刚搞定一件事，看着窗外的阳光，我的心情也变得非常愉悦。然而，愉悦没有超过五分钟，一条信息又让我如同掉入冰窖。
信息很短，但是消息越短事越大。小王发来一条信息，只有一行，讲得事情，确认我心惊肉跳。小王在信息里说所有设备都掉线了。
设备掉线很正常，以往也遇到过。掉线对于电子设备来说，再正常不过。不管再好的工艺，野外环境下，总有意想不到的情况。问题的关键在于一个字，小王说的是“都”。每个设备安装的地点不同，条件不一样，怎么可能全部都掉线，我觉得有点不可思议。先是怀疑安装时没有开机，再回忆一下安装流程，马上否定这个原因。安装时，都要开机，人为制造异常，等机器传回信息后，才算安装成功。除了没开机，还能有什么原因，人为破坏更不可能，那么多设备安装之后，还没有发生过人为破坏的情况。会不会是电量不足，导致自动关机离线。
登录系统后，电量不足的原因马上被排除，系统信息让我更是困惑。系统里显示所有设备掉线前的最后一次报文，电量都是百分之九十九或者百分之百，电量肯定都没问题。更让我匪夷所思的是掉线时间，几乎所有设备都是在同一时间掉线，甚至有几台时间分秒不差。掉线如此同步，不可能是人为破坏，设备安装很分散，近的相距几百米，远的相距几公里，人为破坏绝对做不到同步。
排除掉各种原因，我思来想去，唯一的原因是设备自身的程序。历史上曾经有过千年虫这样的病毒，很有可能是设备自身程序bug导致同时关机，因为每一台设备运行的程序，除了编号不同，其他全部都一样，只有程序问题，才能导致设备同时离线。
几番沟通下来，经过数人反复讨论，最终的原因，我只猜对了一半。
原因是在程序上，但不是出在设备程序上，而是系统平台。进入三月份以来，系统平台增加了一个新的机制，以减少设备乱报次数。新的机制下，只要每套设备平均掉线两次以上，系统会直接将全部设备直接判定为离线，屏蔽掉设备所有的信息。实话实说，新机制完全是一刀切，根本没有考虑现场实际情况。现场的环境千变万化，一套设备里面，难免有一两个通信条件不好，每天无法成功传输信息，一台这样的设备就能制造几十甚至上百条掉线，然后平摊到一整套设备上去，很有可能整套设备掉线次数超过两次。然后系统就屏蔽整套设备，真可谓是“宁可错杀一千，不能放过一个。”带来的问题就是整改工作量太大。
找到问题所在，总需要去解决。全部到现场去换，肯定代价很大。而且有些设备，即便是到了现场，也没解决办法，通信条件差，电信部门不可能为这台设备单独去架设基站。想要解决问题，只能找平台维护人员解决。
人年纪大了，总会成熟一些。沟通时，我一改以往怒目相向、据理力争的习惯，而是慢条斯理、抽丝剥茧地逐条逐条分析，最后终于说动系统维护人员，先解锁全部设备，让我观察，找到爱掉线的设备，采取针对性的措施来解决。
终于找到解决故障的正确方法，以后遇事还是不要慌，先分析原因，再找方法很关键。
网友评论