01
稳定性概述
什么是生产环境稳定性 · 核心理念 · SLA/SLO/SLI · 成熟度模型
理念指标
02
故障分类与影响
硬件/软件/网络/人为 · 影响评估 · 成本分析 · 复盘方法论
故障复盘
03
高可用架构设计
冗余 · 负载均衡 · 故障转移 · 多活 · 异地多活对比
架构多活
04
容量规划与压测
容量评估 · 全链路压测 · 流量回放 · 水位线 · 弹性伸缩
压测弹性
05
变更管理
风险分级 · 窗口管理 · 灰度/蓝绿/金丝雀 · 回滚机制
发布灰度
06
监控体系建设
四象限 · Prometheus · Grafana · 告警规则设计
监控告警
07
日志管理
日志规范 · ELK/EFK · 采样策略 · 脱敏 · 存储生命周期
日志ELK
08
链路追踪
分布式追踪 · OpenTelemetry · Jaeger/Zipkin · 采样 · Trace/Span
追踪可观测
09
告警管理
分级 · 抑制 · 聚合 · 升级 · 值班排班 · 告警疲劳
告警值班
10
故障应急响应
发现 · 定位 · 止损 · 恢复 · 复盘 · 演练
应急响应
11
故障定位方法论
黄金指标 · 日志分析 · 链路追踪 · 对比/排除/二分法
定位方法论
12
数据库稳定性
慢查询 · 连接池 · 主从延迟 · 分库分表 · 读写分离 · 备份恢复
数据库MySQL
13
缓存稳定性
穿透/击穿/雪崩 · 一致性 · Redis哨兵/集群 · 容量规划
缓存Redis
14
消息队列稳定性
丢失/重复/积压 · 顺序消息 · 死信 · MQ高可用
MQKafka
15
容器与K8s稳定性
Pod健康检查 · 资源限制 · HPA/VPA · PDB · 节点管理 · 镜像安全
K8s容器
16
网络稳定性
DNS · CDN · TCP调优 · HTTP/HTTPS · 连接池 · 超时设置
网络调优
17
安全稳定性
DDoS · WAF · 漏洞扫描 · 权限管控 · 密钥管理 · 安全审计
安全防护
18
数据一致性与备份
CAP · 最终一致性 · 分布式事务 · 备份策略 · 校验 · 恢复演练
一致性备份
19
混沌工程
原则 · ChaosBlade/Litmus · 爆炸半径 · 实验设计 · 自动化演练
混沌韧性
20
SLO与错误预算
SLO定义 · 错误预算计算 · 消耗策略 · SLO告警 · 发布决策
SLO错误预算
21
容量与成本优化
资源利用率 · 降本增效 · Spot实例 · 混部 · 成本可视化
成本优化
22
多活与容灾
同城双活 · 两地三中心 · 异地多活 · RPO/RTO · 容灾演练 · 切流
容灾多活
23
灰度与实验平台
灰度策略 · AB实验 · 流量染色 · 灰度观测 · 实验评估
灰度实验
24
代码质量与稳定性
Code Review · 单元/集成测试 · 静态分析 · 覆盖率 · 防御性编程
质量测试
25
CI/CD与稳定性
流水线门禁 · 自动化测试卡点 · 制品管理 · 版本管理 · 发布编排
CI/CDDevOps
26
运维自动化
自动巡检 · 自动扩缩容 · 自动故障恢复 · ChatOps · 脚本管理
自动化运维
27
稳定性文化建设
组织架构 · 故障奖惩 · 周报 · 培训 · 知识库
文化组织
28
稳定性度量
MTBF/MTTR · 可用性计算 · 故障率趋势 · 评分卡 · 仪表盘
度量MTTR
29
大促与高流量保障
容量评估 · 全链路压测 · 限流降级 · 热点应对 · 大促值班
大促高流量
30
稳定性总结与展望
体系全景图 · AIOps趋势 · FinOps · 个人成长 · 课程总结
总结AIOps