故障

故障有好几种叫法，比较正式的

• 故障 - Outage

• 事故 - Incident

不怎么严重的，时间很短的

• 抖了一下 - Jitter（多用于网络）

• Hiccup (中文翻译是打了个嗝，不过中文里貌似没有这个讲法）

通俗点的说法

• 挂了/崩了- Down

500

当在请求某个网络资源时，服务器内部发生错误时，返回的错误编号。扩展为系统发生内部故障。

变更

虽然突然的流量暴涨，或者光缆被挖断，数据中心着火，被雷劈都有可能，但绝大多数时候，故障都是变更导致的。

变更分为三大类：

1. 代码变更 - Code Change

2. 配置变更 - Config Change

3. 数据库变更 - Database Change

左移 (shift-left)

降低变更风险的一个方法，就是做变更前检查，问题越早发现越好。因为变更的流水线是从左往右画的，起点在左边。所以左移就是把检查尽量靠近起点。

金丝雀 (Canary)

以前矿工下井，会带一只金丝雀，如果井下空气出现状况，更敏感的金丝雀会先有异常。这个概念也带到了软件研发里。会循序渐进地做变更。另外一种叫法是灰度 (Grayscale)。

单元化/区域化 (Regionalization)

在互联网公司逐渐普及的架构，主要由 AWS 发扬光大，把服务进行隔离。

爆炸半径 (Blast Radius)

金丝雀和单元化都是为了降低爆炸半径，减少故障的影响面。

值班 (On-call)

也叫 Carry the pager。以前带着的传呼机叫做 Pager。现在传呼机被手机/软件取代了，但 Pager 这个名字沿用了下来。

复盘 (Postmortem)

原义是尸检报告。在软件研发领域，指详细的故障分析报告。

惊群 (Thundering Herd)

打雷后，动物一下子被惊醒了，到处乱窜，造成混乱。在故障恢复阶段要小心的问题，很容易刚拉起一个服务，立马又被积压的请求打挂。

结语

船停在港口是最安全的，但那不是造船的目的。软件需要持续的变更迭代，变更就有风险。但研发团队可以通过引入工具，来降低风险，针对一开始变更的三种类型，市面上也有成熟的开源方案：

• 代码变更 - 老牌的有 Jenkins，新兴的有 Drone CI 和 Zadig

• 配置变更 - Apollo

• 数据库变更 - Bytebase

🍀好运！

往期推荐

指针没用好，一行代码让公司损失6000万美元周热点 | 2023.11.06-2023.11.13俄罗斯操作系统Aurora OS 5.0全新UI亮相

这里有最新开源资讯、软件更新、技术干货等内容

点这里 ↓↓↓ 记得 关注✔ 标星⭐ 哦