去年出过一期「程序员黑话集」，一直想着更新一季，正好最近业内接连发生了几起影响比较大的故障，那我们就专门做一期「故障专辑」吧。
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：
- 代码变更 – Code Change
- 配置变更 – Config Change
- 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！
💡 更多资讯，请关注 Bytebase 公号：Bytebase
