恩，这是名副其实的杯具（很抱歉我用这个词，shitstorm）。长话短说，如今MelonCard已经被TechCrunch使用，然而所有事情都可能突然出现问题。过去几天里，我们对MelonCard进行了巨大的改进，使用NodeJS长轮询机制以及平滑的KnockoutJS动态jQuery Templates前端。在完成站点无缝升级，在达成“所有功能都是最新”目标的同时，成为外观更美、体验更好的产品。为了避免可能发生的不良影响，我们进行了手工测试和单元测试，并为Node结合使用了一整套Vows。完成所有的系统测试，朝着目标全速前进，对吗？事实并没有那么快。

译注：

长轮询（long polling）：是Comet的一种实现方式，也是Facebook，Plurk实现动态更新内容的方法，具体原理是发送一个长时间等待的request，当服务器有资料response的时候立刻断掉，接着再发送一个新的request。

Vows：Node.js的异步行为开发框架

我们的系统用的是NodeJS，根据用户输入决定他的当前状态，例如用户输入“我正在等待更新这两条记录”，服务器（基于时间戳检查）会返回“您的记录已经是最新的”或者“记录xxx已更新为yyy。”（实际的过程会比这个更加复杂，我们使用了Redis共享变量和会话，并对Rails、mySQL、Redis和Node之间的接口进行安全检查）。（这个过程）看上去非常简单，但当事情不如预期的那样时，即使是简单的NodeJS 代码也会成为噩梦。今天噩梦发生了。

处理完今天的日常工作之后，我们遇到了一个正常的新用户注册高峰（一个小时内有50-100个新用户注册）。突然之间，所有事情都开始出现问题，没有一个页面可以正常工作。我们的邮箱开始被“你的产品挂掉了”类似的邮件塞满了。我抓起一杯咖啡准备战斗。

我的第一个反应是：NodeJS能够很好地处理负载，这是众所周知的。50或100个用户不可能让系统崩溃。在得到Ryan Dahl的帮助之后，我们知道这不是Node本身的问题（后来的结果也验证了这一点）。服务器开始返回异常结果，用户输入“我的记录是a、b和c”然而服务的回答是“你这个蠢货，删掉x、y和z这里的记录是a、b和c。”即使能够确定问题的范围并可以重复错误，也几乎不可能通过Node可怜的错误处理和调试功能解决。采用的方法就是下面的unix命令（是的，我对production进行查询）

NODE_ENV='production' node/privacy.js | grep "Returned results"

你能够想象对这些结果进行分类是件多么恐怖的事。结果是，所有的分段测试和单元测试都正常，我已经束手无策了。最为重要的是，我们的系统再一次执行了大量的（安全性）会话检查。例如，如果用户在（浏览器）不同的标签页之间进行登录和退出时，会有大量的“Unauthorized （未授权）”错误弹出（这让企图了解真正问题的我们更加糊涂）。当我列出错误的时候，看上去像这样：

Trace: at EventEmitter.<anonymous>(/—/node/privacy.js:118:11) at EventEmitter.emit (events.js:81:20)

错误出现的那一行（或唯一返回给我的Node）如下：

process.on('uncaughtException', function (err) { console.log(['Caught exception', err]); console.trace(); });

虽然程序还没有崩溃，但我还是没有找到线索。在这里最佳实践也没有办法捕捉那一行的错误（手动前端测试，单元测试，错误处理，等等）。的确，我应当做负载测试，但是即使（测试）到达了竞争条件同样不能让我感到安全。

4个小时以后（当我翻到第503页“ Temporarily Unavailable”，这时我的联合创始人对每一位失望或好奇的用户回复了致歉的邮件），我意识到问题出在服务器将我的请求输入（请求参数）错误地当成随机用户请求参数。确切的说，服务器的设计只会对你的请求返回你的相关信息，但是对你的请求产生了错误的理解。比如你说“我喜欢苹果和甜瓜”，但是服务告诉你“不要傻了，你喜欢的是芒果。”所以，虽然（从安全的角度来说）一切都是安全的，但是结果是错的。为什么我的ExpressJS服务器不能理解我的请求呢。我继续追踪发现了下面的代码：

app.all('/apps/:user_id/status', function(req, res, next) {

// …

initial = extractVariables(req.body);

});

看上去很糟糕是吧？这是个该死的策略。我不是个JavaScript专家，但请允许我尽我所能为你解释（或者也刻意看看这里）。在JavaScript里，你可以声明变量为函数（局部）变量或者全局变量（在变量声明/引用的作用域链表上为其增加复杂性，直到最后确定为全局变量）。当我没有使用var来声明一个全局变量initial时，它会遍历作用域链表直到全局范围，最后会创建一个全局变量initial。当下一个请求来到时，它会遍历同样的链表并重写该变量（另一个请求仍然希望使用这个变量）。每个请求都会重复这一过程。当服务器试图在接下来的处理中回复每个请求时，它会读到不断被截断的变量，并返回的结果不正常，甚至可以说是荒唐。因此我应当这么修改：

var initial = extractVariables(req.body);

这样会在我的匿名函数作用域内创建这个变量，因此接下来的请求就不会截断这个值。这是新手才会犯的错误，但是在我做的所有调试或测试中都完全不会带来竞争/并发问题。

现在我要对你说的是：你应该用过 CoffeeScript并且可能对TameJS很在行。你可能是正确的。我想理解第一次执行NodeJS调用了哪些函数，但这对于我的公司是一个不必要的损失。在其他情况下，它可能带来更严重的问题（假如我在会话中错误的使用了变量会如何？）。最重要的是，缺乏真正好的错误处理（在Rails，我们通过backtrace跟踪错误并把错误发送给开发团队）以及真正的调试（依靠的是grep和less命令）让我觉得我们离好的开发差距很远。或者也许我应当更加小心。

在4个小时宕机并令上百个用户失望而归之后，我找到了问题的症结并修复了产品。风雨之后，拨云见日。我们开始对受到影响的用户致歉，盘点这次事故的损失并继续工作。但是，缺少一个关键字带来这样的损失还是让我感到难以释怀。少写了一个var会让我成为坏人吗？