知识卡片
用故障历史找系统问题
内容
事后总结只详细记录单个重大故障，小型但频繁发生的故障常不会被纳入，也容易错过”对单个故障不 划算、但从全局看很有价值”的改进。故障跟踪工具的价值在于支持历史数据分析：底层是计数和汇总 统计，更高一层是跨团队、跨时间对比趋势——”这是本周第三次报警”意义有限，但对比”过去是每天5次 还是每周5次”就有参照价值；最深一层是语义分析，找出造成故障最多的基础设施环节。
参考来源
- 位置：《SRE：Google运维解密》第16章《跟踪故障》"分析"一节（源文件：_epub-src/OEBPS/Text/0009_0007.xhtml）
- 结论依据：原文明确"事后总结……只是整个解决方案中的一部分。只有影响非常大的故障才会进行事后总结，所以小型但是频繁发生的故障经常不会被包含在内"，并说明"下一层分析更重要一些：对比团队/服务以及按时间分析趋势和模式……通过找到基础设施中造成故障最多的一部分，可以更好地知道如果提高该部分的稳定性或性能会带来多大帮助"。
- 原始内容：只有影响非常大的故障才会进行事后总结，所以小型但是频繁发生的故障经常不会被包含在内……通过找到基础设施中造成故障最多的一部分，可以更好地知道如果提高该部分的稳定性或性能会带来多大帮助。