系统出问题后，等用户投诉才被动发现，是运维里最糟的场景。目标是让系统自己感知故障，在用户察觉前完成响应。这一期拆解六个常用工具：Timeout、Health Check、Heartbeat、Logs、Metrics 和 Error Response，每个解决一个特定的检测缺口。
Timeout 保证请求不会无限等待；Health Check 让编排系统（如 Kubernetes）知道实例是否真的健康；Heartbeat 用来监控没有暴露 API 的后台工作者存活状态；结构化日志把 grep 变成可查询的对象；Metrics 显示响应时间趋势，让你在宕机前看到攀升曲线；精确的错误状态码告诉调用方该不该重试。
六种工具不修复任何故障，它们只负责让系统快速发现发生了什么问题，交给后续恢复机制处理。
文中附 Node.js 完整实现代码，包括 AbortController 超时、健康检查端点、Redis 心跳、Pino 结构化日志、Prometheus/Histogram 指标采集以及标准化的错误响应格式。
核心原则：如果用户是你系统宕机的第一个知情者，那你的监控已经失败。
#开发者 #工具 #故障检测 #健康检查 #心跳 #结构化日志 #Prometheus #Grafana #Nodejs
@DevToolboxHub