B站故障应急与业务1-5-10摸排：如何实现超95%故障自发现率？

文章预览

# 一分钟精华速览 # B站稳定性建设虽持续进行，但SRE对稳定性的量化数据知之甚少，又不断面临故障处理时间长、应急响应机制不健全、重复故障频发等问题，迫切需要建立一个面向故障的，对故障全生命周期进行更加精细化的管理。在应急响应4.0阶段，通过建设直面故障的应急响应中心，B站核心业务摸排率已达80%+，增加监控100+，并完成了30+业务的改造工作。目前，2023下半年B站已实现了推搜业务故障自发现率95%+，社区相关故障自发现率80%+。详细的解决策略和方法，请参阅文章正文。 作者介绍  哔哩哔哩业务SRE负责人——张鹤  TakinTalks稳定性社区专家团成员，bilibili业务SRE负责人。2020年加入B站，负责哔哩哔哩业务稳定性保障相关工作，深度参与多活，活动保障，混沌工程，容量治理相关的建设，负责B站S赛、跨年晚会、拜年纪等相关活动的基 ………………………………