负载均衡

前端

使用 DNS 进行负载均衡。在 DNS 回复中提供多个 A 记录或者 AAAA 记录。
虽然 DNS 看起来简单，但是存在不少问题。

1. DNS 对客户端行为的约束很弱：记录是随机选择的。
2. 客户端无法识别“最近”的地址
3. 权威服务器不能主动清楚某个解析器的缓存，DNS 记录需要保持一个相对低的失效值（TTL）。

测试可靠性

预测信息准确的前提：

1. 系统完全没有改变
2. 充分描述整个系统的改变

测试是一个用来证明变更前系统的某些领域相等的手段。

事后总结：从失败中学习

哲学

保证事故能够被记录下来，理清所有根源问题。确保实施有效的措施是的未来重现的几率和影响得以降低，甚至避免。

书写事后总结不是一种惩罚，而是整个公司的一次学习机会。

需要书写的标准：

• 用户可见的宕机或者服务质量下降到一定标准
• 任何形式的数据丢失
• on-call 工程师需要人工介入
• 问题解决耗时超过一定限制
• 监控问题

应急事件响应

测试导致的事故

SRE 故意破坏系统，利用这些测试发现系统的薄弱地方。

在某次测试中发现了额外的系统依赖。

响应

• 终止测试
• 用以前 测试过的方法 回滚了数据
• 找到开发者修复了相关问题
• 制定了周期性测试机制来保证问题不重现

事后总结

好的方面：
事先沟通，有足够信息推测是测试造成的问题。
快速恢复了系统。
遗留一个代办，彻底修复问题。制定了周期性的测试流程。

有效的故障排查手段

理论：

反复采用假设排除手段的过程：
不断提出一个造成系统问题的假设，进而针对这些假设进行测试和排除

常见的陷阱

• 关注的错误的系统现象，或者错误地理解了系统现象的含义。
• 不能正确的修改系统的配置信息，输入信息或者系统运行环境。
• 将问题过早的归结为极为不可能的因素，或者之前曾经发生过的问题
• 试图解决与当前问题相关的一些问题，却没有认识到只是巧合。

新财年换了领导，管理风格也有一些区别。在团队内增加了一个 SRE 的职位。这一财年我将会承担一部分 SRE 的工作。

之前作为开发者，总的来说从开发的角度来思考系统的稳定性。现在需要从更高更全面的角度来思考和理解站点的稳定性。上网研究了一番，SRE 是 google 的一个职位同时 SRE 也是一套 google 总结出来的站点稳定性的方法论。所以找来了 《SRE google 运维解密》。这本书成书比较早，里面有些章节介绍的技术栈可能过时。具体我也不了解 google 内部是否还在使用。但是方法论还是很合理、科学的。

一直以来我工作过的团队对于风险的态度都是，预防和杜绝。但是在这本书里面，google 对于风险的态度就变成了管理，合理使用，甚至利用风险来保证项目的迭代。

2021 就这么结束了。

家

今年我做爸爸了。
今年九月，迎来了我们家的小朋友。豆嫂从怀孕一路走来。如打怪升级一样。一关一关的过，颇为不容易。

终于有一个 Java 版的微信机器人了。

公众号很久没有更新了。主要两个原因，换了工作之后，第一，要花更多的时间去了解和学习新的业务。第二，我最近把几乎所有的业余时间都来写这个 Java 版的微信机器人了。

Wechaty 是什么

官网的描述是：

• A Conversational AI RPA SDK for Chatbot

其实就是一个能够快速构建聊天机器人的开源 SDK。最早的时候，Wechaty 只是一个基于服务于微信工具库，现在逐渐的发展到可以对接世面上的主流聊天软件包括不限于：微信，企业微信，钉钉，Line 等。

编程语言也由原来的单一语言（TypeScript） 发展到，Java，Scala，Python，Go 等多语言实现的工具库了，同时社区生态还在不断的壮大。

Github 地址：https://github.com/wechaty/wechaty 目前已经有 7.9k 的 star 了。

最近研究 Vetrx 简直爱不释手。迫不及待的想给大家介绍一下。

Vertx 是什么

• Vertx 是一个运行在 JVM 上，用来构建响应式应用的工具集。
• 基于 netty 的高性能的，异步的网络库。
• 对 netty 进行了封装，提供更加友好的 API。
• 同时实现了一些基于异步调用的库，包括database connection, monitoring, authentication, logging, service discovery, clustering support, etc。

“山川异域，风月同钉”，被钉钉暴打的你，是不是已经想写一个机器人调戏一下钉钉了。在写机器人的时候，钉钉机器人的回调需要填写一个公网 http 地址。

这还没开发机器人，就没有 http 服务，没有 http 服务就收不到钉钉的回调，没有回调就不能调试机器人。不能调试机器人，就不能上线。