稳定性体系建设白皮书

一款好用的产品，一定不只是产品，而是方法论的产品化落地实现。如果没有方法论作为后盾，即使拿到金玉良材，也很难锻造出匠心之作。

要做稳定性，实际就是和故障战斗的过程。梳理故障的全生命周期，对我们做这个事情意义重大。在生命周期的各个阶段，分别应该做哪些事情让故障快速终止，甚至扼杀在摇篮之中?如果把这些事情做好了，故障的影响就可以降低，下面是典型的故障生命周期图:

故障开始之前，要做常态预防，做量化分析找到潜在隐患;故障开始之后，要尽快发现，并且快速定位故障的直接原因，注意，这里说的是直接原因，不是根因，知道直接原因就可以止损了，根因可以留待后续排查，有的时候定位到某个直接原因并且执行了止损动作，但是故障没有恢复，说明找的原因不对，需要继续寻找，继续止损，这个动作可能循环往复几次才能最终止损;故障恢复之后就是复盘了，大家一块贡献线索，梳理时间线，找到具体是哪个代码导致的，亦或者哪个误操作导致，亦或者是流程缺失、设计不合理等等，然后形成改进TODO，做针对性的改进。

各个环节具体落地的时候，有哪些核心思路，有哪些坑，应该先做什么再做什么，有哪些产品可以支持达成目的，是《稳定性体系建设白皮书》关注的重点。