系统总出故障怎么办，或许你该学学稳定性建设

前言

说到系统稳定性，不知道大家会想起什么？我想大多数人会觉得这个词挺虚的，不知道系统稳定性指的是什么。

一年前的我看到这个词，也是类似于这样的感受，大概只知道要消除单点、做好监控报警，但却并没有一个体系化的方法论。

经过一段时间的摸索，我对系统稳定性有了较为体系化的认识，于是迫不及待地希望和大家一起分享。所以今天，就让我跟大家简单聊聊系统稳定性建设这个话题吧！

何谓稳定性？

系统稳定性，从字面上来看，就是让系统尽可能稳定，不要出问题。 但业务是变化的，系统肯定也是一直变化的，有可能新加了个功能就把系统搞挂了，也有可能突然业务流量暴增把系统搞挂了。所以，要保障系统稳定性可谓非常之难。但即使再难，也还是得去做，但到底怎么做呢？

我们要保障系统稳定性，那就需要知道哪些因素可能会造成系统不稳定。我自己来了一个头脑风暴，把所有可能造成系统不稳定的因素整理一下，下面是我梳理的会造成系统不稳定的部分因素：

• 未测试需求直接上线
• 上线的需求产品不知道
• 上线的新需求有 bug
• 频繁发布需求
• 发布紧急需求
• 上线后没有线上验证
• 系统设计方案存在缺陷
• 系统代码实现存在缺陷
• 漏测了某个功能
• 上线时操作失误
• 下游服务挂了
• 网络中断导致调用失败
• 上游调用流量突增，冲垮服务
• 应用服务器内存溢出 OOM
• 应用服务器 CPU 100%
• 数据库主从延迟了
• 数据库主库挂了
• Kafka 消息挤压了
• Redis 响应缓慢