最近半年处理过的故障比较多，在这里简单的总结一下。

优先考虑限流、回滚和重启

优先看流量是不是比平时多了很多,如果是马上在网关上限流，赶紧扩容。
如果流量没有激增，那么就有下面这两种情况：

如果是当天晚上发版，验证完毕了，隔天出了问题，则立刻回滚代码，不要犹豫，绝大部分情况下是新上线的代码导致的问题。如果能清楚知道，是哪个服务出了问题，且分析完上下游依赖，那么可以只回滚一部分应用，如果没把握，则需要回滚所有的服务，如果新代码还提供了新接口给到小程序端，则小程序端也需要回滚。
如果服务运行了一段时间了，突然有问题，则优先重启服务。因为在这种情况下，大部分都是因为代码质量问题，导致系统资源逐渐被耗尽了，例如http连接。然后赶紧扩容应用，应付一段时间，然后线下去优化代码后再上线即可。

注意，上面的方案，是压根不会花时间去找到故障根因所在，而是基于以往经验，总结出来的快速处理方式,想的是如何用最快速度止血。

可能有人会问，就这么简单？我只能说，最近半年出现的很多大故障，我都是这么处理的，基本上10分钟内故障就解除了。当然，对于那种第三方依赖出了问题的，例如云数据库，第三方业务服务，基本上就只能硬扛，赶紧定位出问题，快速上线解决或者让对方快速上线，别无他法。