网络没问题，业务却很慢：一次 DNS 解析偏慢的定位过程
重传 0、丢包 0、零窗口 0、RST 0——抓包指标全是干…
Archive
月度归档： 2026 年 9 月
硬盘年化故障率 1.36% 意味着什么：把统计数字变成运维决策
Backblaze 年度报告显示整体年化故障率降至 1.36…
一个数据库 bug 是怎么变成全局故障的：级联放大与重试风暴
SREcon 上有一场演讲专门解剖「一次由 MySQL 崩溃…
为什么「只改个磁盘大小」也能把服务改挂：有状态服务的变更风险
AdGuard VPN 曾因一次「看起来很简单」的 Kube…
内核回归引发的线上故障：为什么「升到最新稳定版」也可能是风险
Linux 6.12 曾出现 workqueue 卡死回归。…
SSD 固件 bug 让服务器变砖：固件管理的五个环节
机械盘坏之前有异响和 SMART 预警，SSD 可能重启后就…
能 ping 通，却传不了大文件：一次 MTU 黑洞的定位实录
小接口正常、大文件卡死、ping 和 traceroute …
阿里云华北2 IO HANG 复盘：一次存储挂起，为什么能演变成整站假死
2019年3月3日凌晨，阿里云华北2可用区C因IO HANG…
数据完整性受损复盘：三副本、RAID 都保不住的那一类故障
2018年腾讯云客户「前沿数控」数据完整性受损、索赔1100…
阿里云香港可用区C 中断复盘：一台空调，为什么能打挂一整个可用区
2022年12月18日10:17起，阿里云香港可用区C因PC…