构建成功与发布成功之间，还隔着几道门
构建只证明产物生成，部署路径、证书和代理仍可能有问题。
继续阅读恰西 / 按主题阅读
运维
让告警直接指向下一步动作
只发一句“服务异常”会把定位工作全部留给接收者。告警应让人知道哪个服务、什么症状、持续多久，并能直接进入相关日志或监控页面。
继续阅读线上到底是哪一版，应该能查出来
线上问题需要对应到源码、配置和产物，而不只是一个模糊的发布时间。 仅知道“下午发布过”不足以定位问题。代码摘要、构建编号和产物标识形成关联后，才能判断配置、页面与日志是否来自同一轮部署。
继续阅读发布文件时，避免让读者看到半截内容
直接向正式文件写入的过程中，其他进程可能同时读取。先在同一文件系统准备完整文件，再切换入口，可以把长时间写入缩成一个较短的可见变化。
继续阅读任务超时之后，能不能直接再跑一次？
同一输入重复执行时，任务应尽量得到一致结果，避免重复插入或重复通知。
继续阅读终端能跑，定时任务却失败
交互式 Shell 常常加载额外的 PATH、别名和环境变量，计划任务通常没有相同条件。相对路径、默认解释器和未传入的凭据，都可能成为差异来源。
继续阅读同一条 cron，换台服务器就晚了八小时
同一条 cron 在不同时区的主机上会对应不同本地时刻。 cron 的时间表达式需要放在具体时区中解释。服务器、容器和云端调度平台不一定使用相同时区，夏令时地区还可能出现日期边界变化。
继续阅读磁盘还有空间，也可能写不进文件
目录中的每个文件都需要元数据资源。大量小文件可能先耗尽 inode，而少数大文件则更容易耗尽数据空间，两种问题的处理方式并不相同。
继续阅读平均响应 100 毫秒，为什么还有人等很久？
平均耗时容易掩盖少数很慢的请求，分位数能描述尾部体验。
继续阅读CPU 很闲，用户却说网站打不开
资源指标描述机器内部状态，外部请求才能覆盖域名、证书、代理与应用链路。两类信息结合起来，才能区分主机压力、网络故障和业务逻辑错误。
继续阅读日志已经改名，磁盘为什么还在涨？
改名后的日志可能仍被进程持有，轮转策略应考虑重新打开文件。 进程打开文件后持有文件描述符，路径改名或删除不一定会让它立即换到新日志。轮转既涉及文件操作，也涉及通知进程重新打开目标文件。
继续阅读一份没恢复过的备份，有多少把握？
压缩包能打开只是最基础的完整性信号。数据库结构、数据版本与恢复权限都可能影响真正使用，因此备份流程应该包含一次独立环境中的恢复演练。
继续阅读