凌晨3点处理线上严重报警，核心原则是：“先止血恢复业务，后排查根因；防雪崩重于一切”。 Kafka积压上百万条消息，意味着数据实时性已经遭到严重破坏。以下是一份标准、冷酷且高效的凌晨3点应急处理SOP（标准作业程序）。 --- 阶段一：初步定级与止血评估（0-10分钟） 目标：确认影响范围，决定是否需要叫醒其他同事，评估是否有引发连环雪崩的风险。 1. 确认报警真实性与积压趋势： 查看监控看板（Grafana/Prometheus）：当前Lag（积压量）是100万，生产速率（Produce Rate）和消费速率（Consume Rate）分别是多少？ 趋势判断：是逐渐累积到100万的（慢积压），还是突然激增的（突刺型）？ 2. 评估业务影响： 该Topic对应什么业务？（核心链路如交易/支付，还是非核心如日志/埋点？） 核心链路：立即拉群，叫醒业务研发Owner和DBA。 非核心链路：记录状态，尝试单人操作恢复。 3. 💥 核心警告：防下游雪崩 在未确认下游系统（如MySQL/Redis/ES/第三方API）抗压能力前，绝不可盲目扩容消费者！ 否则清理积压产生的并发洪峰会把下游...
播面