慢查询、告警与一份 Runbook

本周做了什么

• 慢查询清单第一次真正清零。 把积压的最后三条长尾慢查询处理掉了：两条是典型的 N+1，改成批量预取之后，P99 从 1.8 s 降到 120 ms 左右；另一条是历史遗留的全表扫描，加了一个覆盖索引就结束了。清单空了之后反而不太敢相信，又验证了一遍执行计划。
• 值了两个夜班。 周二凌晨的告警是磁盘水位，根因是日志滚动配置在半个月前的一次变更里被顺手改坏了。修复本身只花十分钟，但我把「为什么巡检没兜住」写成一页 Runbook，补上了漏掉的水位检查项。告警不可怕，同样的告警第二次响才可怕。
• 给数据管道补了断点续传。 之前任务失败只能整批重跑，最坏要四十分钟；现在按分片记录进度，重跑只补缺口。改动不大，但心里踏实了很多。
• 周五做了一次内部分享，讲怎么用影子流量验证重构。到场的人比预期多，被问住的问题是「影子流量的成本怎么核算」——当时答得含糊，下周把这笔账算清楚。

卡在哪

• 一个跨团队接口的边界没谈拢：我希望对方保证幂等，对方希望由我们做去重。两边都说得通，僵住了。下周约了面聊，先把自己这边的去重成本算出来再上桌，不带情绪，只带数字。
• 测试环境这周抽风三次，两次 CI 重跑才过。排查它花的时间比写代码还多，准备下周提一个小专项，把它当正经问题治理，而不是当背景噪音。

下周计划

• 管道灰度放量到 50%，盯一夜再决定全量。
• 给管道补一个监控面板，重点看分片重跑次数。
• 把周五的分享整理成文章，发到这个栏目。