一、稳定性建设是什么

什么是稳定性？引用百度百科的解释是：

系统稳定性是指系统要素在外界影响下表现出的某种稳定状态。

简单理解，系统稳定性本质上是系统的确定性应答。

从另一个角度解释，系统稳定性建设就是如何保障系统能够满足 SLA 所要求的服务等级协议。

二、稳定性建设调研

调研总结：

• 核心思路：

• 按照时间顺序，围绕事前降低事故风险、事中提升发现能力、事后强化应急能力。

• 核心手段：

• 核心场景梳理。梳理核心场景强弱依赖，输出稳定性风险和依赖关系；

• 监控告警治理。提升监控告警的覆盖率和召回率，实现事故 100%召回；

• 预案和演练。通过对依赖关系的预案建设和演练，强化应急能力；

• 架构稳定性治理。通过容错、限流、降级、慢 SQL 治理等方式，提升架构的稳定性。

三、目标与拆解

整体目标

目标：通过系统化的稳定性建设，达到降低事故风险、提升发现能力、强化应急能力的目标。

目标拆分

拆分思路：

1. 事前：降低事故风险，参考「左移」思路，尽最大可能拦截事故；
   

2. 事中：提升事故发现能力，在影响用户之前发现并恢复；
   

3. 事后：提升事故应急能力，事故发生后尽可能将损失降到最低。
   

按照事前、事中、事后的时间顺序可以将目标进行拆分成 3 个子目标：

度量指标

四、落地计划

Milestone

组织保障

• 人员角色：技术、QA、稳定性负责人等各自的职责；

• 组织机制

• 稳定性周会，对齐稳定性专项进展，以及 Review 相关方案设计；

• 通过稳定性沟通群沟通。