北大青鸟Java培训:运维程序员如何快速处理在线问题？
今天我们就通过案例分析来了解运维程序员如何快速处理线上问题。
一旦掉进坑里，明智的做法一定是:跳进坑_ & gt填坑_ & gt避免坑，在线故障处理的流程也是一样的。优先级从高到低。在线故障处理的目标是:跳坑‘跳坑’——快速恢复在线服务，或者减少对在线服务的影响。
在线服务的可用性决定了服务提供商的客户利益，并影响公司的收入。
一旦在线环境不可用，无法服务用户，会给公司/团队带来经济损失，更严重的会给公司/团队带来不好的口碑。
所以一般公司都会对上线环境提出稳定性和可靠性的要求，这也是团队甚至部门的kpi。
为此，遇到生产故障后的一个重要任务就是恢复生产服务。即使无法完全恢复在线服务，也要尽力将对在线服务的影响降到最低。
填坑‘填坑’——找到问题的原因，从根本上解决问题。
在恢复线上服务，尽量减少对用户/公司/团队的影响后，我们需要彻底调查问题，找出故障的根本原因，从根本上解决问题。
通常情况下，‘填坑’和‘跳坑’是同时进行的，‘填坑’完成就意味着‘跳坑’成功。但是，在紧急情况下，有一些特殊的“跳坑”方法，如重新启动服务，或降级/融合服务等。，而实际上当时并没有完成“填坑”，而是采取非常规手段先“跳坑”。
避坑‘避坑’——举一反三，消除隐患。
找到了根本原因，解决了问题，就需要举一反三，思考这个排查和处理过程中的弱点。哪些流程/规范/系统需要优化？这样的问题在其他系统或者团队中存在吗？通过这样的反思和自我批评，形成网上事故报告，不断完善流程，避免再次踩坑，也在团队中交流经验，共同提高。
在线故障处理的思想是基于在线故障处理的目标和目标的优先级。在线故障排除的一个目标是恢复在线服务或减少对在线服务的影响。重点是“快”字。在“跳坑”和“填坑”之后，总结回来就是避坑。
因此，在线故障处理的步骤可分为:故障发现、故障定位、故障排查和故障回溯，其中前三步为‘跳坑’行为，后一步包括‘填坑’和‘避坑’。
以上步骤并不是说要从上到下依次进行。建议并行做，不要混淆，因为通常一个在线故障后，会紧急启动故障处理程序，运维、开发、测试、产品所有角色都会参与。这时候就继续分工，并行汇总消息，快速排除故障，恢复服务。
这种思路类似于操作系统的fork/join设计思路，旨在提高效率。
当无法快速找到故障原因时，要果断跳过故障定位环节，直接排除故障，如采用服务降级、服务器扩容等手段，确保在线服务低可控。
北京北大青鸟/建议可以等到上线服务‘支持’了，再慢慢定位故障原因，从根本上解决问题。