团队协作

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】 我做了 15 年技术 PM，带过 50 人规模、50+ 服务、8 个业务线的后端团队。复盘过去 6 年的需求单，发现一个反复出现的尴尬：业务方提性能诉求，90% 是这三句话——「要快」「不能挂」「大促别掉链子」。没有数字、没有阈值

【背景：一次让我当场下不来台的复盘会】 先说个真事。去年双 11 前一周，我们一个结算服务挂了 11 分钟。事后拉复盘会，气氛一开始很"政治正确"：大家齐刷刷说"是流程问题、是架构问题、是监控没覆盖"，没人提谁。可改进项写完，一周后我去查—

背景 做了 5 年 DBA，被问得最多的一句话是："这条 SQL 慢，你给加个索引不就完了？" 但换个场合，领导又会说："DBA 是要兜底整个库的性能的。" 这两句话同时成立，就变成 DBA 一个人既当裁判又当运动员：既要劝业务方改写法，又

背景： 做了 15 年技术产品，我几乎每个团队都绕不过「技术债」这个词。但每次排期会一开，分歧立刻出来：老板说「用户功能先上」，架构师说「再不上个季度就要重写」，一线开发说「每次都要先还债、KPI 永远完不成」。我统计过自己经手的 8 个团

先抛一个我亲历的场景，大家先看是不是眼熟。 去年 Q3 我们一个核心服务出了 P1：一个缓存击穿导致下游 DB 被打满，恢复花了 42 分钟。复盘做得很「标准」：时间线、根因、影响面、改进项，四样齐全。改进项一共 6 条，其中 3 条是「加

背景： 我做了 15 年技术产品，经历过大大小小 40 多次线上事故复盘。每次复盘会，气氛几乎一样：前 10 分钟大家还在客观还原时间线，15 分钟之后就开始变成「当时为什么没有 double-check」「这个流程谁定的」「这个人能不能再