事故响应

一、现象或背景：Runbook目录里堆满手册，事故响应里找不到踪影 15年SRE生涯，换过4家公司。每家的runbook目录里都有十几篇甚至几十篇操作手册：MySQL主从切换、Kafka分区rebalance、Pod OOM应急扩内存、TL

【背景】 15 年 SRE，换过 4 家公司。每家的 runbook 目录里都有十几篇甚至几十篇操作手册：MySQL 主从切换、Kafka 分区 rebalance、Pod OOM 应急扩内存、TLS 证书续签、连接池打满紧急扩容…… 但真

背景 先讲一个我亲历、且至今还会被翻出来的场景。 凌晨 2:47，一条 P0 告警把 on-call 的值班同学（一位入职 9 个月的后端）从床上叫醒：支付接口 5xx 率从 0.3% 飙到 12%，持续了 4 分钟。按团队 SOP，回滚需