原书出处
大型网站运维:从系统管理到SRE
7 事故复盘
我们团队曾经遇到过触发线上事故的原因是开发工程师在处理 TCP连接时,没有做读写超时,然后当网络有丢包时,发生连接挂起的状态(整个线程阻塞在TCP数据读取上)。但在事故责任划分时,开发工程师说“这个代码之前跑得好好的”,QA工程师说“这个场景没在之前要求的测试集合里”,最后只能由运维工程师承担主要事故责任,原因是网卡丢包没有监控报警。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/大型网站运维:从系统管理到SRE/_epub-src/text/part0009_split_004.html
EPUB SHA-256:f4a0547e222a5d9c8cf7b93803525c6f0870b5b66968fbcf4db8eb676d983a5e