知识卡片
崩溃后降负载到远低于崩溃点才能恢复
内容
一个服务在10,000 QPS正常运行，11,000 QPS时进入连锁故障，把负载降回崩溃前的9,000 QPS通常 无法恢复——这是反直觉的不对称现象。原因是崩溃后系统已进入另一种状态：只有一小部分实例还能 正常工作（如10%），能承受的总流量上限也相应缩小，必须把负载降到远低于原临界点（如1,000 QPS）才能让崩溃实例逐个恢复，再逐步爬升。发散：退出糟糕状态所需条件往往比维持良好状态苛刻 得多。
参考来源
- 位置：《SRE：Google运维解密》第22章《处理连锁故障》"服务不可用"一节（源文件：_epub-src/OEBPS/Text/0009_0013.xhtml）
- 结论依据：原文举例"如果某个服务在10,000 QPS的水平下正常服务，但是当11,000 QPS的时候进入连锁故障模式，降低负载到9,000 QPS通常也无法恢复……如果10%的任务目前可以正常处理请求，那么请求速率必须降低到1,000 QPS才能使整个系统恢复稳定"，直接支撑该不对称结论。
- 原始内容：如果某个服务在10,000 QPS的水平下正常服务，但是当11,000 QPS的时候进入连锁故障模式，降低负载到9,000 QPS通常也无法恢复。这是因为这时该服务仍然处于容量不足的状态……在这个例子里，如果10%的任务目前可以正常处理请求，那么请求速率必须降低到1,000 QPS才能使整个系统恢复稳定。