有故障,毋宁死—谈系统故障及软件质量

转载 2012年03月26日 15:26:26

有故障,毋宁死

—谈系统故障及软件质量

如果你是一个7×24小时在线服务的整体(或模块)的技术或系统负责人,你的大部分生活会如游走钢丝。

程序会出bug、资源会出故障、发布会操作错误、测试会有疏漏、安全会出漏洞、网络会有波动、服务器会突然坏掉。当产品的需求日益增多,判随工程师团队会日益增大,一个软件项目或功能从开发到上线的完成,都不可能由一人或者几个核心工程师去做,需要由不同背景、不同能力及做事风格的的开发、测试、工程师配合完成。当任一环节问题(包括有不少并非你直接可控范围之内的问题)未及时发现并带到线上之后,最终的责任会落在你的肩上。每当问题一出,你会感受到各方面的压力,有技术的缺陷、工作的失职、流程及规范执行方面的欠缺的问题;同时也会来自组织内外对你能力及人品等方面的质疑的声音。当发生问题后,你可能会独处一隅,沉浸在未能把事情做好的懊悔中。

尽管平时付出了很多辛勤与努力,在业界普遍处于KPI焦虑的环境中,技术作为底层支撑部门,出现的各种问题通常是显而易见的,不足的问题通常会被放大。

因此,你经常面临的艰难的选择是,quality, or death.

传统工作生产中,有标准化的流程及规范来提高质量、降低故障。比如六西格玛(Six Sigma)可以降低产品瑕疵率。他们有成熟的规范与制度,有熟悉制度执行的专业人员,有提供咨询服务且具有丰富经验执行的咨询公司,企业员工及业务负责人只需要按步就班,就可以把问题做得相对到位。但在互联网在线服务这种不规范的软件系统中,有没有类似的标准化流程来指导生产呢?大部分团队需要从头到尾摸索一遍,在交足学费后才能得到一套并不完善的流程及制度?

发布前流程

设计及架构,是否在开发的特性进行设计上的tradeoff?
风险及依赖,开发计划中充分考虑风险及项目依赖因素?
代码是否经过足够的review?
上线计划及风险因素是否考虑详尽?比如是否需要灰度发布?上线后检查及测试措施是否到位?是否有回滚方案,回滚是否会产生脏数据?

当故障发生时

是否有充足渠道及时发现问题?以免小问题变成大问题?
收到问题后是否有合适方式(如日志及工具)快速定位并确认问题?有时候一些用户反馈的些问题并不好测试及重现。

处理问题

是否有现成的问题处理预案?
对于新功能是否有回滚处理方法,回滚后是否存在脏数据需要修复?

总结问题

问题的根源是什么?在技术上、流程上、风险防范上各有什么可以马上执行的行动计划?

非技术因素

在很多企业中,容易把软件质量上发生的各种问题归结到单一的技术因素。但是,如果没有非技术体系的支持,一个团队不可能做到完善的高质量。

研发流程及质量改进在你企业规划中的权重是怎样?年度规划中除了业务目标、竞争环境、市场份额、产品策略之外,研发体系改进是否有一席之地?

在功能需求及产品设计阶段,是否充分考虑了技术风险及人力资源因素?是否会突然启动当前团队并不能支撑的项目?

在开发阶段,开发计划是否符合软件开发规律?开发计划是根据项目压力制定,还是从定好的交付日期来倒推开发时间表?

安全及优化,是否有专门的人力及团队?开发工程师需要面临日常的开发任务,突然被用户发现之前开发的模块存在安全问题,修复完之后发现又带出了另外一个bug?

国内大部分产品面临市场及竞争对手的压力非常大,在相对恶劣的环境下,研发技术建设大多只考虑短期收益。如果期望研发体系做到零故障或者可控的故障(比如six sigma中的99.99966%),需要长时间的体系建设与积累,包括整个企业的工作流程,同时也需要在技术基础研发上投入更多的精力。

相关文章推荐

系统故障及软件质量

如果你是一个7×24小时在线服务的整体(或模块)的技术或系统负责人,你的大部分生活会如游走钢丝。程序会出bug、资源会出故障、发布会操作错误、测试会有疏漏、安全会出漏洞、网络会有波动、服务器会突然坏掉...

Linux系统故障分析与排查

在处理Linux系统出现的各种故障时,故障的症状是最先发现的,而导致这以故障的原因才是最终排除故障的关键。熟悉Linux系统的日志管理,了解常见故障的分析与解决办法,将有助于管理员快速定位故障点。“对...

监控系统故障定位之事件关联分析的设计

目录(?)[+] 一、前言 在《汽车之家监控系统的第一次里程碑》](http://autohomeops.corpautohome.com/articles/汽车之家监控系统的第一次里程碑...

大事务回滚导致系统故障案例一则

作者:eygle |English Version 【转载时请以超链接形式标明文章出处和作者信息及本声明】 链接:http://www.eygle.com/archives/2011/02/de...

4.5. 调试系统故障

即便你已使用了所有的监视和调试技术, 有时故障还留在驱动里, 当驱动执行时系统出错. 当发生这个时, 能够收集尽可能多的信息来解决问题是重要的. 注意"故障"不意味着"崩溃". Linux 代码是足...
  • myxmu
  • myxmu
  • 2012年10月07日 22:56
  • 607

如何预防由VMware驱动和后门程序导致的系统故障

如何预防由VMware驱动和后门程序导致的系统故障 http://club.topsage.com/thread-1754330-1-1.html   尽管有大量的受访信息显示,运行VMwa...

XP系统故障终极排查大全

在Windows XP关机时经常会出现一些“非法错误”的提示,一般都有两个选项,它们分别是“关闭”和“详细资料”两种,在此我们可根据出现的错误编号来了解每个详细资料的具体含义。 【问】:停止错误编号...

如何用fsck解决系统故障?

今天去公司上班,早上开机也没有什么问题,出去吃了一会饭回来后,按任意键后机子没有反应,只看到黑色的背景额白色的鼠标并且显示器指示灯还是亮的,唯一没有的是弹出的密码输入对话框,于是我重新启动了一下机子,...

解决SAP PI Cluster系统故障

文档已经交付给用户了,这里总结一下:SAP PI的PI服务当在MSCS群集的node1和node2中都启动的时候,MSCS故障,所有PI资源组会在node1和node2中来回切换,导致Oracle O...
  • jaminwm
  • jaminwm
  • 2012年10月14日 11:47
  • 2014

《初入linux》--第十八部分-linux系统故障与未知错误相关解决思路

在虚拟用户上传时 家目录不能有写权限,否则报错: lftp westos1@172.25.2.11:~> ls      ls: Login failed: 500 OOPS: vsftpd: ...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:有故障,毋宁死—谈系统故障及软件质量
举报原因:
原因补充:

(最多只允许输入30个字)