稳定性专栏

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…

以下为谷歌官方的事故报告： 问题摘要 2020 年 12 月 14 日星期一，需要谷歌 OAuth 访问且面向客户的谷歌服务出现死机，并持续了 47 分钟。GCP 工作负载使用的云…

766次在线会议、临时调拨100多台服务器，“调兵”四地工程师，这是腾讯云“救援”微盟的付出。 3月1日，“微盟删库”事件收尾，并制定1.5亿元赔付计划。这，不啻于一场血的教训。此…

2020年微盟删库事件是目前为止国内删库最严重的事故之一，当天直接造成公司市值损失近10亿，影响超过300万商户。下面我们按照时间线，来看看整个事件发生的始末。 ① 事情从2月23…

很多人应该都有关注SpaceX，从MK1到SN12所有的飞行器都没有成功，那这个实验到底是失败了还是成功了呢？借用埃隆·马斯克话来说这是一次成功的失败，他们公司从这些失败中汲取的经…

直播视频回放：https://news.shulie.io/?p=5019 上周B站技术发的“713事故”复盘文章爆了，很多小伙伴都在关注我们B站的高可用建设，其实一直以来我们在这…

至暗时刻 2021年7月13日22:52，SRE收到大量服务和域名的接入层不可用报警，客服侧开始收到大量用户反馈B站无法使用，同时内部同学也反馈B站无法打开，甚至APP首页也无法打…

“所有的应急预案都应该围绕着公司自身的基建来设计，否则一切都只是空谈。现实中, 大型活动持续的时间一般不会很长, 但是流量非常高，一场赛事直播可能会在2-3个小时，一次电商大促、秒…

一、问题描述 业务下单链路（大事务）整体耗时较高，影响整体接口性能 1、什么是大事务 运行时间长,长时间未提交的事务称之为大事务 2、大事务会带来那些问题 a、死锁 b、数据库连接…