打开网易新闻 查看精彩图片

那天，我正在给老板演示新监控面板。满屏绿色对勾，99.97% uptime，漂亮得像样板间。手机突然炸了——不是PagerDuty，不是Datadog，不是每月4000刀的观测套件，是Twitter。

@angry_user_47 的留言很直接：「yo @OurStartup your login has been broken for 2 hours wtf」。紧接着第二条、第三条涌进来，全是"登不上""开玩笑吗"的质问。我盯着大屏，所有指标依然翠绿。

真相很尴尬：登录服务确实挂了，但健康检查绕过了认证流程。系统自检时只问"服务器活着吗"，没问"用户能进去吗"。2000人被困在登录页，我们的仪表盘却在开庆功会。

团队花了47分钟定位问题，修复只用了3分钟。事后复盘，有人提议给Twitter用户发感谢信——被否决了。现在他们的告警规则里多了一条：如果@提到数5分钟内超10条，自动升级P0。

老板再也没让我演示那个面板。