嘿，大家好！我是伍六七。
作为一个在编程界摸爬滚打多年的老鸟，今天我想和大家聊聊咱们程序员成长的那些事儿。我们都知道，这条路可不简单，但每一步都特别关键。
怎么才能从一个刚毕业的小白，成长为一个职场独当一面的专家。
诺奖得主 罗曼·罗兰 曾说：“世界上只有一种真正的英雄主义，那就是在认清生活的真相后依然热爱生活。”
我要说的是，你只有经历过无数的故障，你才能成为一个靠谱的程序员。
线上故障，是成长的催化剂
说到故障或者线上问题，每个程序员都碰到过不少。
每次遇到问题，都得火急火燎地找原因，想办法。这不仅仅是考验你的技术，更是考验你的反应速度和解决问题的能力。
但是，事后我们分析，每次经历故障和线上问题，我们的思维方式和能力，都会有比较明显的提升。
说线上故障，是成长的催化剂，一点都不为过。
滴滴 2023 年 11 月 27 日的故障，大家应该都知道。
简单介绍一下影响：
2023 年 11 月 27 日晚间，滴滴 App 出现严重故障，包括不显示定位和无法打车等问题。 故障时间：故障持续了近 12 小时，影响范围广泛，给乘客和司机造成了不便。 同时，员工想打车回公司处理故障，因为这个故障也不能打车，只能通过其他打车平台进行打车。
故障原因：
滴滴在 2023 年 11 月 27 日晚上进行了一次大规模的K8s集群在线热升级，从版本 1.12 升级到 1.20。 这次升级过程中，由于某些原因导致所有 Pod（容器）被杀掉，而 K8s 的元数据已经被新版本修改，无法回滚，从而导致恢复时间延长.
我们能学到什么？
1、控制集群规模：当一个集群规模很大时，很容易在意想不到的地方发生类似的问题。
2、可重启：k8s 官方推荐的升级方式是，逐一地将每个节点上的 Pod 驱逐到其他节点上去，从集群中移除节点，升级，然后再将它重新加入到集群，这是一种滚动升级机制。而滴滴这次升级采用非常规的不重启升级，从而将风险扩大。
3、爆炸半径：大规模的集群，存在爆炸半径过大的稳定性风险。
复盘，让经验成为财富
处理完故障，事情还没完呢。
复盘，这是咱们从失败中站起来的关键一步。把问题摊开来看，分析原因，总结经验，这样下次再遇到类似的问题，咱们就能游刃有余了。
说到底，成为一个成熟的程序员，不光是技术要过硬，更重要的是要有那种面对问题不慌不忙，系统性解决问题的思维。
每次故障都是一次学习的机会，把握住了，你就能在这个快速变化的行业里站稳脚跟。
看到这里了，也给大家分享一下，我平时做问题根因分析和故障复盘的方法论，希望对大家有帮助～
问题根因分析
对于具体的一个问题，我们不需要十万个为什么？但是 5 个左右的为什么（why）是我们找到问题根因的基本保证，它让我们避免浮于表面，错过根本原因。这就是 5W 根因分析法。
经典丰田汽车的例子
问题 1：为什么机器停了？答：因为机器超载，保险丝烧断了。 问题 2：为什么机器会超载？答：因为轴承的润滑不足。 问题 3：为什么轴承会润滑不足？答：因为润滑泵失灵了。 问题 4：为什么润滑泵会失灵？答：因为它的轮轴耗损了。 问题 5：为什么润滑泵的轮轴会耗损？答：因为杂质跑到里面去了。
没有问到根因之前，你只是停留在表面原因。
你的解决方案也是治标不治本，只有解决了根本原因，问题才不会重复发生。
不过要注意的是，5W 只是一个经验值，具体几个问题能找到根因没有定值，有的时候可能是 3 个，有的时候可能是 8 个，我们需要灵活使用。
问题复盘
对程序员来说，bug 不可避免，问题不可避免，发生了问题，怎么客观的进行复盘，找到发生问题的根因，避免别人的锅甩到我们头上，也是有方法论的。
使用四线复盘法，能够让我们对问题复盘有自己的判断，基于时间、事实、问题根因、责任链、改进线进行问题复盘，能够让我们得到一个大家都认可的复盘结果。
学会了嘛？学会了记得点个赞～
