[外包接案使用調查]
公告 如何發案 如何接案 幫助中心軟體程式設計
【為什麼需要這個】 自動化程式的價值不在「跑得動」,在「壞掉的時候有人知道」。沒有人盯著的程式一旦安靜失效,你會照常收到空報表、照常以為一切正常——直到幾週後才發現。 以下是我在自己所有長期運行的系統上實作的同一套機制,以及我親自踩過的坑。 【第一件事:監控最常見的失敗,是它自己騙自己】 一、它把自己當成偵測目標。檢查「某某程式還在不在」時,那道查詢指令本身的文字裡就含有目標名稱,於是它永遠找得到——包含目標其實已經死掉的時候。 二、排程回報「成功」不等於工作完成。排程啟動的往往只是一個啟動器,它把工作丟出去就回報成功,後面真正的工作成不成功它不知道。 三、正常關機被誤判成當機。我手動要求服務停止,看門狗判定它意外死亡,立刻又把它拉起來——想關的東西關不掉。 【第二件事:判斷失敗不能靠文字比對】 有一套失敗偵測整整一個月都沒作用:程式比對輸出裡有沒有 ERROR 這個字,但那台機器在實際執行的環境下輸出的是中文的「錯誤」,永遠對不上。改成比對錯誤代碼(語言無關)之後才真的抓得到。 同一次還學到一件更重要的事:有一類檔案永遠會被占用,導致每次都回報失敗。當紅燈永遠亮著,紅燈就沒有意義了——那個月的四十幾次警報全是噪音。把已知情況排除之後,警報才重新有價值。 【第三件事:我怎麼驗收監控本身】 只有一條標準:如果被監控的東西真的壞了,這個監控會不會叫?答不出來就等於沒有監控。 所以每一套我都會做「故意弄壞」的對照測試——不是看它在正常狀況下說 OK(那太容易了,一個永遠回 OK 的程式也會通過),是看它在壞掉時會不會說不 OK。 【可交付】 存活檢查、心跳機制、自動重啟、失敗告警(可送 LINE/Discord/Email),以及一份白紙黑字的清單:哪些情況它會叫、哪些情況它不會叫。第二項通常比第一項重要。
熊熊