本章进度 18 / 18
100%
正文已完成
L149做一次状态完整的故障恢复演练
从检查点、故障注入、恢复决策到证据回读，完成 Harness 综合演练。
现在把“失败恢复”用于一次具体操作，检查你能否独立做出并修正结果。
建议先完成同主题的理解与判断；本页不会锁课，可以边做边回补。
- 按本课练习说明准备真实材料
- 保留练习与复盘记录
恢复方案写在文档里不等于可用。本章项目要求主动注入故障，检查系统是否从正确检查点继续、是否重复写入、人工是否拿到接管包。
能交付一份证明流程在工具超时和部分成功下仍可恢复的演练记录。
核心概念
先把关键判断说清楚
演练前定义不变量
例如同一客户只能建一张工单、已核验事实不能被未验证结果覆盖。
故障注入要可控
选择一个超时和一个部分失败场景，在测试环境或可回滚数据上执行。
恢复后做外部回读
不能只看脚本返回成功，要查询真实资源、逐项状态和审计轨迹。
案例拆解
工单流程的两次故障注入
测试环境模拟物流查询超时，以及创建工单成功但响应丢失。
- 01
查询超时按策略两次后进入接管，未创建工单。
- 02
创建响应丢失后按幂等键查询到原 ticket_id，没有重复创建。
- 03
回读工单系统、状态存储和 trace，三处结果一致。
案例结果
演练用外部证据证明恢复有效，而不是依赖流程自报成功。
提交前练习
现在轮到你
设计并记录一次安全的故障恢复演练。
完成本课需要：完成以下内容用于本课收口。
内容会自动保存在当前设备
查看参考答案与评分标准
参考答案
不变量，同一订单一张工单；注入创建成功后响应超时；恢复先按 order_id 查询而非重建；回读工单数量、ticket_id、状态机版本和两次调用 trace。
评分标准
- 演练范围安全可回滚
- 不变量可测量
- 恢复完成有外部回读证明
本课收口 · 学习证据
留下完整学习证据
读完内容、完成练习、通过理解检查并留下 12 字以上总结，才记为已验证。
你现在更接近哪一种状态？
尚有必填项未完成，请补齐后再继续。
资料来源
继续核对与延伸阅读
本课内容最近更新于 。
- Monitoring Distributed Systems↗reference · 核对日期 2026-08-23
- OpenTelemetry Signals↗official-docs · 核对日期 2026-08-23
- Trustworthy agents in practice↗paper · 核对日期 2026-08-23