恢复演练

回滚不是发布失败后的“撤销键”，而是一项需要提前设计、演练并设定触发条件的生产保障能力。很多团队在故障发生后才发现：代码可以退回，数据库却不能倒退；旧版本能启动，却读不懂新版本写入…

去年第四季度，我帮一家做工业设备交付的企业做流程复盘。他们的售后负责人给我看了一段内部聊天记录：一台价值 47 万的设备在现场调试时卡住了，客户的产线停着，现场工程师在群里问了 9…

去年双十一大促前夜，我们一个跑了三年的订单对账批处理任务突然卡在"执行中"状态超过 6 小时。运维同学第一反应是重启调度器，结果任务重新触发，重复生成了 1.2…

凌晨两点十七分，我被电话叫醒。结算批任务在跑到第 42 万条记录时中断，上游对账文件已经生成，下游通知队列里堆着 6 万多条待发消息。值班同学的第一反应是"把任务重跑一遍…