线上事故

【背景】 做了 15 年技术 PM，去年我把过去 12 个月的线上事故复盘文档（P3 及以上，共 12 篇）拉出来做了一次「action 落地率」统计，结果有点扎心： - 12 篇复盘，共列出 47 条 action（含监控补点、配置调整、

【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