação em duas zonas de disponibilidade para três, além de trabalhar com a AWS para promover correções de causa raiz e melhorias.