月度归档：2026年8月 (56)
事故集锦：六个微服务故障复盘
保护阈值没开导致全站空列表、配置全量推送改崩线程池、Feign 重试放大三倍流量、全量采样拖垮业务进程……六个真实故障，现象、定位、根因与修复，一次讲透。
服务网格：Sidecar 到底解决了什么
熔断、重试、追踪的客户端，每个服务都要带一套，跨语言团队升级 SDK 要齐步走——治理逻辑下沉到 Sidecar 是终极答案，但账单也不小。什么时候值得上 Mesh，什么时候 SDK 更划算。
发布策略：滚动、蓝绿与金丝雀
全量发布十分钟，回滚一小时——爆炸半径失控是发布最大的风险。滚动是默认选项，蓝绿换的是切流速度，金丝雀买的是提前发现问题。选哪个，先看你的回滚有多快。
分布式事务的微服务落位：Seata 与最终一致
拆掉的不只是代码，还有事务——下单扣库存跨了服务，@Transactional 失效了。第一问永远是能不能不用分布式事务；真要用，AT、TCC、消息最终一致各有各的账单，决策树帮你选。
指标监控与告警：四大黄金指标
两百张图的监控大盘，故障时却找不准该看哪张。延迟、流量、错误、饱和度——四个指标回答"用户有没有受影响"。PromQL 三行起步，告警的三条纪律比指标本身更重要。
统一日志：散落在二十个容器里的报错
排障要 grep 二十个容器，日志格式一人一个写法，机器时钟还不齐。统一日志的三件事：格式让机器可读、TraceId 把散落日志串成一条线、采集链路把成本管住。
链路追踪（下）：SkyWalking 实战与采样治理
Agent 挂上去，拓扑图自己长出来，慢接口的每一跳耗时摊开在 Trace 树上。接入只五步，真正的功夫在接入之后：采样率定多少、存储留多久、观测系统自己别变成新的故障源。
链路追踪（上）：一次调用穿过八个服务，问题在哪一跳
用户投诉下单慢，八个服务的日志各查各的，时间窗对不上——没有全局视角的排障是盲人摸象。Trace、Span、TraceContext 三个概念搭起链路追踪的骨架，TraceId 跨进程传递是打通一切的关键。
网关实战：动态路由与灰度发布
新上一个服务，网关要重启——路由写死在配置里，发布窗口越来越难约。动态路由让网关配置秒级生效，灰度发布让新版本先接一成流量。这篇把两件事的实现与坑讲透。