迟到的故障公告：错误的缓存数据引发新版博客后台发布后的故障团队

10月18日晚上 22:00 ，我们对处于灰度发布阶段的新版博客后台（Angular 8.2.7 + .NET Core 3.0）进行了一次发布操作，在发布后由于清除缓存 web api 的一个 bug 造成在发布后通过新版博客后台修改的博文无法访问（404错误）；在发现问题后，我们回退至发布之前的版本，但是由于 appsettings.Production.json 配置文件的不一致造成回退后的版本出现 500 错误；在修复配置文件问题后，在 docker swarm 集群上部署时又遭遇奇怪的容器健康检查失败的问题，多次部署后才成功，直至 23:00 左右才恢复正常。

非常抱歉，这次故障给使用新版博客后台的园友带来了很大的麻烦，请您谅解。

在这次发布中包含一个比较大但却没有引起我们足够重视的变更，原先在博客后台代码中进行的清除 memcached 缓存（修改博文时清除对应的缓存）的操作改为调用 web api ，在实现清除缓存 web api 时由于没有足够重视在没有写集成测试覆盖的情况下就发布了，从而没有及时发现其中埋藏的一个 bug ，这个 bug 是由下面的 C# 代码引起的：

await _cacheService.RemoveAsync(CacheKeyManager.GetBlogPost(blogId.Value, postId.Value));
var post = await blogPostService.GetCachedPostById(blogId.Value, postId.Value);            
//...
if (post.DisplayOnHomePage)
{
    await ClearHomePostsList(blogId.Value);
}
//..

上面的代码中在清除所修改博文的缓存后，又获取该博文进一步清除与该博文相关联的缓存，调用 GetCachedPostById 方法时又创建了缓存，但由于实现时漏写了 DTO 映射配置代码，造成缓存的 BlogPostDto 字段值不完整从而 PostId 的值为 0 。在我们的缓存机制中，对于不存在的博文，会 new 一个空的 PostId 为 0 的 BlogPostDto 放入缓存，所以 PostId 为 0 的缓存数据都当作不存在的博文直接响应 404 ，故障因此而引发。

针对这次故障，在修掉 bug 代码的同时我们将采取以下改进措施：

1）对从缓存中获取的数据进行校验并自动修复，这样即使出现错误的缓存数据，也可以减少对业务的影响。

else if (blogPost.PostId != postId)
{
    blogPost = await GetBlogPostById(blogId, postId);
    await _cacheService.UpdateAsync(cacheKey, 3600, blogPost);
}

2）加强 Code Review

3）提高集成测试的覆盖率

4）解决生产环境配置管理的问题

5）改用 k8s 部署生产环境

最近的新版博客后台发布故障暴露了我们在团队开发能力上的落后，我们正在努力改进与提升，希望大家能够谅解我们暂时的 low 。