当你只有一个人——网关运维血泪实录

本文是《云原生 API 网关从入门到生产》付费专栏第 9 篇。这不是技术教程，而是真实运维故事 + 复盘。技术文章到处能搜到，但别人的事故和复盘搜不到——这是付费专栏最强的差异化武器。

写在前面

如果你是一个人维护公司的 API 网关，这篇文章是写给你的。

技术教程教你怎么搭、怎么配、怎么调优。但没人教你在凌晨 3 点 etcd 脑裂了怎么办、配置推错了怎么回滚、证书过期了怎么不挨骂。

我踩过的坑，希望你不要踩第二次。

案例一：凌晨 3 点 etcd 集群脑裂

事故时间线

03:17 告警：网关 502 错误率 100% 03:18 手机被 PagerDuty 打爆，爬起来打开电脑 03:20 登录网关，curl 任何路由都返回 502 03:22 检查 APISIX 日志：etcd connection refused 03:25 检查 etcd 集群状态： etcdctl member list → 只有 1 个 member（应该是 3 个） 03:27 发现 etcd-2 和 etcd-3 网络不通（云厂商网络故障） 03:30 etcd-1 成了孤岛，无法达成多数派，停止写入 03:32 APISIX Watch 断开，路由表停止更新 但已有路由在内存中仍然有效，502 的原因是 上游健康检查全部失败（因为 etcd 不可用 导致健康