📘

分布式系统运维故障排查宝典

🎯 30章 · 全链路实战 🧩 友好色系
📚 目录 v2.0
01 分布式系统概述
  • 什么是分布式系统
  • CAP理论与BASE理论
  • 挑战与机遇
⭐ 基础核心
02 故障排查基础
  • 故障分类与分级
  • 5W1H / PDCA
  • 工具链概览
🔧 方法论
03 日志管理
  • ELK/EFK 集中式日志
  • Filebeat/Logstash
  • 检索技巧
📋 可观测性
04 监控告警体系
  • RED/USE 方法
  • Prometheus+Grafana
  • 告警降噪
📊 监控
05 链路追踪
  • OpenTracing/Jaeger/Zipkin
  • Span & Trace
  • 采样策略
🔗 分布式追踪
06 网络故障排查
  • TCP/IP 排查
  • DNS 解析
  • 延迟/丢包
  • ping/tcpdump
🌐 网络
07 存储故障排查
  • Ceph/MinIO
  • 磁盘I/O瓶颈
  • 数据一致性校验
💾 存储
08 数据库故障排查
  • MySQL主从延迟
  • Redis雪崩/穿透
  • 慢查询优化
🗄️ 数据库
09 消息队列故障排查
  • Kafka/RocketMQ
  • 消息堆积/丢失
  • Rebalance
📨 消息队列
10 容器与K8s故障
  • Pod状态异常
  • 节点资源不足
  • 网络策略
  • K8s事件
🐳 Kubernetes
11 微服务故障排查
  • 注册发现异常
  • 配置中心问题
  • 熔断降级限流
⚙️ 微服务
12 负载均衡与网关
  • Nginx/HAProxy
  • 健康检查失效
  • 会话保持
⚖️ 负载均衡
13 DNS与CDN故障
  • DNS解析异常
  • CDN缓存命中率
  • 跨域访问
🌍 网络加速
14 安全故障排查
  • DDoS识别
  • 入侵检测与响应
  • 证书/TLS
🔒 安全
15 性能瓶颈分析
  • CPU/内存/磁盘/网络
  • wrk/ab/sysbench
  • 火焰图
🚀 性能
16 内存泄漏排查
  • JVM内存模型
  • 堆外内存泄漏
  • Go协程泄漏
  • MAT/pprof
🧠 内存
17 线程与协程问题
  • 死锁检测
  • 线程池耗尽
  • 协程阻塞
  • 上下文切换
🧵 并发
18 分布式事务故障
  • 2PC/3PC
  • TCC模式
  • Saga模式
  • 最终一致性
📦 事务
19 配置管理故障
  • Apollo/Nacos
  • 热更新失败
  • 配置回滚
⚙️ 配置
20 服务网格故障
  • Istio/Sidecar
  • 流量管理规则
  • mTLS认证
🔀 服务网格
21 混沌工程
  • 混沌工程原则
  • ChaosBlade/Litmus
  • 演练复盘
🌀 混沌
22 自动化运维与AIOps
  • 自动化故障发现
  • 根因分析RCA
  • 智能告警收敛
  • ChatOps
🤖 AIOps
23 灾备与高可用
  • 异地多活
  • 备份恢复策略
  • 故障切换/回切
🛡️ 高可用
24 云原生故障排查
  • Serverless冷启动
  • 云服务限流
  • 跨区域延迟
☁️ 云原生
25 大数据组件故障
  • HDFS数据块损坏
  • Spark任务倾斜
  • Flink Checkpoint
📊 大数据
26 分布式协调服务故障
  • ZooKeeper选举
  • Etcd存储配额
  • Consul健康检查
🤝 协调
27 API网关与限流
  • 网关超时配置
  • 令牌桶/漏桶
  • 自定义插件
🚪 网关
28 故障复盘与文档化
  • Postmortem模板
  • 故障时间线
  • 改进措施跟踪
📝 复盘
29 实战案例一：电商大促
  • 全链路压测
  • 故障模拟
  • 大促保障
🛒 电商
30 实战案例二：金融系统
  • 数据一致性排查
  • 故障恢复
  • 金融级高可用
🏦 金融
📢 专注资料整理