此笔记位置已失效,请从目录继续阅读。
全书导读
软件通过功能测试之后,还要长期面对真实流量、错误依赖、操作失误与持续变更。本书把生产就绪放回软件设计的中心:在失效不可避免的前提下,如何让关键业务继续工作,并让团队能够观察、控制、恢复与演进系统。它以真实故障故事引出模式,模式的价值来自清晰的假设、边界和反馈。
全书主线
第一部分通过航空系统事故进入稳定性的反模式和模式,分析集成点、等待、容量失衡与级联失效,再建立超时、断路器、舱壁、卸载和调速等边界。第二部分从基础层、实例、互连到控制与安全,把运行职责逐层展开。第三部分将可部署性和版本兼容纳入设计,第四部分则观察组织关系、适应性与混沌实验。
共同主线是让故障有界、状态可见、动作可控。稳定并非每个组件永不出错,而是受损时用户仍能完成重要工作。原书工具和产品描述有成书年代,笔记把可迁移机制与当前接口事实分开;源包引用的正文图像缺失,已逐图登记,仅使用完整可读的文字和替代文本,不伪称视觉读取。
译者序
译者从夜间on-call经验提出问题:开发环境里的理想假设无法覆盖真实用户与故障组合,测试通过不能保证生产中一直稳定。第2版把关注从故障模式延伸到部署、版本与混沌工程,强调失效不可避免时怎样限制裂纹蔓延。这段给出阅读动机,具体可复用机制由各章展开,因此不把个人经历另拆成卡。
前言及中文版前言
前言把可用性放在真实运行条件下理解。第一部分建立稳定基础,第二部分处理生产环境的网络、实例和控制,第三部分让软件能持续交付,第四部分处理长期演化与混沌。案例对公司与命名做了匿名化,保留事件顺序、失效方式和损失背景;数字是给定案例而非普遍收益估计。中文版前言指出两版之间的经验演进,这些导读用于组织主线,不另作为实质机制卡。
第1章 生产环境的生存法则
软件完成特性和通过QA,只能证明一部分已知功能。真实生产会持续面对异常数据、不可控用户、网络故障及增长的规模,因而设计既要预防可预防的问题,也要让未知故障出现后能够恢复。系统价值从上线后才开始兑现,运维阶段往往远长于开发阶段。
选择架构时要同时计算实施、停机和持续维护成本。早期边界决定影响深远,却发生在信息不足时;尽快上线可补充反馈,仍需评估容量、可用性和替换能力。务实的架构关注不停机部署、可观测指标与负载变化后的改进路径,不能仅以遵守既定技术标准判断优劣。
功能通过不等于生产就绪对应本章的具体机制、案例或使用方法。 架构成本要算整个寿命 尽早上线补全决策信息 务实架构关注动态演化
第一部分 创造稳定性
第一部分以航空公司停飞案例开始,先解释稳定运行的业务含义,再辨认集成点、资源等待和放大效应怎样把局部缺陷变成系统事故,最后介绍超时、断路器、舱壁等限制传播与恢复的模式。这一分部页只列出第2至5章,未增加独立概念,因此正文保留其阅读脉络,知识卡落在实际展开的章节。
第2章 案例研究:让航空公司停飞的代码异常
航空公司的核心航班服务在硬件、数据库和机房层面都有冗余,一次看似成功的数据库切换后,登机及语音应答系统却在数小时后停止服务。排查从两个受影响系统的共同依赖着手,先用现成脚本保存线程和数据库状态,再恢复服务;日志、转储和配置对比为之后复盘保留了证据。
调用方的全部工作线程等待远端读取,核心服务的EJB线程又等待数据库连接池。HTTP状态页使用另一组空闲线程,所以监控一直显示正常。继续查看FlightSearch发现,finally先关闭Statement再归还Connection;切换后旧连接触发close异常,使第二步清理被跳过。连接逐个泄漏,直到池枯竭,故障沿无限等待的调用链向外传播。
这起事故把局部清理差错、有限资源与跨系统等待连接起来。硬件冗余无法隔离应用层的共同缺陷,单一探活也不能代表业务可完成。除了修复已发现的代码,更需要在池、远程调用和服务分组边界阻止下一种未知缺陷扩散。
先恢复并自动保全证据对应本章的具体机制、案例或使用方法。 探活必须覆盖业务执行池 线程转储定位等待链 获取JVM线程转储 清理异常截断连接归还
第3章 让系统稳定运行
稳定性应以用户能否完成工作衡量。本书的事务是创建订单等业务单元,可能跨多个数据库事务和外部服务;不同类型的占比形成混合工作负载。瞬间涌来的冲击、持续负载的压力及内部资源逐渐变形的劳损,会通过不同途径损害系统。
短开发周期和几小时压测难以暴露内存泄漏、累积数据与闲置连接失效。寿命测试因此要连续运行,模拟日夜高低负载,至少覆盖真实发布周期。预算有限时可先测试关键组件,但替身不能代表所有生产耦合。
一个内部失误被触发后可能表现为错误,再变成用户可见失效。各环节并不独立:慢数据库提高连接耗尽和上游内存增长概率,耦合会加速失效链。设计时应承认失效必然发生,选择可以牺牲的区域,用有限等待、服务分组与更低耦合保留关键功能,而不是幻想能枚举所有缺陷。
稳定是用户还能完成工作对应本章的具体机制、案例或使用方法。 区分冲击压力与劳损 用昼夜负载做寿命测试 失效链事件并不独立 失误错误与失效有层次 把安全失效边界设计进去
第4章 稳定性的反模式
稳定性反模式关注缺陷怎样被放大。集成点既承载网络,也承载对端的时间与语义假设:端口拒绝可能很快返回,慢连接、慢读写或永不返回却会长期占住线程;HTTP已连接也可能没有合法正文。供应商客户端把锁、资源池和回调线程藏在接口之后,签名不能说明等待边界。
凌晨故障案例显示,连接池LIFO让少数连接在夜间反复使用,其余长时间闲置,被防火墙静默淘汰。清晨流量再借出旧连接时,TCP两端仍认为连接有效,I/O陷入长等。对照防火墙两端抓包才揭示原因;定期探测在该环境下刷新中间设备状态。连接资源还受描述符、缓冲区和关闭后状态影响,不能把服务器总连接数简化成本地端口数。
同层连累是一个节点失败后其他节点分摊负载,更快触发共同泄漏或并发缺陷;层叠失效则是下游等待耗尽上游池和线程,或过度重试把故障反向放大。进程活着但线程全等,同样不能交付业务。应从用户路径的外部观测判断,而非只看进程状态。
用户数并非唯一容量维度。会话占用会延续到最后一次访问之后,缺cookie的代理和爬虫还能反复建会话、加载资料并更新同一数据行。结账事务又比浏览更昂贵,转化率增加会把授权、库存和配送推到压力前沿。测试要改变事务组合,不能仅复刻平均流量。缓存虽能减负,却要限制内存、处理过期数据,并防止锁内远端加载把整个入口串行阻塞。
促销、深层链接和批量启动可能从组织内部制造流量攻击;全互联连接数、共享锁扇入及前后端实例比例则使小环境里的设计在生产放大。增加前端机器不能解决后端75个线程面对3000个线程的问题。随机错开定时器与重试、预热和分批启动可减少同步峰值,但两端仍需明确接纳与等待上限。
自动化控制器也会误判:局部观测丢失或迁移中不完整的期望状态,可能让它迅速关闭大量正常实例。控制循环需记录尚未完成的动作,限制变化速率和总量,并给异常偏差留人工观察机会。最后,数据本身也会变:平时很小的消息表膨胀到千万行后,全量读、构造对象与回滚释放锁形成反复崩溃。请求阶段限制结果量和真实规模测试,是避免这种不受控消费的必要边界。
每条集成边都可能失效对应本章的具体机制、案例或使用方法。 慢连接会耗尽调用容量 闲置连接遇上防火墙淘汰 保活流量维持中间状态 跨防火墙对照抓包 HTTP响应先验证再映射 回调接口隐藏线程约束 同层故障让幸存者更忙 等待与重试让故障跨层 会话数据占着闲置时间 软引用缓存必须容忍失载 移出进程交换容量与延迟 连接上限不能只数本地端口 用昂贵事务比例压测 缺会话标识会放大后台争用 爬虫规则不能代替流量防护 共享锁中调用远端会排长队 隔离不可控程序库的等待 缓存要同时限制量与旧值 营销流量要预先分散 点对点连接按平方增长 无共享与会话接管有取舍 容量失衡两端都要防守 按不同比例测试调用两端 启动与重试要打散时钟 控制器可能误信局部状态 控制循环要算尚未生效动作 缓慢响应形成负反馈反面 小表假设会耗光整个集群 请求时限制结果数量
原书依据 · 30 处
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
- 稳定性的反模式 · 查看原书依据
第5章 稳定性的模式
恢复导向的设计不以采用多少模式计分,而以缺陷出现后还能保存多少服务衡量。超时让单次出站调用和池等待有终点;延迟重试避免在故障尚未恢复时继续施压。断路器再跟踪近期失败密度,经过闭合、断开和半开试探,在坏依赖恢复前停止反复调用。超时只代表停止等待,熔断回退也不代表原业务成功。
断路器会改变业务行为,库存或信用卡无法验证时是否接单必须由业务干系人明确,而不能用通用缓存结果替代授权。异步消息虽然拆开双方同时在线的要求,也把延迟响应、失败结果和未知状态带入业务流程;异常队列与回调是设计的一部分,不能把消息发送成功当成支付授权完成。
舱壁按调用方、功能或拓扑保留故障隔离区,可从管理线程池到专用服务器组;共享数据库仍可能留下共同故障域。稳态则要求每种累积资源都有回收机制:数据清除要理解关联,日志要滚动及集中移出,缓存要有界。靠管理员每晚清盘重启维持的系统,没有真正达到一个发布周期内可持续运行。
快速失败在昂贵计算前检查输入、必需资源与依赖状态,并区分用户错误和系统性失效,避免上游误熔断。若原地恢复不可控,可让独立组件崩溃回到干净状态,但粒度必须有限、替换足够快,有监管决策且能自动重新归队。监管树根据失败范围和重启频率升级,不能退化成无限拉起进程。
握手让接收方表达当前能否接纳工作;卸载在需求超过能力时及时拒绝;背压通过有界缓冲让上游降速。跨系统无限阻塞仍会复现旧问题,因此互联网边界常需要明确拒绝与异步受理。调速器则约束自动化的动作速度及安全范围,让人能在错误决定毁掉大量资源前干预。
考验机把坏依赖独立成可控制的测试服务器,模拟只接不回、随机字节、慢速或错误正文等违反协议的行为。这补充了只能测试规范错误的集成环境,保留测试隔离,并可观察系统是否有界等待和恢复。所有方法都是限制传播的工程手段,不能消灭未知失误。
每个阻塞点都有等待上限对应本章的具体机制、案例或使用方法。 超时后别立刻堆更多重试 断路器用试探恢复调用 熔断要看密度并开放状态 授权依赖中断使接单不确定 授权中断先约定业务策略 舱壁按业务损害划边界 每种累积资源都要回收 日志滚动并移出服务主机 失败前先验证输入与资源 崩溃替换先确认四个条件 监管树不是无限重启循环 握手让接收方表明容量 用考验机制造违约响应 异步消息拆开时间依赖 异步授权仍需处理未知结果 延迟授权要设计后续流程 过载时先拒绝新工作 背压依赖有界缓冲 调速器给人工留出时间
原书依据 · 20 处
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
- 稳定性的模式 · 查看原书依据
第二部分 为生产环境而设计
这一部分从促销期间的级联阻塞进入生产设计,依次观察物理与虚拟基础、单实例、互连、控制和安全边界。层级划分用于确认每项职责由谁承担:应用不能把网络、配置和观察一概视为外部条件,平台也不能替代应用处理自身状态和授权。具体因果和方案在第6至11章展开,本导语不重复制卡。
第6章 案例研究:屋漏偏逢连夜雨
促销并非只增加相同比例的流量:免费送货活动把压力集中到送货调度,而下游恰好只剩四台中的一台可用。电商的3000个请求线程通过订单管理系统450个线程涌向最多处理25个并发请求的节点。等待下游响应和等待无超时连接池把线程逐层锁住,所以CPU很低,业务却已经停摆;只看已完成请求的均值还会漏掉最糟的挂起请求。
恢复依赖事先存在的明晰性和可控性。线程转储揭示等待位置,专用的送货连接池使该功能可以独立降级。团队先在单实例调低池上限与等待时间,发现配置要经过组件重启才能生效,随后推广至全体实例,让下单流程恢复而送货时间暂缓确认。原型脚本和具体属性来自当时系统,本次没有运行它们。这里的通用经验是让非核心集成有明确退路、让控制动作能验证生效,并把业务活动和依赖维护放入同一容量视野。
相关知识:低CPU也会耗尽线程;完成请求均值掩盖堵塞;营销与维护共同改变负载;专用连接池形成降级阀门;重启组件缩短恢复路径;动态降级操作验证生效。
第7章 基础层
基础层的职责是让应用面对真实的网络和实例生命周期。操作系统主机名、DNS逻辑名及网卡地址并非一一对应:一台机器可以同时接入管理、备份和业务网络,同一服务名可以解析到多个实例。监听全部接口或从本机名猜测绑定地址,都可能让服务暴露到错误网络。需要显式配置角色地址,并检查实际的解析、路由和可达范围。
虚拟化提升资源利用率,也引入不可从客户机内部直接观察的宿主竞争、暂停与时钟变化。容器进一步把实例身份变成短暂对象,迫使数据持久化、配置注入、遥测采集、联网与调度走向外部服务。十二要素原则把制品、配置、进程、后端和日志分开,从而支持同一构建跨环境发布。选择平台时要问网络怎样组织、身份能持续多久、谁负责启停与镜像,不能只看云服务标签。原书的市场份额、工具成熟度和单网卡连接数量概括均有时代或技术条件,不作为当前通用事实。
相关知识:主机名与服务名字各有职责;管理备份业务网络分离;监听地址必须显式配置;虚拟化放大暂停与资源竞争;容器把复杂性推向控制层;十二要素分开制品与环境;部署环境决定实例身份假设。
第8章 实例层
实例层把源代码变为可部署、可配置、可观察的运行单元。先区分服务、实例、可执行制品与进程,部署视图描述文件怎样落地,运行视图描述进程怎样协作;混淆这些对象会让事故操作含义不清。受控源码、依赖校验、干净CI和制品库组成监管链,构建插件同样属于供应链。不可变镜像用已知起点替换不断叠加补丁的未知历史,但持久业务数据仍需独立保护。
配置是运维人员的用户界面:名称要说明业务作用,环境值与制品分离,秘密与普通配置分离。启动注入和配置服务各有成本,不能让后者失联就引发所有实例无法启动。明晰性则要求应用发出可关联的状态、日志和指标,并由外部策略决定告警。日志应告诉人发生了什么、是否需要动作,避免含混的调试提示产生“巫毒运维”;健康接口还需报告版本、接收工作状态及池和断路器,支持有依据的流量切换。局部指标必须与全流程结果结合,才能避免局部优化掩盖整体停滞。
相关知识:统一术语减少运维歧义;生产制品需要完整监管链;不可变环境消除历史叠加;配置是运维用户界面;配置服务增加启动依赖;明晰性要跨越局部指标;监控策略放在应用外部;日志面向可采取行动的人;日志标识串起状态变化;健康接口支持流量切换。
第9章 互连层
互连层把独立实例组合为可用系统。低变化环境可以通过逻辑DNS名配置调用,动态环境需要注册与查找,但发现服务本身也是新的故障依赖。DNS轮询在解析时分配地址,不能替代持续感知健康的负载均衡;全局DNS选站点与本地代理选实例是两个阶段,各有缓存和可达性边界。负载均衡池的健康检查、会话黏性、内容路由和无可用实例的应答,都是应用契约的一部分。
负载过大时,请求会在套接字、缓冲区、队列和线程之间逐层占住资源,下游变慢使占用时间更长,超时重试又增加流量。卸载应尽量靠近边缘,快速拒绝无法及时完成的工作,度量必须包含排队时间。多网卡路由也涉及保密性:错误路径可能仍然成功,却把敏感数据送到公网。虚拟IP故障转移只迁移地址,不迁移未持久化状态;调用方仍需处理断连和未知写入结果。原书Consul/AP及TCP调优概括保留历史范围,不能代替当前产品语义和内核文档。
相关知识:发现机制随变化规模选择;DNS轮询不感知实例健康;全局与本地流量管理分层;DNS本身需要故障隔离;负载均衡池包含应用策略;会话黏性牺牲分布灵活性;请求排队形成级联反馈;尽早拒绝保护有限容量;路由错误可能静默泄密;发现服务也会失效;虚拟IP迁移不迁移内存。
第10章 控制层
控制层管理其他软件,为部署、配置、调度、观察与干预提供杠杆。每个工具也需要持续维护,规模和变化率决定共享平台是否值得投入。平台团队的职责应转向可自助使用的安全接口,而不是成为所有日常变更的人工队列;开发者依赖的版本库、CI和测试平台也应按生产工具管理。
强杠杆同样放大错误。S3和自动扩容案例说明,仅复现操作者命令是不够的,工具需要最小容量、动作速率、分批与反馈检查。事故分析还要学习成功变更中拦住失误的防线。系统明晰性应直接回答用户体验与经济价值,统一日志、指标和业务链,而非只追求所有实例运行。配置服务应失联可退,部署方式应匹配实例身份寿命,金丝雀需要明确行为判据。长期预热实例可能需要管理API,短命实例更适合替换;广播命令和清空缓存都要防止一窝蜂。脚本接口让动作可重复,也必须约束作用范围。
相关知识:控制层工具也有长期成本;自动化同时放大正确与错误;事故分析要学习成功的防线;平台团队提供自助能力;开发平台也有生产承诺;用户体验必须直接度量;观测把技术连接经济结果;指标聚合需要保留时间语义;配置故障不应关闭业务;部署推拉方式依赖身份寿命;金丝雀以行为决定扩散;运行控制需要防止群体震荡;脚本接口让操作可重复。
第11章 安全性
安全必须在设计、构建、发布和维护中持续存在。注入攻击把不可信数据解释成结构,防线是参数化和安全构造接口;XSS要求按实际输出语境编码,不能因输入曾存入数据库就信任它。会话标识是凭据,需要防泄漏、不可预测及认证后更新;身份验证之后仍要逐请求检查对象权限,拥有资源URL从来不是授权证明。
网络边界不能替代内部身份与加密,上传文件名不能直接决定本地路径,默认账户与不必要功能需要移除。敏感数据应先减少,再保护传输、存储与解密权限;支付令牌可以减少保留完整卡号的需求,但密钥与诊断材料还需单独管理。攻击检测和限速、依赖及构建插件补丁、最小权限与可替换镜像共同限制损害。CSRF利用浏览器自动凭据,不代表用户真实意图,应按框架机制校验;SameSite的同站定义与同源不同,正文已据当前官方资料纠正原书对子域的混淆。此章原用2017候选榜单,笔记保留机制而不把旧排名或默认配置当作当下事实。
相关知识:安全需要贯穿系统生命周期;查询结构与不可信值分离;外部实体可能越过解析边界;会话标识是需要保护的凭据;密码存储与登录防护各司其职;内部调用也必须验证身份;输出编码必须对应使用语境;资源地址不代表访问权限;上传文件名必须由服务控制;缩小攻击面并记录管理责任;减少敏感数据与密钥共存;攻击检测需要关联主体行为;CSRF利用浏览器自动凭据;依赖漏洞清单必须涵盖构建链;API安全要约束合法身份的行为;最小权限限制突破后的损害;秘密材料不进入诊断包。
第12章 案例研究:等待戈多
发布完成的标志是软件在生产可用,而非代码已写完。本章的夜间发布让四十多人等待脚本、反复审查剧本并在疲劳中操作,展示手动协调成本如何累积。部署越少越特殊,越特殊越要动员更多人,单次发布甚至被估为十万美元。 参见部署军团放大发布成本。
最后失败并不来自未编译的代码,而来自QA没有覆盖的历史生产内容:内嵌脚本仍按旧页面结构工作。回滚只把系统送回原处,没有解除下一次发布的风险。这一案例把问题引向下一章:设计应同时照顾自动化、真实数据和新旧版本的过渡状态。 参见测试数据差异击穿验收。
原书依据 · 2 处
第13章 为部署而设计
零停机部署要在旧新实例共存时保持服务,因此先区分可替换的机器与持续存在的逻辑服务,把发布过渡态当作设计对象。构建流水线不仅完成CI,还要逐阶段寻找可拒绝变更的证据。配置可以从现状收敛,也可由已知镜像替换实例;两种方式都需明确环境配置。减小批量与频繁交付能缩短未部署库存时间,是否保留人工发布门取决于错误与等待成本。 参见把部署过渡态纳入设计。 参见机器实例不同于逻辑服务。 参见构建流水线是拒绝漏斗。 参见收敛配置与不可变镜像。 参见缩小批量打破发布恶循环。 参见部署要量四段时间。
发布窗口包含准备、排空、安装和就绪,整体还要做预备与清理。关系模式先扩充、后推出、最后收缩,临时垫片桥接旧新写入,并防止递归触发。迁移必须用历史数据形态测试。文档数据库同样有应用模式:可逐级翻译旧数据,也可先升级读取者再迁移;先滴流再批量把工作摊到请求,最后清掉旧分支。 参见数据库扩充先于收缩。 参见双向垫片桥接新旧表。 参见迁移测试要覆盖历史脏形态。 参见文档翻译链保留旧格式。 参见先升级读取者再批量迁移。 参见先滴流再批量迁移。
静态资源要用带版本的URL保留旧新内容,保证页面与脚本相配。按组排空和更新,首组作金丝雀,观察后再放量;就绪状态管理流量,端口打开并不等于服务准备完成。不可变实例替换或蓝绿切流仍需处理在途连接与会话状态。推出后观察,再回收垫片、旧结构和特征开关,并把可机械判断的质量规则加入流水线。 参见静态资源路径携带版本。 参见分批推出先观察金丝雀。 参见就绪标志控制接流排空。 参见替换实例仍须处理会话。 参见清理阶段回收临时机制。 参见把客观规则交给流水线。
第14章 处理版本问题
兼容性保护的是各服务团队独立安排交付的能力。API包含协议、编码、语义、路由和鉴权等多层约定;文档与实际行为之间的差异,也可能已经成为消费者依赖。变更既要检查承诺,也要通过生成测试探索边界,并由消费者维护其真正使用的契约测试。新增内容不能只按提供方视角判断安全,还要考虑接收方如何解释。 参见兼容发布保护调用方自治。 参见API是多层约定栈。 参见兼容性要检验既有行为。
破坏性更新需要辨别消息版本。URL易路由和观察,媒体类型与自定义标头提供不同灵活性,正文版本则主要适用于写请求。提供方要给旧新版本并行期,在边界适配对象而非复制业务,并混合测试同一实体的两个版本访问。 参见生成测试探索契约边界。 参见消费者拥有契约测试。 参见破坏性版本路由的取舍。
贷款例子显示新增字段有业务组合问题:评分、抵押类别和风险调整可能部分缺省,语法类型正确不等于业务含义完整。消费者也不能只测试目前一次端到端返回;应分别验证发出的请求符合契约、自己的响应处理覆盖允许的结果,再检验提供方实际实现。 参见边界适配支持新旧并行。 参见授信新增字段组合须明确。 参见分别检查请求与响应契约。
第15章 案例研究:不能承受的巨大顾客流量
网站上线后真实流量很快超过负载试验的会话容量。康威定律解释系统接口为何受真实沟通路径影响,但更直接的失败因素是团队把通过QA当作终点:测试与生产拓扑不同、配置散落多处、会话跟踪方式也不同。环境覆盖层可以把可变配置从代码部署中分离,但必须先弄清属性真实用途。 参见康威定律描述沟通边界。 参见以生产运行作为测试目标。 参见环境覆盖与代码版本分离。 参见活动会话不等于并发用户。
会话是服务端对离散访问的抽象,超时时间令它长于用户实际停留,因此会话数不能直接叫并发用户。浏览与结账资源成本也不同,负载模型要说明行为组合。现实中的旧URL、404、搜索引擎重抓和不保存cookie的机器人不断创建会话,复制又放大内存、CPU与网络成本;仅有礼貌浏览器脚本的测试没有覆盖这条失效路径。 参见无Cookie流量耗尽会话。 参见入口网关约束会话创建。 参见负载测试要加噪声与防护。
入口网关在创建会话前检查cookie、限流并屏蔽异常来源;匿名首页若确实相同可静态化,会话本身则应只保存少量键值。测试还应引入噪声,检查超载后故障是否被限制以及系统能否恢复。限流、关闭故障切换和额外服务器可止血,却会永久损害转化、体验和后续研发能力,恢复响应后仍要追踪根因和成本。 参见匿名首页可以静态化。 参见会话应保存键而非大对象。 参见临时止血会成为长期成本。
第16章 适应性
适应性同时涉及组织、过程、软件和数据。投入应匹配市场变化收益与发布交易成本。组织闭环从观察需求开始,经决策、行动再收集反馈;开发快于反馈会导致来回颠簸。平台团队应提供自助API并划清平台与应用可用性责任,独立中间DevOps团队若只新增交接反而破坏协作。自治小团队需要减少外部排队依赖,频繁发布则用小批量限制暴露面。失败服务必须可退出,否则试验只会增加负担;利用率满载和对今天流程的过度专用化,也可能减损未来灵活性。 参见适应性投入要匹配环境。 参见从观察开始计算交付周期。 参见反馈慢会引发方向颠簸。 参见平台团队提供自助能力。 参见中间DevOps团队重建隔墙。 参见演进需要淘汰失败单元。 参见小团队自治重在少依赖。 参见人员满载不同于价值流动。 参见自动化专用化消耗选择。
演进架构选择重要变更维度,按业务组件隔离常见变化,而非让每次需求横穿所有技术层。微服务、插件和事件各有约束,微服务在团队收缩时也有成本。松散集群以服务地址和动态成员发现替代实例硬连接;显式上下文把隐含的唯一来源说清楚。模块边界提供拆分、替代、增添、排除、反转和移植的未来选项;按承运商并行拆分可隔离失败,共同实验能力可以反转到上层,每个替代或移植仍需按真实消费接口验证。 参见演进架构要选择变更维度。 参见按组件隔离常见变更。 参见微服务也有紧缩成本。 参见松散集群不固定实例身份。 参见显式上下文解除唯一依赖。 参见模块边界创造未来选项。 参见按承运商拆分隔离失效。 参见替代须保持使用方假设。 参见可排除模块按业务划界。
数据模型只捕获现实的部分维度。事件通知、承载状态的事件、事件溯源与CQRS不能混同;日志可以建立多个视图,也带来多年消息格式兼容问题。资源服务发自己的标识符,把访问策略与资源身份分开;URL可当令牌也可取得表示,有助于解除对唯一数据库的依赖,但外部URL必须受控。不同部门对客户有不同含义,应承认多模型与多个权威来源,避免把价格点这样的内部管理概念泄露成下游共同负担。 参见反转把共性提升为服务。 参见移植复用带来新依赖。 参见数据模型只捕获部分现实。 参见四种事件相关模式须分辨。 参见事件日志重放形成多个视图。 参见资源标识独立于所有者。 参见URL兼作令牌与资源地址。 参见业务多义性需要多个模型。 参见内部价格点不应向外泄露。
原书依据 · 27 处
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
- 适应性 · 查看原书依据
第17章 混沌工程
混沌工程用受控实验建立对系统应对扰动的信心,补足小规模预生产与组件测试。服务各自正常并不保证串联后正常,平均延迟也不能保证尾部请求不超时。经济优化会消耗安全余量,长期平稳还可能掩盖恢复依赖;只有把小故障发现转为修复与复测,系统才会获得韧性。 参见组件可靠不推出整体可靠。 参见经济优化会侵蚀安全余量。 参见少量故障暴露隐性依赖。 参见混沌猴检验实例失效。
停止实例只是检验假设的一种方式。起步可先自愿参加,明确范围与责任,不能把沉默当作同意。注入前要限制爆炸半径,具备跨层追踪、分受众健康度量和实际恢复计划。再从外部可观察的不变量提出可证伪假设,区分实验变化与原本噪声。停止实例、增加延迟和定向调用失败各自暴露不同弱点。 参见先自愿试验再扩大覆盖。 参见先备观测与恢复再注故障。 参见用可证伪稳态设计实验。 参见三类注入检验不同弱点。
随机故障适合早期密集问题,后续应从调用踪迹和后备路径挑选目标。无用户失败的故障也能显示有效冗余。自动平台管理注入时间、程度、受众和禁区,避免同时消灭全部冗余,并把实验事件关联到监控。组织层面的人员连续性也要演练,记录关键知识或角色的单点,通过文档、覆盖与自动化改进,并准备真实危机时立即结束演习的口令。 参见从调用踪迹挑选故障点。 参见自动混沌要约束组合伤害。 参见人员连续性也要演练。
跨章综合
故障通常沿资源和依赖关系传播:慢依赖延长占用,队列和重试放大负荷,自动化若误判又会迅速减少剩余容量。超时、隔离、卸载与调速共同限制传播,但只有业务退路明确、观测覆盖真实结果时,它们才能支撑恢复。
长期可靠性还依赖变更能力。受控构建、同一制品、可配置实例、兼容迁移和渐进发布,使团队能够在不确定条件下持续学习。平台接口与组织沟通决定这些机制能否被真正使用;安全与混沌也必须成为持续过程,分别约束不可信输入和检验失效假设。
发散与实践
两项证据验证已经收集当前官方材料并填写首轮对照:把Consul整体AP标签拆成读写模式与故障条件,把SameSite与同源、凭据和用户意图区分。资料已能回答当前疑问,因此没有额外部署服务或运行攻击实验。
核验Consul读写承诺(计划:ideas/idea-001-核验Consul读写承诺.md);厘清SameSite与用户意图(计划:ideas/idea-002-厘清SameSite与用户意图.md)。