我最近开始管理一家小型初创公司。我想，和大多数小型初创公司一样，我们在生产过程中一直在做我们想做的事情，只要我们认为没问题。人们都很小心，事情进展得很顺利。我们也能够很快解决问题，客户对此非常感激。
然而昨天我们遇到了一个问题，一位管理员自行决定更改服务器名称并更新软件，以使其更符合实际情况。开发人员收到了通知，但名称更改导致我们的消息队列系统停止运行，从而导致我们停工数小时。由此引发了一系列连锁故障，托管消息队列的虚拟机实际上必须被关闭并创建新的虚拟机。没有人感到高兴。
这应该首先在非生产环境中进行验证。
我想知道在业务关键时期允许在生产中进行哪些维护？我猜是一些，但具体要多少？
答案1
只要不影响业务系统，维护可以随时进行。
就您提到的导致严重故障的问题而言，问题不在于无法完成，而在于您没有收到变更流程的通知，或者管理员没有遵循流程。名称变更的事实并未传达给负责服务正常运行的人员。如果管理员是服务所有者（在小型企业中，这种情况非常可能），那么需要检查他是否适合担任该角色，因为他的工作是确定任何影响其服务的变更的影响。
测试环境很好，但除非严格维护，否则无法证明所有问题。虽然测试更改无疑是最佳实践，但它不能替代后备计划（也应进行测试）。
最后，这里要吸取的另一个教训是开发人员不是管理员。我怀疑正如你所说“开发人员已收到通知”。我敢打赌他们没有被问到“如果机器名称更改会发生什么？”。我至少会收到一封来自开发人员的电子邮件，说明更改机器名称不会对应用程序产生影响。
答案2
您从错误中吸取教训，并在进行环境变化之前采取措施分析其影响。
文档记录在这里起到了很大的作用，但也要尝试评估为什么这种类型的更改会产生如此广泛的影响。应用程序中是否有硬编码的内容？系统功能是否还有改进的空间？
更改主机名不是一件小事，但也不会让您陷入彻底的崩溃。