标签:现场记录 · 32 条内容
一家连锁药店,三十多家门店,医保结算走专线。每天早上都有人登录失败,重启一下本地域控就能好,过几天又犯。IT 的说法是「重启一下就好」,这件事就这样被重启了半年。
2026-09-05中午十二点半,饭还没吃完。一家做冷链的,冷库有温控记录要求。告警太多,多到最后没人看。屏蔽通知之后确实安静了,直到某天出故障,才发现自己是最后一个知道的。
2026-05-11一家做医疗器械销售的,几十号人跑医院。客户的描述只有两个字:"慢"。问哪里慢,说"到处都慢";问什么时候慢,说"下午"。这种问题最费时间,因为要先把"慢"翻译成指标。
2025-11-18这件事过去一段时间了,细节还记得。上云之后业务跑得挺好,账单一来客户愣了:比预算高两倍。逐项拆开看,主机部分几乎没超,超的全是备份、日志、跨区同步这些在机房里不花钱的动作。
2025-11-05早上刚上班,群里就有人发了张截图。一家做物业管理的,二十多个小区。客户换了服务商,我们接手。
2025-07-19先说背景。某个周一上午,所有对外接口开始批量报错。查了十分钟才确认是证书过期——这张证书一年只用管一次,正好赶在换人之后。证书分散在十一台服务器上手工管理,没有台账,到期没人知道。
2025-05-01那次是春节前一周。一家做阀门的中型厂,车间有一层独立网络。升级失败之后最麻烦的不是业务,是失去管理能力:虚机都在,但重启不了、迁不走、改不了配置。这种状态撑不过下一次故障。
2025-03-23事情发生在一个周一,比平时早到了半小时。一家做电子代工的,客户审厂要看 IT 记录。客户要过等保,先让我们自查。查完 46 项,客户问是不是都得改。
2025-03-19记录一下,免得下次又忘。客户有一套双活方案,方案书写着 RTO 30 分钟。我们建议做一次真实切换演练,客户 IT 说"应该没问题吧"。真拔的时候,切了 40 分钟才起来…
2024-12-28这件事过去一段时间了,细节还记得。发布失败的次数这个月开始变多,原因都一样:拉镜像超时。想回滚,回滚也要拉镜像,于是回滚也失败。公网镜像源限流,节点本地又没有缓存…
2024-11-09同一个问题,这次的处理方式和两年前不一样。客户的描述只有两个字:"慢"。问哪里慢,说"到处都慢";问什么时候慢,说"下午"。这种问题最费时间,因为要先把"慢"翻译成指标。
2024-07-21那次是春节前一周。一家做工业设计的,渲染农场夜里跑满。告警太多,多到最后没人看。屏蔽通知之后确实安静了,直到某天出故障,才发现自己是最后一个知道的。