读书笔记（SRE：Google运维解密）：第12章 有效的故障排查手段

• 新手们常常不能有效地进行故障排查，是因为这个过程理想情况下同时需要两个条件。
  （a）对通用的故障排查过程的理解（不依靠任何特定系统）。
  （b）对发生故障的系统的足够了解。
• 通用的故障排查流程
  从理论上讲，我们将故障排查过程定义为反复采用假设-排除手段的过程：针对某系统的一些观察结果和对该系统运行机制的理论认知，我们不断提出一个造成系统问题的假设，进而针对这些假设进行测试和排除。

造成低效的故障排查过程的原因通常集中在定位（triage）、检查和诊断环节上，主要由于对系统不够了解而导致。

 

• 常见陷阱：
  （a）关注了错误的系统现象，或者错误地理解了系统现象的含义。这样会在错误的方向上浪费时间。
  （b）不能正确修改系统的配置信息、输入信息或者系统运行环境，造成不能安全和有效地测试假设。
  （c）将问题过早地归结为极为不可能的因素（例如认为是宇宙射线造成数据变化，虽然有可能发生，但是并不应该在解决问题初期做这个假设），或者念念不忘之前曾经发生过的系统问题，