系统稳定性治理最佳实践

系统稳定性治理最佳实践

稳定压倒一切，没有稳定就没有生成。国家是如此，业务系统也是如此。老子说，“治大国若烹小鲜”，治理系统也是要做到同样，要掌握火候，精选食材，用料恰当，辅以煎炒烹炸煮，则方能出一盘好菜。

很多同学优先考虑公务员、教师等职业，其中非常重要的一个因素就是这类职业相对稳定。应用系统稳定性也是如此，是所有因素里的前提。

试想一下，支付宝经常打不开，你还敢存钱进去吗？

试想一下，微信经常卡死，你会不会烦躁想骂人？

试想一下，京东一支付就系统繁忙，你慌不慌？

那么系统稳定性该如何治理？有没有什么标准或者可以放之四海皆准的方法论和实践？

系统稳定性问题

一个系统稳定性取决于很多因素，同样也受制于很多因素。

为什么丰田可以40万公里不修，而某些国产车开了1年，除了喇叭不响，其它地方都会响？

为什么纳智捷不停车邮箱根本加不满？

类似的，一个系统的稳定性也受制于很多方面，总结下来大致是以下几点

硬件及网络影响

这个是指应用的容器层面的影响，包括服务硬件、机房、网络带宽等。这类因素往往对于开发人员来说不可控，比如管道工人挖断光缆、运营商网络抖动或延迟等。

这类问题一般来说很难预期，也很难针对问题进行专项治理。覆盖全世界网络，根本没有人可以保证网络绝对的稳定性，也根本无法保障一台服务器永远不宕机。

高并发大流量

对于一般的系统来说，流量往往不会成为瓶颈，一般的中小企业做的都是垂直类、行业类业务，总体覆盖人群一般不会很多，百万级已经是天大的调用量了，大部分的系统估计只有几十到几百的QPS。针对初级的访问流量，尚且不用做高并发大流量的设计，遵循普通的开发准则即可覆盖99%以上的业务了。

但是针对全球型、全国型的国民级应用，则高并发和大流量是主要要考虑的一个TOPIC，不仅在技术方案上就做重点设计规划，还需要持续关注和治理专项。

比如微信DAU达到了10亿级别，这个量级对所有相关的系统都提出了很大的挑战。一个全员推送不当，可能导致全国人民微信抖三抖。

比如淘宝双十一高峰期需要处理66W笔订单，这个量级是一般的系统根本无法满足的。

方案设计缺陷

方案缺陷指技术方案或者产品逻辑设计有问题，在满足一定的条件时，可能不会出问题，但是走了某个流程或者流量到了某个层次就凸显异常问题。

编码缺陷

这个是最多的一类问题&#x