恢复是让服务回到预期状态,并检查它能否持续正常使用。进程重新启动只是一个早期信号。团队还需要证据,确认配置、依赖服务以及用户实际体验都符合预期。
事件响应 · 第 5 课
恢复
学习在宣布恢复完成前,验证服务是否处于预期且获准的状态。
确认恢复后的状态
记下获准用于恢复的版本和配置。如果服务之前做过隔离,确认哪些访问仍应受限。重新开放某条访问路径可能改变遏制措施的覆盖范围。
什么结果能说明你是否恢复到了预期版本?
重新检查最初的问题
模拟事件中,访客打开公开主页时看到了 503。恢复后,应从合适的测试位置请求同一条路径。核对是否得到预期的成功结果,再查看近期请求的出错情况。内部预览正常并不能验证公开路径。
哪项测试最能说明用户最初看到的问题已经消失?
持续观测
约定一个简短的观测期和成功标准。查看错误、延迟和拒绝访问等相关信号。记录检查限制、未完成的事项及下一次检查时间。把恢复证据和事件记录一起保存。
初步检查通过,但故障之前是间歇出现的。结束恢复验证前还应做什么?
课程已完成
你已完成 恢复
现在,你可以检查恢复后的服务状态和用户实际体验。
确认获准的恢复版本和配置。
再次测试用户能看到的故障症状。
结束恢复验证前,观测约定的信号。