可靠性 6 篇文章

聚焦系统可靠性设计,包括消息不丢失、幂等等工程实践

封面
消息队列 可靠性 故障恢复

消费重试策略选型错误导致消息丢失的根因分析

消费重试是保障消息可靠性的关键机制,但错误选型会导致消息丢失。本文对比同步与异步重试的适用场景,给出指数退避重试次数与间隔的数学模型,强调死信队列兜底的必要性,并通过实战案例说明重试策略配置不当的严重后果,最终提出四条确定性选型建议。

阅读全文
封面
可靠性 分布式 故障恢复 微服务

为什么分布式系统里的失败重试会把服务打爆

分布式系统中不合理的失败重试会放大故障,导致重试风暴和服务雪崩。文章分析了重试风暴的形成机制、与幂等性的关系,给出了安全重试的四项核心原则(有限重试、褪避、熔断、随机化),并通过事故案例对比不同场景下的重试策略。据Google SRE数据,70%的级联故障与不合理的重试策略相关。

阅读全文
封面
数据库 调优 可靠性 运维

生产环境数据库连接池参数调优的五个关键检查项

生产环境数据库连接池参数直接关系系统稳定性,配置错误会导致连接耗尽与故障雪崩。本文归纳五个关键检查项:最大连接数需匹配CPU核数、最小空闲连接数影响冷启动响应、最大存活时间需与服务端超时对齐、获取超时时间要结合业务容忍度、开启泄漏检测防止连接耗尽。基于HikariCP和MySQL给出具体参数建议与验证方法,帮助运维开发者快速定位调优方向。

阅读全文