生产数据库故障
使用场景: 工程团队,故障后复盘 45 分钟宕机
问题:数据库不可用 45 分钟,影响全部用户
为什么 1:主数据库磁盘空间耗尽
为什么 2:预写日志文件积累速度超出预期
为什么 3:新功能写入量提高 4 倍,未调整日志保留策略
为什么 4:上线前未评估该功能的写入影响
为什么 5:部署前检查清单没有写入量影响评估项
根本原因:部署流程缺少容量影响审查步骤
纠正措施:在部署前检查清单中加入写入量估算项
这样组织的原因: 如果停在「为什么 2」(磁盘满了),解决方案就是一次性扩容。继续追问到「为什么 5」,发现了一个流程漏洞——下一个高写入功能上线时同样的问题会再次出现。
