「和昨天的发布对得上」。
故障开始的时间和发布完成的时间差三分钟。先回滚验证,再查改动。
这次按时间写。先发生什么,中间查了什么,最后留下什么。不把后来才知道的结论写成一开始就想到了。查的时候把猜的和已经验证的分开,避免第二天把猜测当成事实。验证用的是改之前的同一条路径,不是换一组更容易过的输入。
先把发布时间、改配置的时间、第一次报错的时间写在一起,再猜原因。拒绝和找不到是两种错。只有一台机器出问题,先对时和看这台机器的配置。把超时加长常常只是把问题藏起来。修完要留下一个看得见的信号,别再靠人偶然发现。
记录里保留失败的那一次。只写成功,别人学不到边界。失败时的输出、当时的配置、本来期望发生什么,三样放在一起。修好之后补一句:如果再出现,先看哪一行。没有这句,这篇就只是故事。
复查「和昨天的发布对得上」时按这四步,不靠感觉。用改之前的同一组输入再走一遍,结果要变成预期的那样。在日志里打出实际读到的配置名、端口或库名,确认不是另一个还没关的进程。换一个干净环境再做一次。最后把现象、改动、确认方法写成三行放进仓库。
补充记录。排错笔记按时间写,不按结论写。第一行是第一次坏的时间,第二行是最近一次发布或改配置的时间,第三行是现在还能不能按同样步骤再出现。然后才写怀疑。怀疑和已经验证的分开两节,避免第二天把猜测当成事实。只有一台机器出问题,先看这台机器的时间、磁盘和配置,不要先改所有机器的代码。拒绝和找不到是两种错,前者多半还缺一层授权。修完加一个看得见的计数或一条明确的日志。没有这个信号,下次还是靠人偶然发现。
操作顺序。1. 写下第一次出错的时间、最近一次发布或改配置的时间、现在能否按步骤再出现。2. 把已经验证的事实和还在猜的分开。3. 只有一台机器出问题,就先查时间、磁盘、电源和这台机器的配置。4. 分清错误是拒绝还是找不到。5. 不要先把超时加长。6. 修完用原来的输入再走一遍,结果要变成预期。7. 加一条以后能看见的日志或计数。没有第 7 步,下次仍靠人偶然发现,这篇记录就没有变成办法。