本文探讨了新手在故障排查中遇到的挑战，强调了理解通用故障排查流程和系统知识的重要性。通用流程包括假设-排除法，常见的效率低下的原因包括错误的系统现象关注、无法安全测试假设等。实践中，故障报告、定位、检查和诊断是关键步骤，日志管理、问题分解等方法能有效提高效率。增加系统可观察性和使用成熟组件接口对于加速故障排查至关重要。
- 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，认为一旦发生过一次，就有可能再次发生。
（d）试图解决与当前系统问题相关的一些问题，却没有认识到这些其实只是巧合，或者这些问题其实是由于当前系统的问题造成的。（比如发现数据
最低0.47元/天 解锁文章
扫一扫
166
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
