回滚策略

«结论先行：发布决策只问「能不能上」，不问「回滚要多久」，等于把事故恢复时间交给了运气。 我在 8 人后端团队推行的「可逆性分级 + 回滚成本预算」机制，把 12 个月内 14 次发布事故的平均恢复时间从 38 分钟压到 9 分钟，最坏情况

【背景】 上周一个兄弟团队半夜 2 点告警，灰度发布后核心接口 P99 从 80ms 飙到 2.3s。值班同学做了两件事： - A 同学（10 年经验）：直接点回滚，3 分钟恢复，第二天慢慢查。 - B 同学（3 年经验）：先 kubect