随着黑色星期五临近，几乎所有电子商务平台和零售商在节前几周都会感到焦虑和担忧：“网站或系统能否保持在线？能否承受额外的负载？”以及“如果系统宕机，我们能在多长时间内恢复？”
从哪里开始？
既然已知潜在风险且故障难免，应如何避免其影响客户体验、销售及商务信心？
监控
需建立完善的监控基础与准确的指标阈值。通过监控关键指标，可在问题演变为严重故障前识别潜在瓶颈。例如，数据库使用情况、CPU/内存利用率、磁盘/网络性能、终端延迟及应用日志异常均可能引发连锁反应，最终导致停机。
架构
良好的架构设计和服务解耦对于缩小基础设施或应用故障的影响范围至关重要。
利用多可用区或数据中心托管并实现自动故障转移，可降低基础设施故障对可用性的影响；将服务迁移至基于 Kubernetes 编排的微服务架构，可进一步提升服务可用性。
与 AWS 等云提供商合作，可有效解决共置（colocated）或本地部署基础设施难以应对的潜在问题。
支持手动或通过 AWS 自动扩缩容触发器，根据预定义指标阈值快速调整资源，从而为客户提供无缝且可预测的体验。
Hypercare（超护期）
Synthesis Managed Services 为零售及电商合作伙伴提供此项服务，派遣 DevOps 和系统工程师团队在日间积极监控测试环境，并在数秒内响应解决潜在问题。
依托上述方法论与最佳实践，我们助力合作伙伴在黑五期间实现可预测的业务成果，无论流量峰值多高，均不影响日常业务运转。
当负载袭来且出现问题时
通常，支持团队易归咎于开发人员，而开发人员则怀疑基础设施问题。完善的监控措施能加速定位根本原因，消除相互指责。
常见问题包括达到磁盘 IOPS 限制、API 调用上限、CPU 负载过高及服务内存泄漏等。
通常在周四晚 11 点左右，用户开始登录并频繁刷新网站。部分用户利用爬虫工具轮询优惠信息和关键词，可能导致每秒产生数百甚至数千次请求。
团队需随时待命，做好应对当日各类突发问题的准备。
尘埃落定之后
大促结束后，应及时复盘所有问题并制定补救计划。首个黑五虽易出错，但通过总结经验教训并落实修复措施，后续黑五将更加顺畅。
备战建议：
- 监控：确保覆盖所有关键指标和端点。
- 服务自动扩缩容：确认服务及 Web 服务器具备弹性扩展能力。
- 周五不变更：尽量保证该周服务版本稳定上线且不做变动。
旁注：保持冷静。只要准备充分，优秀团队可缓解绝大多数业务中断问题；即便问题发生，也能迅速有效应对。