Resource Data

在从系统编程到团队领导的长达 25 年的开发行业历程中，我观察到有些事件始终反复发生并对整个软件生产链造成危害。

如果您已经在这个市场待了一段时间，您一定会注意到系统经常出现故障。从笔记本电脑上运行的简单办公软件，到大型服务器上的金融交易系 奥地利电报数据库 统，甚至是汽车中的电子喷射，都有可能出现故障。

接受并理解系统可能会出现故障并且这种情况最终会发生，这是学习如何有效管理维持业务运行所需的整个结构的第一步。

为了保持文章的重点，我们将重点介绍在服务器上运行的系统，例如负责银行业务、采购产品或服务等的系统。

大约 20 年前，我曾经关注过 Windows NT 服务器甚至大型机上的系统的实现。几十年来，我们拥有强大的工具，例如稳定且易于操作的 Linux 服务器、容器和编排器（例如Kubernetes）。

然而，我们经常会发现 IT 团队仍然采用与遥远过去类似的行为，例如：观察和控制损害。

告诉我您对这些类型的事件有多熟悉：
呼吁恢复不再运行的系统甚至服务器。
安排一个团队在凌晨和周末随时待命，以应对平台停机情况。
召集参与者到作战室，紧急恢复已损坏的服务器的备份。
我完全理解这会让团队的日常生活多么疲惫，会在业务领域、尤其是最终用户中引发多少不满。

低可用性平台不仅限制了公司的发展，还可能导致严重损失。

您会经常对自己和团队的工作效率产生怀疑，并逐渐失去公司对您的信任，因为公司似乎完全无法控制这种情况。