突发线上问题，应该怎么办？

以下文章来源于满赋诸机 ，作者idealism xxm

大家好，我是小满。

今天小满分享一下我们工作中遇到突发线上问题时应该怎么办。

小满在《避免重复犯错的方法》中提到列清单可以避免我们忽视细节，足以减少大部分错误。

但清单往往无法覆盖所有意外，所以意外难以避免。

这时候最应该做不是尝试立刻独自解决，而应该赶紧和大家一起沟通交流，集思广益。

这首先是避免自己由于慌张而错上加错，其次就是《清单革命》中提到的“团队犯错的概率比单个人要小”。

前一段时间，隔壁业务线出了一个事故，他们着急地修复了很久都还没解决。

当时我提到了可以先进行能立刻修复的特殊流程，然后再走正常流程完全修复，这个小建议就减少了宕机时间。

面对这种突发现实问题，首要目的不是排查原因，走正常又漫长的修复流程。

而先把目标聚焦于如何立刻修复问题（例如：回滚、特殊流程手动处理等），在此基础上再尽可能保留现场，以供我们排查问题。

比如今晚小满就遇到了突发线上问题，看了报错，发现只有某一个服务器有问题，就立刻从线上摘除了，问题立刻解决，然后才开始排查。

又遇到代码被其他人改坏的情况，虽然小满立刻找到了问题解决方法，但正常发版流程比较漫长，影响会继续扩大。

小满就走了特殊流程（手动跑脚本处理有问题的数据），立刻修复了一波，降低问题影响范围。