表述
墨菲定律（Murphy's Law）："凡是可能出错的事，就一定会出错。"
起源：1949 年，美国空军的爱德华·墨菲（Edward Murphy）上尉在一次火箭减速实验中，发现技术人员把传感器接反了。他评论说："如果有两种或以上的方法可以做事，其中一种会导致灾难，那么一定会有人选那一种。"
它不是一个物理定律
墨菲定律不是科学定律，而是一个经验观察 + 心理倾向的组合。
为什么它"看起来总是成立"？
一、选择性记忆
当事情顺利时，我们不会特别记住；当出错时（尤其以意想不到的方式出错），印象深刻。
二、确认偏差（前文提到过）
我们更容易注意到"出错"的证据，而忽略"没出错"的情况。
三、复杂系统的必然性
在足够复杂的系统中，有大量的组件和交互，"某个地方出错"的概率随时间趋近于 1。
当一个系统的运行次数足够多时，小概率事件几乎必然发生。
例子：一个每天运行 1000 次的操作，如果单次失败概率是 0.1%，那么一年中至少失败一次的概率接近 98%。
实际意义
墨菲定律的真正价值，不是"悲观"，而是"推动我们做防御设计"。
一、防御性设计
假设所有可能失败的地方都会失败。
实践：
- 冗余：关键组件有备份（如双电源、多副本）；
- 超时与重试：外部调用可能超时或失败；
- 熔断器：依赖故障时不拖垮自己；
- 输入校验：不信任任何输入（前文提到过防御性编程）；
- 优雅降级：部分功能失效时，核心功能仍可用。
二、故障演练
"如果这里挂了，会怎样？"
方法：
- 混沌工程（Chaos Engineering）：主动在生产环境中注入故障（如随机关闭服务、增加延迟），验证系统的韧性。Netflix 的 Chaos Monkey 是代表；
- 故障树分析（FTA）：自顶向下分析"什么样的组合会导致系统失效"；
- FMEA（失效模式与影响分析）：自底向上列举每个组件可能的失效模式及其影响。
三、降低"出错的可能性"而非依赖运气
与其祈祷不出错，不如：
- 减少复杂度（复杂度是出错的温床）；
- 消除易错的模式（如让错误用法无法通过编译）；
- 自动化检查（linter、类型系统、CI）。
四、为"出错后"做准备
即便做了防御，故障仍会发生。因此：
- 监控与告警（前文提到过）；
- 快速回滚能力；
- 应急预案与演练；
- 事后复盘（Postmortem）——重点是改进系统，而非追责（无指责复盘，Blameless Postmortem）。
相关的"定律"
一、海恩法则（Heinrich's Law）
每一起严重事故背后，有 29 起轻微事故、300 起未遂先兆、1000 起事故隐患。
含义：重大事故是大量小问题未被处理的累积结果。重视小信号。
二、彼得原理（Peter Principle）
"在层级组织中，每个员工都会晋升到他无法胜任的职位。"
三、帕金森定律（Parkinson's Law）
"工作会膨胀，直至占满所有可用的时间。"
四、康威定律（Conway's Law）
"系统的架构，会受到产生它的组织的沟通结构的制约。"（前文提到过）
一句话
墨菲定律的工程价值在于：它提醒我们把"意外"当作"必然"来对待，从而提前设计。
这不是悲观，而是现实主义——也是可靠系统的基础。
说明：本文为工程思维的知识整理。