分享故障复盘

故障复盘的目的是减少故障的发生。有几个我目前认为不错的做法



故障复盘需要有文档记录，包括故障发生的过程，时间线的记录，操作的记录，故障恢复的方法，故障根因的分析，为什么故障会发生的分析。文档应该隐去所有当事人的姓名对公司的所有人公开。很多公司对故障文档设置查看权限，我觉得没什么道理。有些公司的故障复盘甚至对外也是公开的

故障在复盘的时候应该将当事人的名字用代码替代，可以营造更好的讨论氛围。


Blame Free 文化？之前我认为是好的。但是后来发现，有些不按照流程操作导致的问题确实多少应该 Blame 一下

比如下线服务的时候没有检查还没有 tcp 连接就直接下线了，或者操作的时候没有做 canary 就全部操作了，这种不理智的行为导致的故障。

感恩节祝愿：朋友客户们所用机器稳定、安全零故障！
感恩节新上：裸金属 服务器，配置高，超稳定，超实惠 ，性价比超高
欢迎随时咨询！