架构师日常-稳定性工作

01 值班制度

这里的值班制度是针对一些高峰期不在我们上班时间的业务，也会在一些特殊的业务高峰期，比如618，双11，双12这种节点。而目前我们业务采用的值班制度是在早高峰9点到11点，一般这个时间点，我们刚起床，或者在路上。出现问题时，没有人跟进，而时间一过11点，当天订单全部结束，所以影响较大。在经历过几次线上事故，线上恢复时间都较慢后，所以制定了值班制度。

何人值班

值班角色有RD/QA/OP/FE，几乎全角色每天都有一人，以周为单位循环，除了QA/OP/FE周一到周五是固定，RD是每周更新一次，更新的机制就是模块报警数量前5的模块负责人，我们有报警统计平台，利用平台数据，可以每周末得到前5名单。同时每天有值班负责人，由各个方向高工服务，主要是确保值班人员到位，辅助协调其他人员配合。

值班做什么

• 跟进服务报警，快速排除恢复服务
• 快速跟进业务反馈的问题，跟服务异常有关的，快速跟进，业务问题研发不跟进

02模块负责人制度

在微服务架构下，模块众多是个常态，模块多没问题，但如果模块问题没人跟进就会威胁稳定性，一个模块出问题没人跟进，关联模块都会受影响，所以在我转到当前业务的时候，首先将每个模块都指定了专人负责，模块负责人负责该模块的所有事情，包括但不限于以下

• 报警梳理与跟进
• 功能维护与架构优化
• 框架升级跟进与底层库升级

可能很多人会有疑惑，模块不是本身就有负责人，为啥还要指定。有一些历史原因，一是新人较多，我来的时候团队60%的人都是新招来的，对已有功能不熟悉是个实际情况，二是模块划分不清晰，平时大家都在开发需求，一个模块里面什么功能都有，所以也就分不清楚该谁维护。

历史原因是历史原因，只要影响了服务稳定性，就要改变，所以就指定了该制度

03线上问题跟进

明确线上问题的生命周期，我切分了6个周期。如下：

• 问题发现
• 问题跟进
• 问题定位
• 问题修复
• 问题消除
• 问题回顾

且明确了每个阶段要做的事情，且每件事都很具体，不抽象。只要大家按照流程跟进问题，大多数问题就会很快得到解决。特别是问题回顾，让整个事情能形成有效问题闭环，每一个问题产生的共性问题以及措施，都能在后面提升我们解决问题的速度。

04架构优化

这里的架构优化，不是是涉及到危害稳定性的架构优化工作，当然后面我会专门说架构优化这个专项，因为我做过0-1，1-n的架构优化很多次，也有一些经验沉淀。

这里面的一些优化点，大多是从一些线上问题中发现的，一些设计不合理的点，但是不是很快能解决。这类问题越来越多的时候，且有一些共性的时候，我们就会起一些优化需求。

05意识提升

其实很多问题，归根到底是人的问题，就比如你指定了制度和流程，那么有人就是不遵守，那你也达不到提升稳定性的效果。所以也有慢慢灌输稳定性的重要性，所以这里面就涉及了团队管理工作。刚好我又是研发团队技术负责人，所以这个工作会渗透在日常管理各种事情上