VIP20
本课程属于：010-特征工程平台 数据工程与实时数据平台 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

特征平台生产运维与故障恢复

📚 共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
特征平台概述
什么是特征平台、特征平台在MLOps中的定位、核心功能与架构组件。
基础架构
02
运维监控体系搭建
Prometheus + Grafana 监控特征存储、计算节点与API网关。
监控Prometheus
03
特征数据延迟故障
在线/离线特征数据产出延迟的根因分析与告警配置。
延迟告警
04
特征存储故障
Redis/MySQL/对象存储等后端存储的常见故障与数据一致性校验。
存储一致性
05
特征计算引擎故障
Spark/Flink任务失败、背压、OOM问题的排查与恢复。
计算SparkFlink
06
API服务高可用故障
特征服务接口超时、限流、熔断与降级策略的排查。
高可用限流
07
特征血缘追踪断裂
特征依赖关系丢失、元数据不一致的定位与修复。
血缘元数据
08
特征数据质量故障
空值、异常值、分布漂移的检测与告警。
质量检测
09
权限与安全故障
特征访问鉴权失败、密钥泄露、审计日志缺失的排查。
安全鉴权
10
版本管理故障
特征版本回滚冲突、灰度发布异常、AB实验分流错误。
版本灰度
11
跨机房/多云部署故障
数据同步延迟、网络分区、DNS解析异常的排查。
多云网络
12
特征注册与发现故障
特征注册失败、服务发现不可用、配置中心异常。
注册发现
13
资源调度故障
K8s Pod 驱逐、资源配额不足、节点故障的排查。
K8s调度
14
日志与链路追踪
ELK/Loki 日志分析、Jaeger/Zipkin 全链路追踪实战。
日志追踪
15
自动化故障自愈
基于告警的自动化回滚、重启、扩缩容策略设计。
自愈自动化
16
故障复盘与文档化
事后复盘模板、RCA报告撰写、知识库沉淀。
复盘文档
17
混沌工程实践
在特征平台引入 Chaos Mesh 进行故障注入与韧性测试。
混沌韧性
18
容量规划与压测
特征服务容量评估、全链路压测、性能瓶颈定位。
压测容量
19
冷热数据分离故障
温数据迁移失败、冷存储访问延迟的排查。
冷热存储
20
特征一致性校验
在线/离线特征一致性对比工具与自动化巡检。
一致性校验
21
特征服务灰度发布故障
流量切分异常、新旧特征冲突、回滚策略。
灰度发布
22
特征缓存故障
本地缓存击穿、分布式缓存雪崩、缓存更新策略问题。
缓存雪崩
23
特征依赖循环检测
特征DAG图中出现循环依赖的自动检测与告警。
DAG循环依赖
24
特征服务配置管理
配置热更新失败、配置格式错误、配置版本回退。
配置热更新
25
特征数据回填故障
历史数据回填任务失败、数据覆盖错误的排查。
回填数据
26
特征服务多租户隔离
租户资源争抢、数据隔离失效、配额超限。
多租户隔离
27
特征服务健康检查
自定义探针设计、健康检查端点异常排查。
健康检查探针
28
特征服务优雅关闭
Pod 终止时的请求 draining、连接池清理。
优雅关闭Pod
29
特征平台备份与恢复
元数据备份、存储数据备份、跨区域灾备演练。
备份灾备
30
综合实战
模拟一次特征平台全链路故障，从告警到恢复的完整排查流程。
实战全链路
专注课程资料整理