阅读目录
一、发生了什么？
1.那是一个阳光明媚的下午，老婆和她的闺蜜正在美丽的湖边公园闲逛（我是拎包拍照的）。
2.突然接到甲方运营小妹的微信：有个顾客线上付款了，但是没有到账，后台卡在微信支付成功（正常状态是充值成功）。
我第一反应是第三方充值系统挂了吧，然后让运营小妹查下后台的异常提示。
3.过了2分钟之后，我还是不放心，用手机（当时没有背电脑出门）登陆后台看了下，发现后台已经进不去了，猜测可能是我的网络不好（公园的移动信号不给力，只有1格信号）。
4.过了10分钟，客服小妹没有用微信联系我，而是直接给我打电话了，反应
（1）后台登陆不进去了
（2）前端已经打不开了
（3）很多用户未充值成功，客服群要炸了！
5.这个时候我意识到我们系统可能挂了。
6.电话挂了后，赶紧给我们运维老大打了个电话，反馈我们的后台不能访问了，是不是系统性能有问题。
7.运维老大过了几分钟回了电话：DB服务器的CPU到100%了，有2个慢查询，先让我解决慢查询问题。
我有点没办法了，我在外面，看不了代码，也提交不了代码改动啊！运维老大说他那边先看看怎么处理。
8.这个时候，甲方拉了个群，将各方项目经理+开发负责人都拨通了，我发现我们项目经理没接入进去（他当时在忙其他事情）。我知道甲方老大肯定会审问我。
作为开发负责人，跟我聊这里功能该怎么实现，我可以跟你说清楚，遇到这种特大事故我也不知道怎么处理。
甲方开始追问各方的负责人，到底是哪方问题，语气非常严肃。各方的负责人也是非常客气，都说是在排查。等问到我们这一方的时候，我说到是我们系统出了问题，运维老大正在处理。
然后甲方就开始斥责了：什么时候能好？
我：这个不好说。运维正在看。
甲方：到底能不能修好？（后面说的脏话我就不在这里提了，大家自己去想吧。）
9.那个时刻，我好想怼回去，我哪知道什么时候能好。但我不能怼啊，各方老大们都在呢，而且我不敢惹甲方。很想跟PM说辞职不干了。
10.这个时候，我们的PM接入了，甲方就转向我们PM了，PM回复大概1个小时能恢复。
11.然后PM就打电话给我了，问了我怎么导致挂的，我说有慢查询，然后他跟我说运维进行了一定的扩容，但还是不起作用，运维正在升级最高配置，估计1个小时候能好。
12.这个时候我的心算是安定了一点。
13.事情还没完，线上大批客服都付款了，但是没有充值成功该怎么处理？是走手动退款，还是等系统恢复后，自动开始充值？
这里要提一点，我们的系统会将订单存到队列里面，然后从队列里面取一部分订单进行充值，如果贸然退款，可能会出现充值成功，而钱退了的情况。
14.离问题已经过去了半个小时，线上已经有很多顾客开始投诉了，要求退款，运营方和店员都很焦急，而后台系统无法登陆，根本无法进行任何操作。
15.又过了半个小时，PM告诉甲方我们的服务已经恢复，我终于可以登陆后台查看数据了，但是由于手机信号不好，我只能跑到信号稍好的地方登陆后台（也只有2格信号），发现已经有很多笔订单都卡在支付成功那一块，没有进行下一步的充值，而我也不敢轻易进行退款，因为系统会从这些未充值订单中一条条进行充值操作，退款后会导致账不平，那就更麻烦了。
16.等了5分钟后，发现有几笔订单确实在服务器恢复后进行了自动充值，所以我认为所有异常订单都会进行自动充值。于是我跟运营小妹反馈那些订单都会自动冲上。
17.我还是太天真了，过了几分钟后，有很多订单还是卡在支付成功的状态，没有进行下一步充值操作，这个时候我意识到问题的严重性，得赶紧回家了，跟PM说我半个小时能到家，到家后，我来排查这些异常订单。
18.然后走到老婆和她闺蜜旁边，很不好意思的告诉她们，我得回家一趟，而且必须马上，线上出问题了，老婆是见过这种场面的，知道我周末经常需要处理线上问题，闺蜜也很能理解，唯一遗憾的是，她们啥都没玩到就得回去了，感谢老婆和她闺蜜的理解。
19.到家后，我开始排查问题，发现异常订单不可能进行自动充值操作了，只能走手动退款了，然后告诉他们这些订单都需要手动退款。晚上9点能搞定。
20.到9点了，这些订单都处理完了。
21.事情告一段落。
二、那 0.1s 我为什么想辞职?
1.当着那么多供应商的面，有意思？
2.这个世界不平等，那也不用 ma 吧？
3.线上问题不能给出解决时间，就怒了？
三、为什么只有0.1s？
1.赶紧把问题先解决了再说；
2.生活很艰辛，上有老，下有小；
3.事故是我们这边造成的，是我们的问题。
四、什么原因挂的？
其实主要原因就是数据库查询存在慢查询。
开发同事为什么没有加索引？
（1）当时没有考虑到这张表会增长这么多数据
（2）没有加索引的意识
解决慢查询的方案很简单：
第一张表数据量为40w，缺少索引
第二张表数据量为16w，缺少索引
加了两个索引后，问题顺利解决。（MongoDB在数据量几十万的级别也会出现慢查询）
这是当时慢查询的监控图，慢查询数量最高时到达500个。
五、其他问题
（1）第三方在他们的前端没做节流，用户频繁点击按钮来调用我们的接口，加快了服务器宕机。
六、今后如何避免？
（1）上线前一定要做压测。（后来多方都进行了接口压测。）
（2）为避免忘加索引，建议每张表的高频查询都加上索引，不论今后数据量是多还是少。
（3）前端高频操作，需要做节流
七、到底辞职不？
其实主要是技术能力不足，想出去找个好岗位好平台的也不好找（怕别人不要），还是多练练技术吧~~~
欢迎工作一到五年的Java工程师朋友们加入Java高并发QQ群： 957734884，群内提供免费的Java架构学习资料（里面有高可用、高并发、高性能及分布式、Jvm性能调优、Spring源码，MyBatis，Netty,Redis,Kafka,Mysql,Zookeeper,Tomcat,Docker,Dubbo,Nginx等多个知识点的架构资料）合理利用自己每一分每一秒的时间来学习提升自己，不要再用"没有时间“来掩饰自己思想上的懒惰！趁年轻，使劲拼，给未来的自己一个交代！