前言
随着23年年末期间，各大厂争先恐后的出现的各种线上故障，一时间“降本增笑”、“开猿节流”成为了大家调侃的话题，我自己所在的公司其实也因为在年中时出现了几次线上故障，而面临着系统稳定性的考验。因此，也就想借本文跟大家分享、探讨一下到底如何才能打赢稳定性之战？
为什么总会出现问题呢？
“墨菲定律”相信大家都了解：任何可能出错的事情最终都会出错。
也就是说，无论你怎么做，都无法保证系统不出问题，既然如此，那我们其实应该“躺平”？当然不是，相反，我们应该更加重视才是。
另一方面，我相信无论是哪家公司，当故障发生之后，对于产生故障的原因一定都会高度重视，然后进行复盘，痛定思痛之后制定解决方案，投入人力开始优化。经过一段时间之后，系统运行持续良好，似乎又变的“稳定”了，此时领导也放心了。便语重心长的说道：这一年以来，咱们在稳定性上也投入了这么多精力，现在系统的稳定性也大大提升了，该还业务上欠下的债了。于是乎，需求的压力又上了，设计上各种妥协，逻辑上各种补丁，渐渐地，质量问题又开始被淡忘了，终于又在一年后的某一天，系统故障了！
如何证明你的稳定性做的有效果？
问：这半年我们什么也没做，也没出啥问题，所以，我们是不是有点杞人忧天了？
答：不出问题，可能只是你运气好而已。
问：自从上次优化后，系统半年都没出问题了，是不是证明我们做的有效果了？
答：不一定，可能只是你的运气好而已。
问：你们做了这么多，怎么还是出问题了呢？你们做的这些到底有没有用？
答：可能我们不做，问题只会更严重。
要向第三者证明你做的这些稳定性是有效果的，其实还是挺难的，毕竟做的都是无法直接看到结果的事，你就很难引起别人对你所做的事的重视，扁鹊与魏文侯的故事，则能很好的说明这一点。
大家都非常敬佩救火英雄，但我们也不能忘记那些为了防止让火情发生，以及在火情发生后能将有效将火情控制住的那些人所做的工作，研发稳定性保障工作正是如此！
我们所做的工作就是为了降低发生的频率以及发生后的影响程度，怎么证明你做到了？对不起没法证明，出名的永远只能是扁鹊，背后工作者就需要有奉献精神，不被理解是常态，大家也许偶尔会想起你的好，但你一定无法成为那颗耀眼的星。
既是持久战，也是防御战
系统稳定性之战，我认为既是一场持久战，也是一场防御战，持久战很好理解，正如前面在阐述“为什么总会出现问题”这个观念上，就足以说明。
那为什么又说是一场防御战呢？防御战一般怎么打？
- 提前建筑好防御工事
- 以攻为守
- 找外部支援和配合
以上3点，也正是做好稳定性工作的方法！
1. 提前建筑好防御工事
提前建筑好防御工事的关键在于，你能坚持多久，毫无疑问大家都知道要建筑好防御工事，但要建到什么程度？年久失修后，要不要更新换代？这才是问题的关键。
因为我习惯跑步，也常有人问我，跑步对减肥或身体健康到底有没有好处？一开始你可能会觉得奇怪，跑步对身体有益，这难道还需要证明吗？但你会发现有些人跑了1,2个礼拜后，发现体重也没变化，身体也没感觉变好，甚至还会因为跑步后抵抗力下降出现感冒、发烧等症状，也有一些人急功近利，在1,2个礼拜内，不顾自己身体状况，拼了命的跑，导致身体出现损伤。
想想，这些是不是与我们做稳定性工作之后所期望的结果很像呢？说实话，要想通过跑步看到身体的变化，也是需要以年为单位来衡量。稳定性工作同样如此，稳定性工作靠的不是激情，不是打个兴奋剂，突击几个月就能完事了，而是要在思想上统一意识，要在每一次产品设计、每一次需求迭代这样的常规工作上做功夫，当你意识到自己放松时，要能立即提醒自己，保持警惕！
2. 以攻为守
有时候我们也需要通过招兵买马来主动提升团队战斗力，并不断通过培训、分享等形式营造一个良好的技术团队的探究氛围，这样才能时刻保持着我们的战斗力！
除此之外，太平久了也难免会松懈，京东在经营过程中有一个很重要的理念，就是保护好老二老三。其中一个重要的原因就是因为一旦你没有了竞争的压力，那么你可能也会慢慢变得消沉！
所以，有一种有效的方式就是自己攻击自己，没有对手就自己创造一个对手出来，同样的，没有问题就自己制造点问题出来，混沌工程的出现很好的说明了这一点。
请记住，无论采取何种方式，以攻为守强调的是通过一种积极的防御态度，让自己能够掌握更多的主动权、控制权！
3. 找外部支援和配合
最后，正如前面所说，除了研发内部的松懈怠慢之外，外部支持程度同样也会有类似的现象，外部支持的态度也会在一定程度上左右防御工程的建筑质量，领导是否愿意持续投入去做这些看不到收益的事？业务部门是否愿意持续配合你们做升级改造？
所以，稳定性之战是一场没有硝烟的战争，拼的不仅仅是能力，更重要的是在拼整个公司的意志力与决心！