返回资讯中心
外部精选
软件工程
#开发者实时流

评论文章:运维团队需要适度摩擦以保障系统稳定

来源标题:Ops Needs Friction

针对微软两日宕机和FAA停飞事件,有开发者撰文指出运维思维与开发思维本质不同,运维需要在系统故障时保持镇定。文章认为团队中应保留爱挑刺的成员,例如反对在生产环境长期开启debug日志,以免无用的日志数据填满数据包缓冲区,这类摩擦有助于保障系统稳定。

Hacker News 最新notfried2026/11/14 · 3 天前6 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

在微软为期两天的宕机和昨天FAA的停飞之间,关于谁该负责、为什么会发生这些事,已经有大量讨论。但这让我回想起自己待过的一些基础设施和运维团队,以及我们遇到的类似(尽管规模小得多)的宕机事件。

运维思维与开发或项目管理思维有着根本性的不同。我花了十多年做软件开发才明白为什么。

运维的关键在于系统故障时保持镇定。通常是在调试别人写的代码,而且是在他们从未预料到的条件下。

调试关键故障需要大量创造力和探索精神,在我看来,系统管理员通常是团队中被低估的一环。

我一直觉得,团队里有个脾气古怪的人很有帮助——当我写的代码每天多产生一万行日志,或者让数据库后端出现虽小但可测量的性能下降时,他会因此恼火。

事实上,我自己就变成了那个怪人:我清楚地记得,我曾反对一个开发团队在生产环境中永久启用调试级别日志。我们正用大量基本无用的数据填满数据包缓冲区,好让他们用实时数据“在生产环境调试”。

我的论点是,如果这是一个定义明确的短期计划,有具体目标,那可能有用。但他们在推进大量新功能,不想走预发布环境里的正常QA流程。

最终,我们在日志问题上达成了妥协:我在集群中添加了功能,当新容器因流量激增而扩容时,降低其日志详细程度。这为开发带来了更有用的基础设施,同时没有放弃(太多)韧性。

尽早指出问题有时会招人烦,但有时能防止小问题在系统其他部分出故障时演变成更大的灾难。

这类人能看到合并新旧系统所蕴含的风险,并且有毅力——尽管团队其他人反对——去推动改变,或为升级和维护争取更多时间。

我们的系统需要这种摩擦,因为如果没有它,轮子就会飞出去,而不是形成一种可以测量和缓解的磨损模式。

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →