运营中心客户端：毫秒响应，交互如呼吸

　　凌晨三点二十，我盯着监控屏右下角那个跳动的毫秒数——37、38、37——它居然在抖，不是稳定在37，是像心电图那样微微颤着。不是告警，没红灯，连黄灯都没亮。但我知道不对劲：上一秒还在34，这一秒它开始找平衡，找得特别费劲。

文章配图，仅供参考

　　值班室泡面桶堆在脚边，第三桶，汤全凝了，浮着一层灰白油皮。老张蹲在机柜前拿热风枪吹SSD散热片，说“这盘温控逻辑我熟”，话音还没落，他手一抖，风嘴歪了，烫出一串焦味，他骂了句脏话，转身去翻柜子底下那摞发黄的DELL维保单。柜子门开合三次才卡住，因为铰链早松了，去年搬家时就松了，搬家公司说“这柜子不值当换”。我原以为只是个柜子，结果它卡住的那一刻，我突然想起上周五下午四点十七分，监控平台丢过一轮21秒数据——当时我们以为是Zabbix心跳包抖动，谁都没动它。

　　客服小林十一点半打来电话：“用户说点‘刷新’要等三秒。”我嗯了一声挂掉，心想这哪是三秒，这分明是前端在拉取实时库存，后端响应压根儿不该参与这个环节。可十二点零七分，她又来了，语音带着哭腔：“老板刚进群发了截图，用户录屏里那个进度条……卡在72%停了四十来分钟。”我点开她发的链接，视频画质糊，但进度条确实钉在那儿，底下的时间戳从23:52:11跳到00:32:11，中间断帧——不是卡，是整段没了。我截图存下来，放大看那一帧，发现角落有台显示器反光，屏幕右下角时间显示是00:31:48。也就是说，视频里没录上的那二十分钟，实际只过了十三分半。

　　所以这事和带宽没关系，和CDN也没关系，更不是证书过期——我亲手查过证书链，签发时间在三个月前，根CA正常，OCSP也活。DNS？nslookup跑五次全通，dig +short运营中心的CNAME返回两个IP，一个在深圳，一个在上海，TTL设的是300，没动过。我把这两行IP复制进curl -v，挨个测，头都加全了，User-Agent都照抄浏览器的，响应时间分别是41ms和43ms。干净得像刚擦过的玻璃。

　　可就是有人点不动按钮。不是报错，不是空白页，是按钮按下去——毫无反应。光标没变手型，click事件根本没触发。我抓包看到前端发出了请求，HTTP 200，body里塞了127字节的JSON，{“code”:0,“data”:[]}, 完美。但它不渲染。后来查出来是Vue组件里一个computed property里写了localStorage.getItem(‘last_sync_ts’)——而某台前端节点的本地存储里，这个key对应的值是个字符串“null”，JSON.parse()一下直接抛错，整个render流程被静默吞掉了。没人报错，控制台也不输出，就干等着。这个我到现在也没想明白，为什么偏偏是那一台机器存了“null”，其他三百多台都是数字。

　　窗外开始下雨，不是那种闷雷雨，是细密的、持续的、带雾气的毛毛雨。监控屏上贴着几道胶布，蓝的、绿的、还有一条透明的——最早贴的是蓝胶布，遮掉右上角那个总是误报的温度传感器；绿胶布盖掉左下角闪红的磁盘告警图标，那块盘半年前换过，固件版本比集群低0.02，厂商说“不影响读写”，我们信了；最上面那条透明胶布，是我上周贴的，盖住“系统健康度：99.996%”下面那行灰色小字：“自上次完整重启后运行时长：278天16小时”。那台机器，就是存了“null”的那一台。

　　我蹲在冷通道口喘气，听见自己心跳比机房风扇声还响。忽然想起上一次搬家，也是凌晨，物业不让货梯运服务器，我们把两台2U推到消防楼梯口，老张在上，我在下，抬第三层时轮子卡在转角，箱子倾斜，硬盘托架弹开一条缝，里面三块盘哗啦全撞在一起。我们没敢开箱，贴了个“慎放”标签，推上新机房。三天后它第一次OOM，日志里全是ext4 journal abort。修完，老板说：“以后别搬了，就地加固。”现在想想，加固的不是机器，是借口。

　　老板凌晨四点十八分在运维大群发了个截屏：微信对话框，用户说“用着跟呼吸一样顺”，旁边配了个笑脸。下面他打了七个句号。没人回。群里安静得能听见空调滴水声——不是幻听，真有水声，二楼弱电间顶板渗漏，维修单填了四次，工单系统自动关单三次，理由是“暂未影响业务”。可每次巡检，我都看见漏水点正下方，摆着一台负载均衡器的主控板，风扇格栅里积了浅浅一层灰，灰里混着水渍印，像地图上的裂痕。

　　运维不是修东西，是守着一堆随时会叛变的确定性。你以为你调的是参数，其实调的是信任阈值；你以为你在防攻击，其实在防同事写的注释里一句“临时改，上线后修复”；你以为你扛住了CC，结果崩在某个实习生清空redis缓存时手滑多敲了一个星号。运营中心客户端能做到毫秒响应、交互如呼吸？行啊。前提是没人动那行localStorage.setItem(‘last_sync_ts’, JSON.stringify(null))——可偏偏那天下午三点零九分，小林调试推送配置，顺手清了一波前端缓存，她忘了自己写过那段“兜底兼容旧版本”的逻辑。

　　我站起来的时候膝盖咯了一声，很脆。老张还在吹那块盘，风枪声音没停。小林没再打电话，应该去睡了。我打开grafana，切到那台前端节点的CPU使用率面板，把它从“最近1小时”拉成“最近1周”。曲线平得像尺子量过，只有一处凸起：周五下午四点十七分，一个尖峰，持续19秒，峰值31%，之后回落，再没动静。我没截图，也没标注。明天先把告警阈值调了，调到25%，不管是不是误报——至少下次，它响得再难听点。

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!