你见过哪些离谱的运维事故？

我把这个案例分享出来不是让各位“董师傅”教我怎么做事的。 o 不 ok？

灭霸的响指！

你们见过随机杀进程的脚本吗？而且还贼难发现的那种。

起因是隔壁一个哥们写了一个 shell 脚本，但里面有一行代码是杀掉指定进程大概是 ps | grep | xargs kill 这个样子的。

本意是 kill 符合条件的进程。

这哥们写完还在他自己的开发容器里面测试了一下，嗯，没有问题，进程被杀掉了。

然后就发上线了。到线上机器执行脚本。

执行之前，ps | grep 了一下，确认了一下，那个待宰的进程还撒欢地跑着。

“看我不弄死你”哥们嘴角轻蔑一提，

熟练地默默敲下了

最后，哥们还用 ps| grep 确认了一下，那个进程大抵是凉了，透透的。

“哼！就这？”

哥们干完活就愉快的吃烧烤去了。

话说，这哥烧烤吃到正欢的时候，突然这哥电话响了，定睛一看 +2 老板打来的，也顾不上手上的油了，赶紧划拉手机。

“歪歪歪。。。唉，老板，是我。。。啊？没有呀。。。购物车全空了？也无法加购？哦。。。哦。。。那肯定跟我没关系呀，我没动购物车的 pod 呀，唉。。。是。。。唉唉好好“

挂了电话之后，这哥继续跟我们愉快地吃烧烤，又是吃到正爽，突然这哥像是被雷给劈了，大腿一拍。

“哎呀，我操！！！”。

说完拔腿就往回跑。我们一脸懵逼，但感觉应该是粗了大事，我们也都顾不上吃了，赶紧也跟着这哥往回跑。

事后听复盘分享，简直笑尿。

因为，漏了一个 awk 把进程号那一列提取，而把符合条件的那一行的每一列都当做 pid 给 kill 了一下。好死不死，这个进程的执行参数里面就有--Memory 8088 --Cpu 24 --xxx 192391 等各种数字。又特么偏偏这么巧，有一个数字刚好跟当时某重要中间件容器有关，结果直接给 kill 了。但当时流量又特别大，就造成连锁反应了。

他自己的开发机上面总共就没跑几个进程，所以脚本大概率没有问题，但服务器上可跑了一大堆容器的，偏偏就中奖了。