稳定性专栏

今年 3 月 GitHub 在一周内出现了多次服务不可用的情况，每起事件持续时长在 2-5 小时，据有媒体统计，GitHub 在一周中多次中断影响的开发者数量高达 7300 万。事…

一、 背景与意义 B站直播营收送礼业务有着高写、在跨晚和S赛等大型活动下流量陡增、数据实时性要求高等特性，传统压测对于写场景为了避免影响线上数据做了各种屏蔽和黑名单处理，有着无法逼…

一、背景 全链路压测是在线上生产环境中通过模拟正常用户操作路径进行压力测试的一种方式，对比于我们通常的接口压测具有仿真度高、场景覆盖全等特点。过去的几年里，阿里、美团、字节等大厂均…

一、背景 压测的重要性毋庸置疑，相比于监控，压测可以说是主动手段，通过高负载的预演，及时发现线上服务的瓶颈和缺陷，对线上服务质量保障起到了至关重要的作用。而在B站，核心业务都会频繁…

# 一分钟精华速览 # 系统故障无法避免，事故发生的原因多种多样，故障定责不是为了指责而是为了后续的优化改进，可很多企业在定责时难免遇到团队、个人之间推卸责任的情况，定责定的到底是…

是不是经常会遇到，有人在群里@你，告诉你你的系统出故障了，你在犹豫是不是真的出故障的同时还得慌乱地去查找？ 老板问你系统现在到底健康与否，能不能快速给个判断，你却不敢断言？业务方说…

 文章摘要 作为 DBA 都清楚，数据库备份是至关重要的，可以说是拯救数据库最后的灵丹妙药。所以生产系统的数据一定要有备份，当然备份工具和策略的选择也十分重要，直接影响到…

#一分钟精华速览#某企业内部故障统计数据显示 85%的异常是靠用户上报发现而非监控发现。针对一个故障场景增加一个告警，往往需要增加数百上千个监控项，这样加下去，真的能提升业务异常的…

谷歌事故回顾：https://news.shulie.io/?p=5103 鲁棒性（robustness）其意思是健壮和强壮，就是系统的健壮性。它是指一个程序中对可能导致程序崩溃的…