《QCon上海2015-大型分布式系统设计的一些黄金原则和实例-俞圆圆》.pdf

《QCon上海2015-大型分布式系统设计的一些黄金原则和实例-俞圆圆》.pdf

  1. 1、本文档共29页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
大型分布式系统设计的一些黄金原则和实例 俞圆圆 a.k.a Y3 YuanYuan.Yu@UC Agenda • 4个在生产环境中的1, 2级事 • 故障排查的过程和根因分析 • 反思和教训 4 案例1:.NET框架里的定时炸弹 5 背景情况 • 对接Azure官网的前端服务(Frontend Service Fleet) • 非高频请求(~500万请求/ 日) 官网入口 Frontend Frontend Frontend Service Service Service API 层 6 事故现象 • 大约3天前发布了新的v6.0.1版frontend service • 没有任何告警,所有监控runner状态均为绿色 • 但前端团队反应有间歇性请求超时 • 典型的 “brown out” • 请求数量没有明显增加 • 最奇怪的地方:新的v6.0.1版已经发布数天了?! 7 故障排查:Frontend Service的CPU Counter 8 根因:.NET类库中的bug • Process dump显示大量的对CPU的占用均来自于一个API: ListClientRootCertificates • .NET类库里X509Certificates2类的构造函数里有一个临时 文件句柄泄露的bug: - /kb/931908 - 最高可用临时文件数:65000 9 反思和教训:什么是好的监控? • Sign-off and Forget it does not work. Continuous monitoring/alerting is a must. • Features that improve monitoring, debugging and operational efficiency are as important as performance. - Runner only raises alert if 5 consecutive calls fail (5-minute span), not good enough - Design your monitoring like how you customer will use your service • 好的监控 :actionable, unambiguous, dumb … In retrospect, this is more of a monitoring miss than insuffici ent test coverage. Alerts that are non-actionable, have multip le interpretations, and are too sensitive/insensitive, are worse than no alerts. It is inevitable to have such edge cases that

文档评论(0)

wyth + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档