周二早上七点十分，林泠被闹钟叫醒。手机闹铃是系统默认的渐变音，从低到高，他伸手按掉闹钟，坐起来穿上拖鞋，走到阳台上。晾在栏杆上的袜子已经干透了，捏起来硬邦邦的，清河夜钓那晚踩在碎石滩上沾的细沙还嵌在袜底的纤维缝隙里，洗了两遍也没完全洗掉。他把袜子收进来叠好放进抽屉里，又拿了一双新的出来。
窗外麻雀在空调外机上叽叽喳喳地叫着。
办公室里的中央空调出风口均匀地送着凉风，出风口的塑料格栅上凝了一层极薄的水雾，在日光灯下泛着微弱的光泽。林泠把背包挂在椅背上，开机，屏幕亮起来的时候弹出上周遗留的两份数据报表和一份自动化监控脚本的周报汇总。他把外套搭在椅背上，去茶水间接了杯开水泡茶。热水注进茶杯里，铁观音的兰花香在空调冷风里迅速散开，透明的水蒸气从杯口袅袅升起。茶水间的垃圾桶旁边掉了一小撮咖啡粉，褐色的细末散在白色地砖上格外显眼——跟上周二早上的场景一模一样。
回到工位，他先打开周报。上周系统整体运行平稳，各项监控指标都在正常范围内波动——cpU平均占用率百分之四十五，内存使用率百分之六十二，磁盘Io延迟中位数三点七毫秒，响应时间百分之九十九分位在两百毫秒以内。上周处理的两个异常事件已经被纳入运维文档，其中悬挂事务导致日志空间占满的排查流程被运维组写成了一份标准操作手册，标题是“未提交事务排查指南”。
他翻开这份手册时，原本只是打算快速浏览一遍。但读到第一页的排查步骤时，手指停了下来。手册的排查步骤写得清楚：先看日志空间使用率趋势曲线，判断是突发峰值还是持续攀升；再查当前活跃会话，筛选长时间未提交的事务；最后定位到具体连接和原始语句。三步走，他往下翻，看到手册末尾专门标注了一行：“排查思路来源：研发部林泠提供的悬挂事务排查方法论。”
他把手册从头到尾读了两遍。手册第三页详细记录了上次那个隐蔽边界条件的完整排查链条——从监控面板上连接池使用率突然飙到百分之九十五开始，到定位出半关闭状态长连接的累积效应，再到临时脚本强制回收超时会话的SqL语句，每一步的操作命令、预期输出、异常处理方案都逐行列出。第四页附了一张排查流程图，用Visio画的，菱形判断框和矩形操作框交替排列，逻辑分支清晰完整。第五页是事后改进措施——在连接池管理模块里增加了半关闭连接的定时扫描线程，扫描间隔设为每五分钟一次，阈值设为同时存在超过一百条半关闭连接时自动触发告警。
他越读越觉得这份文档的编写思路眼熟。
他打开工作备忘，在页面上又加了一条笔记：“第三次悬挂事务排查手册撰写完成。三次异常处理的经验积累过程——第一次凭直觉写临时脚本，第二次总结出通用的三步排查法，第三次把方法沉淀为标准操作文档——本质上跟窗口期模型的建立过程是同一套迭代逻辑：从单次观测到规律总结，从规律总结到框架搭建，从框架搭建到文档输出。”
写完这段笔记，他靠在椅背上转了转脖子，端起茶杯喝了一口。铁观音已经泡到了第三泡，茶味从清冽转为醇厚，兰花香退到了背景里，回甘在舌尖上持续的时间比前两泡更长。
上午的时间处理成堆的报表。第一份是上季度用户行为数据的质量评估报告，数据组的同事上周五发过来的最终版。他把报告里的几个关键指标跟原始数据源重新核对了一遍——日活跃用户数的统计口径、用户留存率的计算周期、异常值的剔除标准。所有数据都校准过了，上次他提出的统计口径不一致的问题已经修正，三处数据偏差的修正幅度都在百分之一点五以内。确认无误后他在审批流程里点了通过。
第二份是自动化监控脚本迭代后的运行数据汇总。新版本上线之后告警误报率从百分之十二降到了百分之三，动态阈值调整算法在逐步收敛——前两周的阈值波动幅度还比较大，每天上下浮动百分之八左右，到了第三周波动幅度收窄到了百分之三以内。算法正在学习这套系统的正常行为基线，再给它两周时间，波动应该能进一步收窄。他在汇总表里加了一行批注：“动态阈值自学习周期约为四周，建议四周后做一次正式评估，确认是否已达到稳定状态。”然后发给了项目经理。
两份报表处理完已经快十点半了。他去茶水间续了杯热水，回来时看到小赵正对着屏幕皱眉。小赵面前的代码编辑器里打开着一个数据清洗脚本，屏幕上密密麻麻的循环嵌套和条件判断，光标停在中间某一行上闪个不停。小赵说这个脚本处理到第九万条数据时又卡住了，上周你把内存溢出的问题改了，这次没溢出，但跑到九万条时速度突然变慢，cpU倒是没跑满，不知道是不是数据源的问题。
林泠把椅子拖到小赵工位旁边，弯腰看他的屏幕。脚本在终端窗口里还在缓慢滚动着处理日志，每处理一千条数据打印一行时间戳。他看了一分钟，注意到时间戳的间隔在第八万五千条之后开始逐渐拉长——从每千条约零点三秒慢慢增加到零点五秒，到第九万条时已经变成了一秒多。不是突然变慢，是逐步降速。他说不是数据源的问题，数据源的响应时间是稳定的，问题大概率出在数据累积之后的处理逻辑上。你把第九万条到第九万一千条之间的临时表大小打印出来看看。
小赵加了几行调试日志，重新跑脚本。几分钟后日志输出显示，临时表在这个区间已经累积到了将近两百万行，而且每处理一条新数据就在临时表上做一次全表关联查询。全表关联的复杂度是随着表大小线性增长的——表越大，每次查询的时间越长，处理速度就越慢。林泠说你每次循环都在一个不断膨胀的临时表上做关联查询，这个逻辑本身就是指数级退化，跟硬件性能没关系。解法有两个：一个是把临时表按时间窗口分片，每处理完一万条就归档清空一次；另一个是直接用流式处理，不做全量暂存，边读边算。第一种改起来快，半小时能搞定；第二种性能更好但改动量大，建议先用第一种解燃眉之急，后面迭代再重构。
小赵听了之后靠在椅背上沉默了几秒。他说这东西从第一版就是这个逻辑，之前数据量小跑得飞快，他从来没往这个方向想过。林泠说这不怪你，很多性能问题在数据量小的时候根本暴露不出来，数据量一上来才会现原形。他自己上周处理那个连接池耗尽问题之前，也是从来没想到过半关闭连接会累积到两千条以上。
小赵点了点头，开始在代码编辑器里改临时表的分片逻辑。林泠回到自己工位上，把之前的运维脚本打开，在代码注释里补了一段说明，把半关闭连接累积效应的触发条件、识别方法和处理流程写得更详细。上次老周跟他讨论过一个类似的问题，当时没有现成的排查方案，全靠临时写SqL查会话表。这次既然已经把排查流程标准化了，不如把对应的预防措施也标准化。
中午的食堂菜单是红烧鸡块、清炒小白菜和紫菜蛋花汤。林泠端着餐盘找了个靠窗的位置坐下，小赵坐他对面。鸡块烧得入味，酱油色重但不太咸，骨头上连着的那层软骨嚼起来咯吱咯吱响。小赵夹了一块鸡块咬了一口。
吃完饭他在办公楼周围走了走。经过花坛时看见月季已经完全从冷空气的冻伤中恢复过来了，之前边缘焦枯的花瓣已经被园艺工人修剪掉了，新长出的一批花苞正在打开。花坛里的土刚浇过水，深褐色的湿土表面凝着一层细密的水珠，在午后的阳光下闪着微光。
下午的工作节奏比较松散。他把自动化运维脚本的注释补完，又帮小赵看了改好的分片逻辑，确认归档清空的SqL语句没有语法问题。三点多的时候收到运维组老周发来的消息，说上周参考他的排查思路，把数据库连接池的监控告警阈值从固定值改成了动态阈值——基于过去七天同时段连接数的百分之九十五分位来计算上限。但上线之后发现一个奇怪的现象：每天凌晨两点到四点系统几乎没流量，连接数低得只有个位数，百分之九十五分位的阈值也跟着降到了极低，结果只要凌晨有任何一个小批处理任务启动，连接数稍微往上跳一点点就触发告警，一晚上能收到七八条误报告警。
林泠看着老周发来的监控面板截图，凌晨三点十五分，连接数从四条跳到十二条，告警触发。阈值是九条，十二条确实超过了。但十二条连接对于整个系统来说完全在安全范围内，这个告警没有任何运维价值。他在对话框里打了又删，删了又打，最后把之前在白马河夜钓笔记里写的那段分析提炼成一句技术语言发过去：阈值不能只看历史百分位，得加一条斜率限制——低流量时段，连接数绝对值在安全阈值以下时，就算超过百分位也不告警，只有当连接数同时超过绝对安全值和百分位阈值才触发。就跟你钓鱼选窗口期一样，不能只看水温绝对值，还得看水温的变化趋势是在上升还是在下降。
发完之后他又仔细看了看老周发来的截图，把凌晨时段的连接数波动曲线从头到尾拉了一遍。低流量时段的系统行为跟正常时段完全不同——正常时段连接池的波动是高频小幅的随机噪声，凌晨时段的波动是低频大幅的孤立脉冲。用同一套统计阈值去覆盖两种完全不同的系统状态，误报是必然的。他在对话里继续补充：不止是加绝对值限制，最好把凌晨低流量时段单独拿出来做一套独立的阈值策略。低流量时段的告警逻辑应该偏保守，宁可漏报少量低风险异常，也不要高频误报。
老周回了一个竖大拇指的表情，说这套逻辑跟他在运维组内部培训上讲的方法论一样，先分类再套模型。
关掉对话框之后林泠靠在椅背上转了转脖子。然后把屏幕上的运维文档打开，在“告警阈值优化建议”那个章节里把今天讨论的内容加了进去——低流量时段独立阈值策略、绝对值限制与百分位阈值的双重判定逻辑、凌晨时段告警偏向保守策略。写完他把文档保存好，关了电脑屏幕。
收拾东西时小赵已经收拾好了，两人一起走出办公室，走廊里保洁阿姨正在拖地，地砖上的水痕在日光灯下泛着湿润的光泽。楼下的空气很热，风从花坛那边吹过来，带着月季花淡淡的香气和泥土被太阳晒过之后特有的暖腥味。