暗无天日
·
读：那些年我 Oncall 学到的事
内容提要
文章总结了作者在Twitter担任oncall期间的经验教训，包括技术和人际方面。技术上，强调尾部延迟的重要性、稳定性优于偶尔的快速响应、简洁架构在故障时的价值，以及设计阶段需考虑的运维能力。人际方面，认错能重建信任，关键时刻建立的情谊最牢固，新手期的肯定对成长至关重要。整体上，oncall经历让作者更深入理解软件运作及团队合作的重要性。
关键要点
-
不要看平均值，看尾部延迟，尾部延迟更能反映用户体验。
-
稳定的慢比不稳定的快更可取，系统的可预测性至关重要。
-
简洁架构在故障时能快速定位问题，减少时间浪费。
-
运维能力需在设计阶段考虑，包括可观测性、一致性配置、自动化和合理的默认值。
-
认错是重建信任的最快方式，坦诚能增强团队信任。
-
关键时刻建立的情谊最牢固，战友情在故障处理中形成。
-
新手期的肯定对成长至关重要，鼓励能促进新人发展。
延伸解读
尾部延迟的重要性
在处理大规模系统时，尾部延迟比平均响应时间更能反映用户体验。关注尾部延迟可以帮助团队更准确地识别和解决影响用户的慢请求，从而提升整体服务质量。
简洁架构的优势
简洁的系统架构在故障发生时尤为重要。它能让团队迅速定位问题，减少故障恢复时间。设计阶段就考虑可观测性和一致性配置，可以在危机时刻显著提高响应效率。
坦诚认错的价值
在团队中，坦诚认错不仅能重建信任，还能促进团队的凝聚力。作者的经历表明，面对错误时的透明度能够增强同事间的信任关系，进而提升团队的整体表现。
新手期的支持
对新人的肯定和鼓励在其职业发展中起着关键作用。早期的支持能够帮助新手建立自信，促进其成长，这种积极的反馈机制对团队的长期发展至关重要。
延伸问答
在oncall期间，为什么尾部延迟比平均响应时间更重要？
尾部延迟能更真实地反映用户体验，因为它关注的是最慢的请求，而平均值可能掩盖了这些慢请求的影响。
如何设计一个更稳定的系统以提高可预测性？
设计时应确保系统的响应稳定，避免偶尔快速但不稳定的情况，以便下游服务能够依赖可预期的行为。
简洁架构在故障时有什么优势？
简洁架构能快速定位问题，减少故障处理时间，让团队在危机时刻迅速做出反应。
在设计阶段需要考虑哪些运维能力？
需要考虑可观测性、一致性配置、自动化和合理的默认值，这些在故障发生时至关重要。
认错在团队合作中有什么重要性？
认错能重建信任，坦诚承认错误让同事感受到责任感，从而增强团队的信任关系。
新手期的肯定对个人成长有何影响？
新手期的肯定能增强自信，鼓励新人继续成长，对其职业发展至关重要。
