部门好久没有出过事件了，ps：事件可以简单的理解为bug，事件分为5个类别，其中严重的是1级，灾难性的。但是这次是天灾，避免不了。
首先说说我们发布程序的过程，首先程序员发布到测试环境，测试人员测试通过，然后发布到uat，业务人员接着测，这个地方其实是很薄弱的，uat环境缺失很多数据，有的地方根本没有办法测，最后测试人员点通过，项目经理上生产，这个时候也不是直接上生产的，项目经理会告诉发布人员这个站点可以发布了，发布人员会从集群里面拉出一台机器做堡垒，把最新开发的代码发布到堡垒机上测试，堡垒测试还是测试人员来测的，只不过这个时候访问的是真实生产环境的数据，用的账号也是真实生产环境的账号。当然这个地方只是冒烟测试，不会测的很细致，因为在测试环境会测很长时间，虽然是黑盒但是会测的很细致，所以在生产环境上只是走一走常规流程。
整个过程是没有什么问题的，但是在某些情况下就不行了。offline预定站点访问量相对较少，注意只是相对。只有两台机器，如果拉一台出来做堡垒机，那客户所有的访问都会瞬间涌入到另外一台机器上，这个时候会暴漏出一个问题，504 gateway time-out，不用我解释你们可能已经清楚什么问题。
拉出来的这台堡垒机只有那几个测试人员在上面访问，绝对不会报这个错误，但是剩下的那台生产机就不一样了啊，相当于两个人的担子现在一个人来挑，于是它就罢工了，一直报504，堡垒测试的时间超过1小时，意味着这1个小时它完全趴下了，客户报修一个接着一个，完了，一个一级事件出现了。
你可能会疑问，测试人员如何在堡垒机上测试，如何保证自己测到的是最新的代码，答案是host，测试人员在自己host上指定堡垒机的IP地址，这样访问到的站点会映射到堡垒机上。
开发的技术很重要，测试很重要，流程也同等重要，一个大的站点不可能发布了，直接拷贝到生产环境就了事了，测试工具，发布工具，日志都是缺一不可的。但是不管怎么说问题还是会不断地出现。