1.1.4 谈谈 Go 服务稳定性建设

• 语言: 中文（简体）
• 格式: .pdf
• 来源: github.com/gopherchina

摘要

文档围绕Go服务稳定性建设展开，首先定义稳定性包括可用性、正确性和延迟。稳定性手段涵盖需求合理性、技术方案简洁性、code review、单元测试和自动化回归，并特别针对涉及钱的服务强调幂等、至少一次、保序、浮点精度和正确性校验机制。稳定性度量包括正确性（财务对账、安全风控）和时延（Average、P50、P99、P99.9）。监控告警使用Prometheus和OpenTelemetry，要求及时精准、降噪、持续优化并关注异常日志。故障演练需识别风险点、整理应急预案、定期演练并复盘优化。排障流程包括保存现场、检查根因，通过监控告警判断流量、重启、回滚、扩容、限流或线上排障。

AI总结

该文档围绕Go服务稳定性建设展开，核心内容分为以下六个部分：

1. **稳定性定义**：从三个维度衡量，即**可用性**、**正确性**和**延迟**。
2. **稳定性手段**：包括需求与技术方案的合理性、代码审查、单元测试、自动化回归。针对涉及金钱的服务，特别强调**正确性**，需确保幂等、至少一次、保序、浮点精度（使用decimal）及请求成功率。
3. **稳定性度量**：主要关注**正确性**（通过财务对账、安全风控系统校验）和**时延**（关注平均值及P50、P99、P99.9分位值）。
4. **监控告警**：工具方面推荐Prometheus（基础指标自动上报，业务指标按需上报）和OpenTelemetry（链路追踪）。告警要求及时精准、降噪、持续优化，并关注异常日志；通知方式上，普通告警用消息，重要告警用电话。
5. **故障演练**：流程包括识别并分级风险点、制定应急预案、定期按预案演练，以及复盘优化。
6. **服务排障**：步骤为保存现场、检查根因。根据监控告警判断是否流量过高，采取的应对措施包括重启、回滚、扩容、调整限流，线上排障是最后手段。