蔚来发布首款轿车 ET7，固态电池是不是噱头跟我关系不大，我他妈自己快成“固态”了——累得凝固在椅子上。今天凌晨三点，客户数据同步系统崩了，不是API超时那种小打小闹，是整个ETL管道从Kafka到MySQL的链路全断，客户在后台看到的全是上个月的数据。
手机被打爆，微信炸了。我一边用个人手机接客户电话，嘴上说着“十分钟内恢复”，一边用工作手机在只有三个人的技术群里吼“查日志，现在！”，同时还得用电脑SSH连服务器。没有运维，开发小弟刚入职两个月，这种涉及消息队列积压和数据一致性回滚的脏活他根本不敢碰。我只能自己上。先停掉消费者组，检查Kafka的topic偏移量，发现有个消费者线程卡死，导致分区堵塞。这还不是最糟的，MySQL从库同步延迟已经超过半小时，主从数据对不上。
我让开发小弟去安抚客户，说系统维护。自己开始手动补数据。写临时Python脚本，从Kafka积压的消息里重新消费，还得考虑去重和事务。中间有个字段映射错了，导进去的数据全是乱的，又得回滚重来。脑子里同时跑着三件事：客服话术（“马上好，正在紧急扩容”）、技术路径（是用canal重做增量还是直接全量灌？）、以及身体警报（心脏跳得跟服务器风扇一样响）。
从凌晨三点干到早上九点，系统勉强跑通，数据追平。我瘫在椅子上，连订早餐的力气都没。开发小弟给我买了杯豆浆，手都是抖的。这他妈就是2020年，我31岁，有个小团队，但关键时刻能顶上去的只有自己。赚的那点流水，全填在人力成本和这种突发性救火里了。自由？管理？都是狗屁。你只是在用一个人的时间，换三个人的工资单，最后把自己榨干。
这次故障给我最大的教训不是技术，而是流程的脆弱。所有关键节点没有自动化告警，没有熔断机制，更没有一键回滚的脚本。故障发生时，我像个原始人一样在多个终端和界面之间手工操作。如果当时有一个监控面板能图形化显示数据流阻塞点，如果有一个预案脚本能自动暂停同步并触发告警，我至少能省下两小时，也不至于让客户电话直接打到我手机上。
所以看到蔚来宣传什么固态电池、自动驾驶，我一点不兴奋。我只关心我的“系统”什么时候能装上“固态”的自动化预案。超级个体？个体是真他妈超级累。但要想不被累死，就必须把重复性、应激性的劳动封装成工具，哪怕是简陋的shell脚本，也比用人脑和手速去扛要强。下一步，死磕n8n或者自己用Python把运维监控和应急响应串起来，不能再让一次Kafka挂掉就让我一夜回到解放前。团队救不了你，能救你的只有你提前写好的自动化脚本。
