知识卡片
先止血再溯源
内容
遇到大范围故障，本能反应是立刻扎进日志找根因，这是错的：第一优先级应是尽最大可能让系统恢复 服务——切走流量、丢弃部分请求防止连锁过载、关闭部分功能降负载，止血比溯源更紧迫，因为根因 未明之前用户始终得不到服务。飞行员培训中同理：紧急情况下让飞机保持飞行永远优先于弄清故障 原因。若某Bug可能导致不可恢复的数据损坏，宁可先停机也不要让系统带病运行。
参考来源
- 位置：《SRE：Google运维解密》第12章《有效的故障排查手段》（源文件：_epub-src/OEBPS/Text/0009_0003.xhtml）
- 结论依据：原文明确指出大型问题下第一反应是"立即开始故障排查"是错误的，正确做法是先让系统恢复服务，并类比飞行员培训中"保持飞机飞行"优先于排除故障。
- 原始内容：在大型问题中，你的第一反应可能是立即开始故障排查过程，试图尽快找到问题根源。这是错误的！不要这样做。正确的做法应该是：尽最大可能让系统恢复服务……在初级飞行员的课程中讲到，在紧急情况中，飞行员的首要任务是保持飞机飞行……如果一个Bug有可能导致不可恢复的数据损坏，停止整个系统要比让系统继续运行更好。