一个有意思的报告：线上故障引发问题原因分布。

今天看了个线上故障原因排行分析，数据采样不是很广，但也不致于不能参考，样本率本身也很难界定，当然越大越准，根据我个人开发经验来看，这个数据还是很符合我日常开发出现问题的规律的。对业务影响度最高的原因主要集中在以下几个方面：

（看原帖子的画质不怎么好，我还专门去 echarts 网站重新渲染了一个“完美”的图）



1. 配置数据参数错误：（1.0）属于操作不当，粗心。

2. 代码逻辑错误：（0.74）纯粹的bug，测试没有覆盖到。

3. 架构设计问题：（0.45）开发对系统设计经验不足，个人无法避免，可以通过团队规范（技术评审）来避免，早发现早治疗。

4. 网络故障：（0.4）面对网络抖动问题，看公司基础架构能力了，完善的备用网络，自动切换，以及告警机制，能否及时通知到所有受影响的业务方。

5. 硬件损坏问题：（0.35）开发无能为力，不需要关心，遇到就是倒霉。

6. 其他类别问题：（0.34）诡异问题。

7. 性能不足问题：（0.28）取决于对线上业务量提前评估，运营如果搞活动提前通知技术，突发流量需要看公司基础架构有无自动弹性扩容能力，如果有，开发是否接入且正确配置参数。

8. 遭受攻击导致：（0.09）这个，看公司安全团队了，开发一般也做不了什么。

总结：代码逻辑错误和配置参数错误引发的P0问题最多，主要由初次上线或者变更引起，但是，由于代码逻辑变更及灰度流程相对成熟，配置数据变更影响度最高。这需要配置中心有完善的灰度机制，且需要开发人员严格遵守，这就取决于团队如何约定执行开发规范了，有的靠开会教育，效果不好就靠KPI强制要求，就是谁出问题谁背最低绩效，这个完全看老板风格，不同团队，做的好坏的程度也参差不齐。

通过这个分析，面试时如果被问在工作中遇到的故障，如何发现，如何修复等类似问题，可以按照这个故障原因优先级来归类。

如果你还遇到其他原因，欢迎留言，你都遇到过什么问题？