浅析简书此次服务中断事件

这次简书的服务中断，我通过手机APP、网页版访问等多个角度进行了一个“黑盒”测试，浅浅地简析一下。

1. 现象描述：使用网页版完全打不开，提示502网关错误；使用APP打开文章、帖子等正常，但是大转盘、简书钻、其他消息提醒打不开，提示502网关错误；简书钻POC计算正常；点赞正常；部分新文没有阅读量。

2. 初步分析：根据现象的直观分析，手机端使用专有界面的功能均正常，说明此部分手机通过SQL或者其他数据库协议直接访问简书的数据库。也间接说明简书的数据库读取是正常的，大家的文是安全的。而可以写文、发帖说明数据库写入也正常。
   网页版、手机APP部分功能提示502错误，说明简书的Web服务器访问出了问题。

3. 深度分析：根据提示分析简书的Web服务器位于一个代理服务器的后面，代理服务器则起到堡垒机、防火墙的作用。对来自外界的流量进行清洗。简书Web服务器的升级或者这个代理服务器的升级如果出现问题，则可能造成Web服务器和代理服务器之间的访问中断。

4. 原因追踪：在DevOps敏捷开发部署大行其道的今天，变更管理更加趋于敏捷倾向。尤其是简书这种非关键应用，大家往往更加关注新功能是否来的更快。这个事件发生在周末，极大可能是在服务器进行维护升级之后发生的。而造成这么长时间的服务中断，其原因很可能是过于宽松、过于追求敏捷的变更管理制度造成的。过度追求敏捷，导致测试工作、回滚方案准备不充分，一旦变更失败就会造成这个结果。

以上仅是我做了多年运维之后的一家之言，仅供大家参考，娱乐。但是永远记住一点，可靠性和敏捷性往往是相悖的，二者之间找到一个平衡很重要。