GitHub障害の原因はオートスケールの誤設定、復旧に7時間47分

7時間47分続いた大規模なGitHub障害の影響と復旧

GitHubのインシデント報告では、障害は2026年8月17日の13時28分から21時15分(UTC)まで続きました。つまり、日本時間では17日22時28分から翌18日6時15分までの7時間47分で、影響はIssues・Pull Requests・API・Actions・Copilotに及んでいます。

ステータスページに最初の投稿が出たのは13時40分(日本時間22時40分)で、報告にある開始時刻より12分あとでした。影響を受けたコンポーネント(ステータスページが状態を表示するサービスの単位)は8つあり、内訳はGit Operations・Webhooks・API Requests・Issues・Pull Requests・Actions・Pages・Copilotです。

影響と復旧の経過(時刻はUTC)

時刻(UTC) 状態
13:28 報告にある障害の開始
13:40 ステータスページに最初の投稿
16:36 Central USのデータセンターが回復して大半のサービスが復旧
16:59 Copilotを除く7つのコンポーネントの劣化を緩和済みと投稿
17:30 Git Operationsの再劣化を投稿(17:36にはIssuesも)
約18:03 Actionsの劣化が解消
21:02 Copilot Token Serviceが完全復旧
21:15 解決の投稿(合計7時間47分)
"We are investigating reports of impacted performance for some GitHub services."(Posted Aug 17, 2026 - 13:40 UTC)/"This incident affected: Git Operations, Webhooks, API Requests, Issues, Pull Requests, Actions, Pages, and Copilot."— GitHub Status より
公式情報を見る →

Web/APIのエラー率は約20%、ActionsやSAML認証にも影響

ピーク時のエラー率はWebとAPIで約20%に達し、アーカイブと生コンテンツのダウンロードでは約50%でした。アーカイブはリポジトリの中身を1つにまとめたzipやtarのファイルで、生コンテンツはリポジトリ内のファイルを加工しないそのままの中身です。

企業向けのログインやアカウント管理の仕組みにも影響が及びました。報告が名指ししているのは次の3つです。

  • SAML/OIDC認証(外部の認証基盤でGitHubにログインする、シングルサインオンの方式)
  • SCIM(組織のアカウント情報を外部の認証基盤から自動で同期する仕組み)
  • Team Sync(認証基盤側のグループと、GitHubのチーム所属をそろえる機能)

またデータ保存先の地域を指定したGitHub Enterprise Cloudでは、Actionsワークフローの一部にも影響が出ており、対象はGitHub.com上で公開されているステップ定義に依存するワークフローです。Actionsの劣化は大半のサービスより長く18時03分ごろまで続きました。

"On August 17, 2026, from 13:28–21:15 UTC (7h 47m), GitHub.com experienced elevated errors and latency across Issues, Pull Requests, APIs, Actions, and Copilot. At peak, web/API error rates were approximately 20%, while archive and raw-content downloads reached approximately 50%. SAML/OIDC authentication, SCIM, and Team Sync were also affected, as well as Actions workflows in GHEC with Data Residency that depend on public workflow step definitions hosted on GitHub.com. Most services recovered by 16:36 UTC as our Central US datacenter recovered; Actions was degraded until approximately 18:03 UTC; and Copilot Token Service fully recovered by 21:02."— GitHub Status より
公式情報を見る →

HAProxyを一時停止した後、復旧は順調に進んだのか

報告によると通信の上限を使い切った4台のノードでHAProxyを同時に一時停止したところ、広い範囲ですぐに復旧が進みました。HAProxyはサーバーの手前で、通信を振り分けるロードバランサーのソフトウェアです。

GitHubは、失敗していた通信の一部をCentral USからバージニア北部へ移しました。移した通信は、Central USで発生したネットワーク障害の原因を特定して解消するまでバージニア北部で処理していました。大半のサービスは、Central USデータセンターの回復とともに16時36分までに戻っています。

ただしすべてが順調に戻ったわけではなく、GitHubは16時59分にCopilotを除く7つのコンポーネントの劣化を緩和したと投稿しましたが、31分後の17時30分にはGit Operationsが再び劣化しています。Copilot Token Serviceの完全復旧は21時02分で、他のサービスより遅れました。

"Some of the failing traffic was moved from Central US to Northern Virginia where it was served successfully until the network failure in Central US was debugged and resolved."/"Pausing HAProxy on those nodes simultaneously produced immediate broad recovery."/"The degradation affecting API Requests, Actions, Git Operations, Issues, Pages, Pull Requests and Webhooks has been mitigated. We are monitoring to ensure stability."(16:59 UTC)/"Git Operations is experiencing degraded performance. We are continuing to investigate."(17:30 UTC)— GitHub Status より
公式情報を見る →

GitHub障害の原因:Istioのサイドカーでオートスケールが失敗

GitHubの報告では直接の原因はCentral USのロードバランサーでネットワークが飽和したことで、きっかけは通信量が新しいピークに達したことでした。さかのぼるとIstioのサイドカーが同時実行数の上限に達したのに、オートスケールが正しく働かなかったことに行き着きます。

Istioはサービス同士の通信を管理するサービスメッシュのソフトウェアで、サイドカーは各サービスの隣で動作して通信を中継する補助のプロセスを指します。オートスケールは、負荷に応じて処理を担当するサーバーやコンテナの数を自動で増減させる仕組みです。

報告の記述から整理した障害の連鎖

  1. 通信量が新しいピークに達する
  2. Istioサイドカーのポッドが同時実行数の上限に達する
  3. 設定がサイドカーの上限を見ておらず、オートスケールが正しく働かない
  4. Central USのロードバランサーで、ネットワークが飽和する
  5. 失敗が連鎖して4台のHAProxyノードが上限を使い切る
  6. ゲートウェイの認証経路で遅延と失敗が広がる

2026年9月29日時点で、ステータスページの報告にはコミット数への言及がありません。GitHubのCTOは8月20日のブログで、4月以降に月間コミット数が14億から29億へ増えたことを負荷の背景だとしていますが、増えた理由には触れていません。

"Since April, monthly commits have grown from 1.4 billion to 2.9 billion. That growth explains the pressure on our systems, but it does not excuse these outages."— GitHub Blog より
公式情報を見る →

オートスケールはなぜサイドカーの上限を見ていなかったのか

オートスケールの設定はホスト側サービスの状態を見ていたものの、サイドカーの上限を監視の対象に入れていませんでした。報告はこの監視の漏れをポリシーの設定ミスとしています。

同時実行数の上限はサイドカーが一度にさばける通信の最大数です。サイドカーのポッド(コンテナを動作させる最小の単位)が上限に達してもオートスケールが正しく働かなかったため、Central USのロードバランサーでネットワークが飽和しました。

"The immediate cause of the failure was network saturation on load balancers in Central US due to a new peak in traffic. Originally this was caused by an Istio sidecar pod reaching its concurrency limits and failing to auto scale correctly because of a misconfigured policy that watched host service but not sidecar limits."— GitHub Status より
公式情報を見る →

4台のHAProxyノードが上限に達し、認証の遅延と失敗が拡大

ひとつの失敗が次々に連鎖した末に4台のHAProxyノードが通信の上限を使い切り、ゲートウェイの認証経路が劣化して認証の遅延と失敗が広範囲で発生しました。ゲートウェイは外部からのリクエストを受け付けて、内部のサービスへ転送する入口です。

また、報告によると楽観的なリトライのロジックも内部のロードバランサーを過負荷にし、問題を悪化させました。リトライは失敗した通信を自動で再送する処理で、楽観的なリトライは相手がすぐに回復すると見込んで再送を重ねる作りを指します。

codeloadのエンドポイント(リポジトリのアーカイブを配信する窓口)は、スクレイピング(プログラムでデータを大量に自動取得すること)による攻撃も複数受けていました。報告はこの攻撃を原因の説明とは分けて、復旧を妨げた要因として書いています。

"One failure cascaded to more and eventually four HAProxy nodes exhausted their flow limits, degrading the gateway auth path and causing widespread authentication latency and failures. The problem was worsened by optimistic retry logic which overloaded internal load balancers."/"Complicating factors that impeded recovery included a number of scraping attacks on codeload endpoints."— GitHub Status より
公式情報を見る →

Copilot障害を長引かせたVS Codeの不具合

VS Codeに潜んでいたリトライの不具合が、Copilotの復旧を最後まで遅らせました。ひとつの内部エンドポイントで応答が遅れたことをきっかけにこの不具合が表に出て、通信量がおよそ10倍に膨らんだとのこと。報告によると障害の原因はIstioのサイドカーとオートスケールの設定にあり、Copilotは復旧が遅れた側のサービスです。

Copilot Token Serviceへの通信量(千件/秒)

報告にある毎秒のリクエスト数(RPS)を千件の単位で表した図。

7通常時の下限
9通常時の上限
70障害時の下限
100障害時の上限

リトライストームでCopilotへの通信量が約10倍に

Copilot Token Serviceへの通信は通常の毎秒7,000〜9,000件から70,000〜100,000件へ、およそ10倍に増えました。リトライストームは、再送が再送を呼んで通信量が雪だるま式に膨らむ状態を指す言葉です。

報告ではトークンの操作に1回失敗しただけで多数の追加リクエストが発生し、リトライのループに入る場合がありました。クライアント側リトライの挙動が負荷を増幅したため、Copilotの認証失敗はその後も続きました。

リトライストームはバージニア北部で発生していました。GitHubが収束のために取った対処は次の2つです。

  • 修正のプルリクエストでゲートウェイのリトライ処理を一時的に減らす
  • ロードバランサーで、Copilot Token Serviceへのトークン要求を403で遮断してから、サイトごとに通信を少しずつ戻す

19時13分の更新投稿は認証トークンのリトライを一部無効にしたところ改善が見られたと書いており、最終的にはゲートウェイの認証リトライを減らして再送を引き起こす応答を遮断したことでCopilot Token Serviceが安定し、復旧が完了しました。なお、20時08分の更新投稿によると、GitHub CLIとGitHub App経由で使うCopilotには影響が出ていなかったとのこと。

"Delayed replies to a single internal endpoint triggered a latent retry bug in VS Code that amplified traffic by approximately 10x and caused delayed recovery for the Copilot Token Service."/"The retry storm in Northern VA was fixed by 1) temporarily reducing gateway retry logic with a PR and 2) blocking inbound Copilot Token Service token requests at the load balancers with a 403, and then gradually ramping back up traffic per-site to allow callers to succeed."/"Residual Copilot authentication failures continued because client retry behavior amplified load: a failed token operation could generate many extra requests and enter a retry loop. Copilot Token Service traffic increased from a normal 7–9K RPS to 70–100K RPS. Reducing gateway authentication retries and blocking retry-triggering responses stabilized Copilot Token Service and completed recovery."/"We have partially disabled authentication token retries and have seen improvement, and we are monitoring impact before fully applying this mitigation."(19:13 UTC)/"Copilot usage via the GitHub CLI and GitHub App are unaffected."(20:08 UTC)— GitHub Status より
公式情報を見る →

再発防止策ではIstioやリトライなどをどう見直すのか

報告の末尾にある再発防止策は5つで、オートスケール設定の修正からロードバランサー監視の改善までを含みます。内容は次のとおりです。

  • サービスメッシュのサイドカーについて、同時実行数と容量を考慮するようにオートスケールのポリシーを修正する
  • 影響を受けたサービス全体で、Istioのリクエスト数・同時実行数・スケールそれぞれの上限を点検する
  • ゲートウェイとクライアントで、リトライの上限とバックオフ(再送の間隔を少しずつ広げる仕組み)の挙動を見直す
  • Copilotのトークン通信を増やした、VS Codeリトライの挙動に対処する
  • ロードバランサーの容量監視と、地域をまたぐフェイルオーバー(障害時に別の拠点へ切り替える仕組み)の安全策を改善する

GitHubのCTOが8月20日に公開したブログには、8月6日のActionsの障害と今回の障害を受けた当面の変更が2つあり、1つ目はリトライストームと負荷の連鎖を防ぐために、サービス間のやり取りでリトライの上限と予算(再送に使う量の上限)、可変のタイムアウトをそろえることです。2つ目は急な通信増加で障害を起こしかねない構成要素を見つけるために、優先度の低いCPUとメモリの警告を見直すことです。

"- Correcting autoscaling policies to account for service-mesh sidecar concurrency and capacity."/"- Auditing Istio request, concurrency, and scaling limits across affected services."/"- Reviewing retry limits and backoff behavior across gateways and clients."/"- Addressing the VS Code retry behavior that amplified Copilot token traffic."/"- Improving load-balancer capacity monitoring and regional failover safeguards."— GitHub Status より
公式情報を見る →
"The August 6 and August 17 incidents led to two immediate changes. First, we are applying consistent retry limits, retry budgets, and variable timeouts across service-to-service interactions to prevent retry storms and cascading load. Second, we are reviewing lower-priority CPU and memory alerts to identify components that could fail during sudden traffic spikes."— GitHub Blog より
公式情報を見る →

まとめ:GitHubのシステム障害は設定漏れに始まりリトライで長期化

2026年8月17日のGitHub障害はサイドカーの上限を見ていなかったオートスケールの設定が元になり、リトライの連鎖で長引きました。障害は13時28分から21時15分(UTC)までの7時間47分続き、ピーク時にはWebとAPIのエラー率が約20%に達しています。

Copilotの復旧が最後まで遅れたのは、VS Codeのリトライ不具合で通信量が約10倍に増えたためです。2026年9月29日時点でGitHub Statusの報告にAIやコミット数への言及は無く、CTOのブログもコミット数の伸びを書くだけで伸びた理由には触れていません。

FAQ

障害はどれくらい続きましたか?
2026年8月17日の13時28分から21時15分(UTC)まで、7時間47分です。日本時間では8月17日22時28分から翌18日の6時15分までです。ピーク時のエラー率はWebとAPIで約20%、アーカイブと生コンテンツのダウンロードでは約50%でした。
根本原因は何ですか?
オートスケールの設定の見落としです。Istioのサイドカーが同時実行数の上限に達したのに、設定がホスト側のサービスを見てサイドカーの上限を見ていなかったため、拡張が正しく働きませんでした。失敗が連鎖して最終的に4台のHAProxyノードが通信の上限を使い切り、認証の遅延と失敗が広い範囲で発生しています。
Copilotの復旧が遅れたのはなぜですか?
VS Codeに潜んでいたリトライの不具合が通信量を膨らませたためです。内部のエンドポイントのひとつで応答が遅れたことをきっかけに不具合が表に出て、通信量はおよそ10倍に増えました。Copilot Token Serviceへの通信は通常時の毎秒7,000〜9,000件に対し、障害中は70,000〜100,000件でした。
障害の原因はAIによる負荷ですか?
2026年9月29日時点で、GitHub Statusの報告にはAIやコミット数への言及がありません。GitHubのCTOは8月20日のブログで、4月以降に月間コミット数が14億から29億へ増えたことを負荷の背景だとしていますが、増えた理由には触れていません。