DEVHERO 通过 WhatsApp 联系
Helpline真人,不是 AI。24 小时内帮助
Human First
生产环境宕机

生产环境已宕机。 我们在 24 小时内解决。

实时站点或 API 已关闭,或者性能下降到客户无法使用。 你想要它回来,有一个原因,而不是在一小时内再次失败的重新启动。

  • 健康检查或负载均衡器背后没有任何健康状况
  • 客户无法登录、付款或加载核心页面
  • 错误率跳跃并保持在高位

每位客户一次免费会话:与专家一起的前 4 小时,外加不限量的人工智能工具。

真正的资深专家主导。姓名在第一次回复中给出。人工智能是工具;由人检查结果。

01

问题

这个问题是什么样子、如何判断,以及如果放任会有什么风险。

这个问题是什么样子

生产中断是什么样子,为什么每一分钟都让人感觉很公开,以及为什么冷静的专家在喧嚣中很有用。

健康检查失败,用户无法完成作业

健康检查失败。 负载均衡器背后没有任何健康的东西。 部署出错了。 证书、磁盘、数据库、DNS 更改或依赖项都会带来服务。 状态页面已经亮起。

系统要求您提供您没有的预计到达时间

每分钟都感觉很公开。 系统要求您提供预计到达时间,但您没有。 团队正在通话中,仍在争论第一步。

正常运行时间是您已经做出的承诺

正常运行时间是您已经向用户做出的承诺,即使它从未写下来。 当生产环境宕机时,这个承诺就被打破了。 工作就是诚实地恢复它。

当生产中断时,实时站点或 API 会脱机或降级以致客户无法使用。 您希望它有一个原因,而不是在一小时内再次失败的重新启动。

部署、证书、磁盘、数据库、DNS 更改或依赖项都可以使用该服务。 状态页亮起。 团队已经在打电话,仍在争论第一步。

周末工作是一个单独的产品; 任何附加费均在致电前预先说明。 我们不会接受所有支持请求。 我们采用需要工程师的硬下系统。

标志生产下降,而不仅仅是“有点慢”

这些信号表明您处于中断状态,即使一个区域或一条路径仍然可用。

健康检查或负载均衡器背后没有任何健康状况

实例失败,或者它们在循环中启动和终止。

客户无法登录、付款或加载核心页面

当应用程序停止运行时,营销主页可能仍位于 CDN 上。

错误率跳跃并保持在高位

5xx、超时或连接被拒绝,跨多个用户。

部署处于未知状态

有些节点移动了,或者迁移正在进行中,没有人愿意碰它。

依赖项已关闭,您的应用程序没有后备方案

DNS、数据库、队列或合作伙伴 API 才是真正的中断。

已经重启过一次了,又摔倒了

重启不是原因,只是暂停。

如果它持续下降,并且如果它有原因地回来

之前 — 如果放任不管

如果放任不管

当它失败时,你会失去销售、信任和时间,因为人们会记住这种沉默,而不是后来的解释。

之后 — 如果由我们收尾

如果由我们收尾

服务已恢复,直接原因已知,并且不安全的解决方法(如果需要)被记录下来,以便可以替换。

情况眼熟吗? 给我们留言,我们来理清。

02

为什么会发生

通常从何而来,为什么会出现在快速或人工智能辅助的工作中,以及如何自己检查。

生产中断的常见原因

大多数中断都有最后一次更改、资源饱和或依赖关系。 找出哪一项是工作。

错误的版本或错误的配置

仅在实时规模下失败的标志、秘密、证书或容器映像。

数据库或磁盘耗尽

连接、锁定、完整卷或无法完成的迁移。

DNS、TLS 或路由更改

不再指向健康来源的记录、证书或负载平衡器规则。

依赖项或配额

云限制、帐户付款或第三方中断(无超时)。

安全或容量事件

攻击、流量峰值或部署后逃跑的进程。

为什么年轻的堆栈和生成的部署在公共场合会失败

生成的管道或“在我的机器上运行”容器通常会在发布当天首次满足生产需求。 快速的初创公司也会跳过操作手册,因此第一次停机也是第一次排练。

以人为本的事件仍然从最后的更改和日志开始,而不是从模型在调用过程中编写的充满希望的重启脚本开始。

网站宕机时首先检查什么

边走边收集证据。 重新启动可以帮助并擦除您需要的图片。

  • 确认范围

    哪些 URL、哪些区域、哪些用户以及是完全还是降级。

  • 检查最后的更改

    部署、DNS、证书、云更改或作业。 写下时间。

  • 查看应用程序、数据库和磁盘的运行状况

    其中之一通常已经说出了真相。

  • 查看回滚是否明显且安全

    如果数据允许的话,一件已知的最后的好文物就是一份礼物。

  • 注意这是否可能是安全事件

    污损、勒索或意外管理。 这改变了工作顺序。 另请参阅被黑网站页面。

情况眼熟吗? 给我们留言,我们来理清。

03

DevHero 如何修复

由资深专家主导。人工智能是工具。由人检查结果。

停电很混乱。 一位冷静的专家看到了这种失败的形式,这正是有用的,因为你正处于失败之中。

DevHero 以人为本。 您写下内容后,就会看到专家的名字,然后可以向该人发出警报并致电。 人工智能可以帮助我们扫描日志。 由专人领导恢复并检查修复情况。 我们不会接受所有支持请求。 我们采用了一个需要工程师的硬停机系统,而不是帮助中心脚本。

您写下,您会看到一个名字,并且可以向该人发出警报和呼叫。 人工智能可以帮助我们扫描日志。 由专人领导恢复并检查修复情况。

How a typical weekday case moves

  1. 01已收到消息
  2. 02已指定专家
  3. 03诊断
  4. 04修复
  5. 05人工检查
  6. 06交付

如何联系专家处理实时中断

立即在 WhatsApp 或 Telegram 上留言。 如果您需要排在队列的第一位,请询问紧急转移到位置 1 的情况。周末工作是一个单独的产品,需要预先说明任何附加费。

  1. 说生产已停止并且您已经尝试过

    时间、URL、上次部署以及是否回滚。

  2. 指定专家收到警报

    一分钟内您应该会看到他们的名字。 如果他们没有回应,可以打电话给他们。

  3. 在范围内的 24 小时内恢复安全路径,如果原因明确,通常会更快

    较长的可靠性计划是一个复杂的项目。

DevHero 如何处理生产中断事件

我们加入事件,恢复安全的生活道路,然后告诉你什么仍然需要持久修复。 人员检查恢复情况。

我们加入事件,查看最后的更改、依赖关系、日志和数据的运行状况,然后恢复安全的生存路径。 完成后,我们会告诉您哪些地方还需要持久修复。 较长的可靠性计划是一个复杂的项目。 周末工作是一个单独的产品; 任何附加费均在致电前预先说明。

  1. 加入时间线

    最后的更改、范围以及已经尝试过的内容。

  2. 稳定

    回滚、故障转移或将用户作业恢复的遏制(如果安全的话)。

  3. 用足够的证据找出原因

    日志、运行状况、磁盘、依赖项——如果我们可以避免的话,就不会破坏唯一的跟踪副本。

  4. 采取持久修复措施,或命名它

    有些原因需要跟进。 我们不会假装重启是根本原因分析。

  5. 如果需要的话,写下不安全的解决方法

    所以可以替换。

停电后的头几个小时和 24 小时内您会得到什么

第一个目标是恢复安全路径。 在典型的工作日情况下,24 小时目标是一个原因和一个受控的恢复。

  1. 事件专家,在您参加会议后指定。

  2. 服务恢复,或明确收容,如果我们拥有的访问权限是可能的话。

  3. 用简单的语言描述一个原因或一组范围狭窄的原因。

  4. 不得保留的任何解决方法的注释。

  5. 人工检查的恢复,以及如果可靠性工作仍然存在的情况下的后续行动。

生产中断时向我们发送什么

速度很重要。 有几个事实可以防止盲目重启。 不要将实时密码粘贴到聊天中。

URL 及其开始时间

加上时区。

用户看到的内容

错误、空白页、登录失败、付款失败。

最后的改变

部署、DNS、证书或云事件。

你已经尝试过的

重新启动、回滚、纵向扩展或失败的故障转移。

我们如何与您一起进入系统

商定的渠道和授权的访问。

快速和紧急修复

与专家一起的前 4 小时 + 不限量人工智能:免费,每位客户一次。之后的工作收费,按需报价。由人主导并检查结果。

免费(首次会话)

复杂项目

更大的工作使用不同费率,按需报价。我们会在继续之前说明。

按需报价

工作日,然后是周末

基础方案仅限工作日。周末工作是单独产品。任何加价都在通话前事先说明,并取决于复杂度。金额:按需报价。

按需报价

第一次会话免费:与专家一起的前 4 小时,外加不限量人工智能,每位客户一次。之后的工作、复杂项目费率和周末费率均为收费,按需报价。

每位客户一次免费会话:与专家一起的前 4 小时,外加不限量的人工智能工具。

情况眼熟吗? 给我们留言,我们来理清。

04

让修复保持有效

接下来不该做什么、我们在这类工作中看到的技术栈,以及如何让修复保持到位。

停电期间不应该做什么

运动与恢复不同。 有些举动会让接下来的一小时变得更加困难。

在捕获日志之前重新启动一切

您可能会短暂康复并失去原因。

在卡住的版本之上部署新的猜测

你可能会失去最后一件好的文物。

趁它还处于瘫痪状态时辩论完美的事后分析

先恢复,再写入。

在你不知不觉中公开发布详细的技术理论

你可能错了,如果这也是一个安全事件,你可能会暴露一条尚未关闭的路径。

忽略违规的可能性

如果网站被篡改或数据泄露,请查看被黑网站和安全页面并尽早告知。

我们看到生产中断的地方

告诉我们堆栈和主机。 如果我们不应该接受,我们会这么说。

典型云和 PaaS 上的 Web 应用程序和 API

AWS、GCP、Azure 和更简单的主机。

携带应用程序的数据库和队列

Postgres、MySQL、Redis 和工作人员。

DNS、TLS 和负载均衡器

边缘可能看起来像应用程序故障。

发布平台

导致中断的 CI/CD 更改。 另请参阅失败的部署。

生产恢复后:如何缩短下次停电时间

如果明天同样的举动会让你倒下,那么恢复是不完整的。

Right after the fix

趁新鲜写下时间线

原因、解决方法和持久修复。

练习回滚

你从未尝试过的回滚是一种希望。

在用户作业上添加缺少的健康检查

不仅在静态页面上。

将超时和磁盘警报放在缺失的地方

无聊的检查。

As you keep shipping

将不可逆的数据更改与首次部署分开

当你可以的时候。

同意谁可以被呼叫以及如何呼叫

一个名字和一条路径,而不是一个五十人的群聊。

在上线之前检查生成的部署更改

你不理解的管道将会在公共场合失败。

情况眼熟吗? 给我们留言,我们来理清。

05

关于这个问题的常见疑问

关于这个问题、会话以及后续步骤的直接回答。

我应该已经回滚了吗?

如果您有已知的最后一个良好版本和安全回滚,请说出您已经尝试过的内容。

如果这是安全事件而不是崩溃怎么办?

说吧。 我们将按照该工作顺序处理它。 另请参阅被黑网站和安全漏洞的页面。

我可以插队吗?

是的。 询问紧急转移到位置 1。起始价格为 99 美元,队列为空,稍后可以修改。

我该如何开始?

立即在 WhatsApp 或 Telegram 上留言。 没有表格,没有网络聊天。

你默认周末工作吗?

不。基本计划是工作日。 周末工作是一个单独的产品,任何附加费都会在致电之前预先说明。

你会发明一个可用性百分比吗?

不。我们会讨论这个事件以及我们改变了什么。

回来后你能留下来吗?

如果您想要可靠性跟进,我们会提供匹配率并签署该工作。

我们的状态页面仍然是绿色的。 这是否意味着我们已经起来了?

如果用户作业已关闭,则不会。 健康检查可能会发现错误的东西。

每一张支持票你都会拿走吗?

不。我们采用需要工程师的硬停机系统,而不是帮助中心脚本。

第一次会话真的免费吗?

是的。每位客户有一次免费会话:与专家一起的前 4 小时,外加不限量的人工智能工具。24 小时指的是我们争取在范围内启动并完成一个典型工作日案例的时间,不是 24 小时无偿工作。之后的工作收费,按需报价。

Human First

生产环境已宕机。 我们在 24 小时内解决。

如果生产已经停止,请立即在 WhatsApp 或 Telegram 上留言。 您将与一个人交谈。

每位客户一次免费会话:与专家一起的前 4 小时,外加不限量的人工智能工具。

Human First

选择联系方式

没有网页表单,没有网页聊天。通过 WhatsApp 或 Telegram 联系,由专家回复。消息已预填问题和页面。

Telegram 会打开与 @brnzai 的对话。这段文字往往不会自动粘贴 — 请复制后在那里发送: