凌晨三点，你的自动化脚本又挂了。不是代码逻辑错，是网络波动、磁盘满了、第三方API抽风——这些"非战之罪"让运维工程师的睡眠支离破碎。

所谓"自愈脚本"，本质是让程序具备故障感知+自动恢复的双重能力。不是写永不报错的代码，而是写报错后能自己站起来的代码。

打开网易新闻 查看精彩图片

Python生态里，这套机制依赖四个支柱：

打开网易新闻 查看精彩图片

1. 异常捕获的粒度设计

别再用裸try-except吞掉所有错误。区分可恢复错误（网络超时、服务暂不可用）和致命错误（配置缺失、语法错误），前者进入重试队列，后者直接告警人工介入。

2. 指数退避重试

tenacity这类库的价值在于：不是无脑重试，而是每次失败后延长等待时间（1秒→2秒→4秒→8秒）。既给下游服务喘息空间，又避免雪崩效应。

3. 状态持久化

打开网易新闻 查看精彩图片

脚本崩溃时，执行进度丢到哪了？用SQLite或Redis记录checkpoint，重启后从断点续传，而非从头再来。这对长周期任务（批量数据处理、爬虫）是刚需。

4. 结构化日志

print调试在分布式环境等于盲人摸象。Python的logging模块支持分级（DEBUG/INFO/WARNING/ERROR）和轮转切割，配合ELK或Sentry才能还原故障现场。

自愈不是银弹。它增加代码复杂度，拖慢执行速度，还可能掩盖本该暴露的设计缺陷。但在7×24小时运行的生产环境，它是优雅降级的最后防线。

你的脚本今天"自愈"了吗？