五篇技术文说明:健康检查、证书续期、基准跑分和形式化验证各自都没撒谎,错在把结果搬到你关心的那个问题上时,没问清它替谁亮的灯。
11 月 22 日下午,Hambook 每日精选刷出二十条。挑出五篇,题材越看越散:Kubernetes 探针、一张过期的证书、一个 Base64 解码器、两张浏览器跑分表、一份 1700 万行的形式化证明。但读完会发现它们在说同一件事:绿灯亮了,只说明检查本身跑通了,不说明你以为的那个状态是真的。
这些文章来自当天的 Hambook 每日精选。它们补上了演示能跑通不等于能交付之后那半句:就算系统上线、监控接好、测试全绿,检查和你真正关心的东西之间,仍可能隔着一段没人接的线。
健康检查亮绿灯,是因为它问错了对象
Sai Pisey 写的是 metrics-server 的 Helm chart。把 metrics.enabled 设为 true 后,chart 会把 /metrics 加进 --authorization-always-allow-paths,却顺手把默认的 /healthz、/readyz、/livez 从免鉴权名单里挤掉了。README 只承诺前者。
后果是探针要先向 apiserver 发一次 SubjectAccessReview,拿到 system:public-info-viewer 的许可才回 200。健康检查本来要判断这个 Pod 行不行,现在变成判断控制面行不行。
他在 kind 集群里做了对照:正常时每次探针都 200;停掉 apiserver 60 秒,kubelet 25 秒后杀掉容器,重启时又因读取 ConfigMap 失败继续 panic,apiserver 恢复后还要 69 到 76 秒才 Ready,四轮里重启五次。那段时间没有 kubectl top,HPA 也拿不到指标。30 秒的短抖动只给 500,不重启。
问题早在 2022 年 1 月的 chart 改动里,10 月才有人报告。他提了 PR #1904,11 月 12 日合并,但还没进发行版,当下只能手动把默认路径补回 args。
把探针挂到被测对象之外,是最难察觉的一种错位。正常时它完全看不出来,控制面一抖才暴露:你监控的其实是另一台机器。
证书过期五个月,监控看见过,人没看见
第二篇是作者自己的事故。9 月 21 日发现 NPMplus 停了,顺手查证书,才发现 4 月 24 日就过期。五个月。容器重启策略不知什么时候漂成了 no,七月修过一次,又漂回去。
Uptime Kuma 确实记下了停机,告警却没送到任何人手上。作者管这叫通知缺口,不是监控缺口。
certbot 报的错看起来很像答案:Please choose an account。盘上有两个 Let's Encrypt 账户,无人值守时它要人选一个。但那份证书的续期配置里已经写明账户,这条提示不是卡点。真正找出问题的是他本该最先跑的命令:certbot renew --dry-run。返回的是 Error determining zone_id: 9109 Invalid access token。证书走 DNS-01 挑战,靠 Cloudflare API token 写 TXT 记录,那个 token 早被他吊销了。
修好后一周又过期一次:短证书只有七天左右,续期环路每周都得成功。10 月 8 日换成带已核验 DNS token 的新通配符证书,把第二个 ACME 账户挪开,无人值守的 certbot 才不再停在 Please choose an account。9 月 21 日那次续期为什么失败,始终没查清。
他现在的做法是把检查对象换成实际对外提供的证书,每小时看一次,剩余有效期低于 1.5 天就告警,证书链坏了也报。这正是可逆性比正确率更值得先算在运维里的样子:与其把一次续期做对,不如让下一次出错时有人知道。
基准测试跑分高,不等于你的页面快
第三篇讲浏览器跑分。Speedometer、JetStream、MotionMark 由 BrowserBench 托管,测的是固定工作负载下引擎和设备有多快。它们不关心你的主题、CDN 和标签管理器。作者给了一条判断规则:如果一张幻灯片上写不出具体的客户 URL,多半看的就是这一类工具。
他把三件事拆成三行。引擎套件回答"这个浏览器和设备跑固定负载有多快";站点实验室审计用 Lighthouse 在可控条件下测某一个 URL;字段 Core Web Vitals 看真实用户的 LCP、INP 和 CLS。三者名字里都带 speed,落进同一张表就会出事。
Speedometer 3 的设计目标是让负载看起来像真实站点,适合挑低端测试机;JetStream 3 专压计算密集的 JavaScript 和 WebAssembly,和前者刻意摆在一起,一个管界面响应,一个管算力。两个分数都很真,也都说不出你商品详情页的 Largest Contentful Paint 是多少。
先把"测了什么、对象是谁、用什么工具"写在每一行旁边,这张表才有意义。这和规格驱动开发是同一个道理:规矩写清楚,机器才有得守。
内存安全承诺,漏掉了手写解码器那一层
第四篇把同一种错位搬到了运行时。Calif 在 11 月 17 日披露 Java4Shell,编号 CVE-2026-114938,CVSS 4.0 给出 9.2 分。OpenJDK 的 Base64 解码器在 AVX-512 VBMI 路径上算错了长度:64 个 A 后面跟一个等号,结果写越过 50 字节数组 62 字节;OpenJDK 17 上要 128 个字符才触发。
Java 卖的是内存安全:运行时管分配、查边界,把造就几十年 C 语言漏洞的那类错误挡在开发者之外。这次的入口恰好在那条承诺从未覆盖的缝里——用汇编手写、为速度绕开常规检查的 intrinsic。Oracle 在披露当天 21:00 UTC 随 11 月关键补丁更新发布修复版,Cloudflare 加了六条默认只记录的 WAF 规则,两个 JVM 启动参数能临时换掉加速解码器。ARM64 不受影响。
Calif 演示了针对 Keycloak、Jira、Confluence、Artifactory、Jenkins 和 PingFederate 的认证前远程代码执行。作者 Taha Echakiri 把长期解法说得很朴素:清点所有 Java 运行时。应用包、容器镜像和正在跑的 JVM,各自存着一份解码器。没有这份清单,你连自己是否暴露都答不上来。
形式化验证通过之后,梅纳德还在等理解
最微妙的一篇来自数学界。11 月 20 日,Anthropic 数学家 Levent Alpöge 宣布与 Claude 合作攻克黎曼猜想;11 月 21 日,Lean 与 Mathlib 社区发布联合声明,说以 Lean 库形式给出的证明已通过核验,代码约 1700 万行。
2022 年菲尔兹奖得主、牛津大学教授 James Maynard 接受采访时说,他相信这个结果是正确的。理由写得很具体:结果已经形式化验证,验证又经过独立核实,加上 Alpöge 过去提出重大主张的可靠记录。
然后他加了一句限制:理解一个定理为什么成立,远比仅仅证明它成立重要。只有当有人真正理解并能向别人解释清楚,这份证明才可能得到数学界的全面认可。
这和前面几篇刚好扣上。形式化验证回答的是"这些步骤对不对",数学界想知道的是"为什么必须这样走"。证明通过是一盏绿灯,理解是另一件事。梅纳德没有否认前者,他只是指出绿灯照不到的地方。
五篇放在一起,边界就清楚了。探针测的是自己能不能问到 apiserver,续期检查测的是配置能不能跑完,跑分测的是固定负载,形式化验证测的是步骤是否成立。它们各自都没撒谎。出问题的,是把结果搬到你关心的那个问题上时,少问了一句"这盏绿灯替谁亮的"。
该养成的习惯不是再多接一个监控,而是在每次看到绿灯时,问清楚它排除了哪一种失败。排除不了的那些,仍在原地等着。