曾经做过一段时间某国外大型电商网站的运维工作，负责网站上部分功能。整个运维团队大概有三四千人，分了十几个小团队，我们只是其中一支，然后我们这个小团队是米国，印度，加我们三个团队各做8小时轮班，印度团队基本干不了啥活，基本都是扔一个ticket给他们，过8小时他们扔出一个问题出来那种。我们参与之前是印度做两班，米国做一班，后来说让我们做一个8小时的班试试，以上是大致的背景。
大概在我们参与之后2个月左右，后台日志开始时不时的报一种异常，大致是集群里的某台服务器连接超时之类的（当时这部分集群的服务器大概有200多台，很多年前了，老架构），每天都会有，但也不多，每次轮班都能收到中台团队发过来的几个这样的ticket，我们联系负责这部分集群的那个团队，他们每次都反馈服务器一切正常，然后这些ticket就只能标成无法重现之类的给关掉。就这么过了一个多礼拜吧，这种问题还是存在，米国和印度的团队也都花时间研究过，始终不得其解。
某天到我们轮班的时候又收到好几个，我就想再仔细研究一下，总不能一直这么无法重现啊。于是我就统计了过去一个多礼拜里所有同类型的异常，然后发现果然有规律，所有报错的服务器编号基本都是150开外的（大概是这个数，记不清了），150以内的服务器几乎没有。我一下子就激灵了，心说这有门儿啊！于是立马联系负责这部分集群的团队，说清楚我的发现，问他们是不是最近有添加过新的服务器，他们回复说确实有，最近刚追加了大几十台，然后我们负责的一个医药相关的功能，会需要从这部分集群上发请求到一个外部合作伙伴的服务上，然后再返回来。于是我们又火速联系这个合作伙伴，果然这部分新追加的服务器没加到合作伙伴的白名单上，导致每次都连接超时，外加日志写的也不规范，直接把这个异常给抛出来了，又导致各种误解。。。
最后的结果就是我被客户运维大boss发邮件点名表扬，再然后没过多久印度那个团队就被裁了，我们又补充了几个人开始做16个小时两班。
曾经做过一段时间某国外大型电商网站的运维工作，负责网站上部分功能。整个运维团队大概有三四千人，分了十几个小团队，我们只是其中一支，然后我们这个小团队是米国，印度，加我们三个团队各做8小时轮班，印度团队基本干不了啥活，基本都是扔一个ticket给他们，过8小时他们扔出一个问题出来那种。我们参与之前是印度做两班，米国做一班，后来说让我们做一个8小时的班试试，以上是大致的背景。
大概在我们参与之后2个月左右，后台日志开始时不时的报一种异常，大致是集群里的某台服务器连接超时之类的（当时这部分集群的服务器大概有200多台，很多年前了，老架构），每天都会有，但也不多，每次轮班都能收到中台团队发过来的几个这样的ticket，我们联系负责这部分集群的那个团队，他们每次都反馈服务器一切正常，然后这些ticket就只能标成无法重现之类的给关掉。就这么过了一个多礼拜吧，这种问题还是存在，米国和印度的团队也都花时间研究过，始终不得其解。
某天到我们轮班的时候又收到好几个，我就想再仔细研究一下，总不能一直这么无法重现啊。于是我就统计了过去一个多礼拜里所有同类型的异常，然后发现果然有规律，所有报错的服务器编号基本都是150开外的（大概是这个数，记不清了），150以内的服务器几乎没有。我一下子就激灵了，心说这有门儿啊！于是立马联系负责这部分集群的团队，说清楚我的发现，问他们是不是最近有添加过新的服务器，他们回复说确实有，最近刚追加了大几十台，然后我们负责的一个医药相关的功能，会需要从这部分集群上发请求到一个外部合作伙伴的服务上，然后再返回来。于是我们又火速联系这个合作伙伴，果然这部分新追加的服务器没加到合作伙伴的白名单上，导致每次都连接超时，外加日志写的也不规范，直接把这个异常给抛出来了，又导致各种误解。。。
最后的结果就是我被客户运维大boss发邮件点名表扬，再然后没过多久印度那个团队就被裁了，我们又补充了几个人开始做16个小时两班。
