数据沉睡十年？一招激活服务器智能开发

　　凌晨三点十七分，告警声像指甲刮黑板，第七次。不是电话，是那种老式机房扬声器里闷出来的“嘀——呜——”，中间还卡了半拍——DBA老陈在工位上翻了个身，拖鞋甩飞一只，正砸在机柜散热口边上，嗡地一声，空调突然加大风量，冷得我后颈起鸡皮疙瘩。

　　我敲了三次`ssh -o ConnectTimeout=3 app-prod-07`，第一次超时，第二次连上又立刻断，第三次手抖按错成了`ssh -o ConnectTimeout=3 app-prod-007`，报错说主机不存在——其实它存在，只是DNS缓存里早把那台机器踢出去十年了。我原以为是负载高，结果top一扫，CPU 1.2%，内存用了不到四成，nginx日志里三百七十二条告警全指向同一个502：上游服务没回包。而那个上游？`ps aux | grep "svc-invoice"`——查无此进程。查部署记录？Ansible playbook 最后一次变更日期：二零一五，十月二十三。老板的微信弹窗就浮在终端右上角：“这事儿能拖到天亮？”

　　我说能。但不是因为乐观。是昨天下午我顺手跑了个`find /var/log -name "invoice" -mtime +3650`，扒拉出十八秒才出结果，路径深得反人类，/var/log/legacy/invoice_legacy_v1/old/old_bak/——你猜里面是什么？全是空目录。真正的日志早被logrotate删光了，只剩个`.keep`文件，内容是“don’t delete me”。我敢打包票，那行字是当年实习生写的，现在人在深圳做AI产品经理，头像换过七次。

文章配图，仅供参考

　　所以“数据沉睡十年”？沉个屁。它根本没进过数据库主库。当年 invoice 数据走的是 Redis + MySQL 双写，但 MySQL 写失败了三十七次之后，代码里那个`if err != nil { log.Warn("mysql write failed, skip") }`直接跳过，只往 Redis 塞。而 Redis？到期时间设的是“永不过期”，结果二零一七年那次内核升级，RDB dump 加载时自动给所有 key 补了个默认 TTL——三个月。于是整个发票历史数据，在某次主从切换后，彻底蒸发。DBA老陈后来喝着枸杞茶跟我说：“那会儿谁还管Redis有没有落地？”——他手机响了一声没接，屏幕朝下扣在键盘上，微信提示音是《卡农》片段，前两天刚改的。

　　但“一招激活服务器智能开发”这个说法，我听着牙酸。不是因为它假，是它太真——真到硌嘴。所谓“激活”，其实就是让所有沉睡模块，自己投票淘汰自己。我们没重写 invoice 服务，就加了一行 Prometheus 的`metric_relabel_configs`，把所有带`legacy_`前缀的指标，自动打上`phase: sunset`标签；再配了个 Alertmanager 的静默规则：连续三小时无上报，自动触发 Slack webhook 给后端组发个带`[AUTO-SUNSET]`前缀的消息。上个月干掉的五个“活死人”服务里，有三个连健康检查端点都返回 404，但没人动，因为没人认领。现在？消息发出去二十分钟，后端老李就在群里问：“谁家的 legacy-reporting-v2 还活着？我这脚本扫出一堆 dangling endpoints。”——他电脑屏保是儿子乐高照片，调休申请昨天被驳回，理由是“系统稳定性敏感期”，可他自己写的定时任务还在跑凌晨两点的数据对账，从来没人提过停。

　　优胜劣汰？对。但胜的不一定是最好的，是最后一个没被 Alert 关掉的。我们上周发现一个 cronjob，每天三点自动重启某个早已废弃的 Kafka 消费者，原因居然是——运维交接文档里写错了启动脚本路径，结果每次 restart 都失败，systemd 就一直 retry，retry 十年。它没造成任何故障，纯属空气循环。现在它终于歇了，因为 Alert 规则把它和下游 topic 的 lag 关联起来，判定为“ghost consumer”。我删它配置的时候手都在抖，不是紧张，是怕手滑把旁边的`/etc/cron.d/app-monitoring`也删了——那玩意儿其实还在用，监控的是另一套压根没人维护的 metrics，但我没动。这个我说不准。

　　咖啡洒在工牌上了，褐色圆斑糊住右下角二维码，扫不出工号。我拿纸巾摁了两下，没擦干净，反而把“高级工程师”几个字蹭得更淡。对面工位那位新来的，换了一双灰拖鞋，鞋带系得特别紧，勒进脚背肉里，看着就疼。他今天问了我三次“旧系统接口文档在哪”，我没答，因为我打开 wiki 首页第一行就是红字：“本页最后更新于二零一三年八月，此后未维护”。他叹气的样子，跟我十四年前一模一样。

　　所以别谈激活。数据早就醒了，在你 grep 出第一个 `DEPRECATED` 注释的时候，在你发现 `/usr/local/bin/backup_old.sh` 里那行 `# TODO: replace with rsync` 被注释了十年的时候，在你看到生产库表结构里那个 `is_active_legacy` 字段值全为 NULL 的时候。它没睡，它是在等你哪天脑子抽了，去 `ALTER TABLE` 它一下，顺便连带把整条链路捅穿。我不打算继续往下推了。下周值班表排到我，凌晨两点要手动切一次数据库读写分离，得先看看中间件的 SSL 证书是不是又过期了——去年换过，但今年没收到提醒。也不知道 alert 规则能不能覆盖证书这事。

（编辑：站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!