SOP

【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

B 端 SaaS 功能下线：我管过 7 个模块退役，3 次客户投诉、1 次 38 万流失——产品决策视角的 5 步下线清单 一、现象与背景：「删一个没人用的功能」为什么比上线难 5 倍 先交代规模。我做了 15 年技术 PM，近两年带一个

【背景】 我做了 3 年后端，最头疼的不是开发新 feature，而是线上 P99 突然从 20ms 抖到 200ms+ 的那个时刻。告警响了，群里@我了，所有人都在看 dashboard。 我经历过两次典型的 P99 抖动，感受完全不同：

背景 一次真实的内部复盘：某支付网关的第三方 SDK 疑似被供应链投毒（版本指纹 + 行为特征都指向恶意逻辑），安全团队主张「立即下线该节点 + 隔离出口流量」，业务团队主张「先只限流、保留可观测」，理由是下线会直接损失约 10% 当夜订单

接口废弃的 90 天倒计时：我管过 47 个 API 下线的完整流程、回滚预案与踩坑记录 一、现象与背景：没人敢删接口，但没人记得它为什么还在 先给一组数字。我所在团队 2022–2024 年累计对外暴露了 213 个 REST 接口（Sp