VIP20

本课程属于：045-事故值班轮转机器人 DevOps、SRE 与可观测性工程 · 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

值班机器人事件触发自愈编排与闭环验证

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

事件驱动自动化运维的价值 · Runbook与故障自愈的关系 · 课程目标与学习路径

课程导论事件驱动自动化运…

事件管理基础

事件的定义与分类（告警 · 故障 · 变更）

事件管理基础事件的定义

值班机器人概述

值班机器人的角色与职责 · 常见值班机器人平台（PagerDut… · Opsgenie

值班机器人概述值班机器人的角色

事件触发机制

事件源接入（Prometheus告警 · 日志监控 · APM探针）

事件触发机制Prometheus

Runbook定义与设计

Runbook的概念 · Runbook的标准化结构（触发条件 · 执行步骤

自动化Runbook引擎

主流Runbook引擎介绍（Rund… · StackStorm · AWX）

Runbook自动化

故障自愈概念

自愈的定义 · 自愈的成熟度模型（被动响应→主动预防… · 自愈的收益与挑战

故障自愈概念自愈的定义

联动架构设计

事件→值班机器人→Runbook→自… · 消息队列与事件总线（Kafka/Ra…

联动架构设计Runbook

告警收敛与降噪

告警风暴的成因 · 聚合规则设计 · 抑制与静默策略

告警收敛降噪

值班机器人通知策略

多渠道通知（邮件 · 短信 · IM如Slack/钉钉/飞书）

值班机器人通知策…多渠道通知

Runbook参数化与动态输入

从事件中提取上下文（IP · 服务名 · 错误码）

Runbook参数化

常见自愈场景一

服务进程挂掉自动重启（systemd… · 健康检查验证 · 失败回滚与二次告警

常见自愈场景一systemd

常见自愈场景二

磁盘空间不足自动清理（日志轮转 · 临时文件删除） · 阈值预警与清理策略

常见自愈场景二磁盘空间不足自动…

常见自愈场景三

数据库连接池耗尽自动扩容 · 连接数监控 · 连接释放与池重置

常见自愈场景三数据库连接池耗尽…

常见自愈场景四

高CPU/内存占用自动dump与重启 · 性能数据采集 · dump文件管理

常见自愈场景四CPU

安全与权限控制

Runbook执行权限模型（RBAC… · 敏感信息管理（Vault集成） · 操作审计与日志记录

安全权限控制

故障模拟与混沌工程

利用Chaos Monkey/ Li… · 验证自愈链路有效性 · 混沌实验设计原则

故障模拟混沌工程

Runbook测试与沙箱环境

Runbook单元测试 · 集成测试 · 沙箱环境搭建（隔离执行）

事件与Runbook的关联分析

事件聚类 · Runbook执行历史分析 · 自愈成功率统计

值班机器人交互设计

Slash命令 · 交互式按钮 · 对话式确认流程

值班机器人交互设…Slash

多集群/多云场景联动

跨区域事件路由 · Runbook多云适配（AWS/Az… · 全局值班调度

多集群多云场景联动

自愈动作的幂等性与原子性

幂等设计原则 · 事务补偿机制 · 失败重试与最终一致性保障

自愈动作的幂等性原子性

监控与可观测性集成

自愈动作的Metrics暴露（Pro… · 执行日志结构化（ELK） · 链路追踪（OpenTelemetry…

监控可观测性集成

告警与Runbook的SLA管理

MTTR分解（检测→通知→诊断→修复… · SLA仪表盘设计 · SLO告警

案例实战一

Web服务502故障自愈（Nginx…

案例实战一Web

案例实战二

缓存集群节点故障自愈（Redis哨兵…

案例实战二Redis

案例实战三

Kubernetes Pod异常自愈…

案例实战三Kubernetes

Runbook即代码（Runbook as Code）

YAML/DSL定义Runbook · GitOps管理Runbook · CI/CD流水线集成

自愈体系的度量与优化

自愈覆盖率 · 自愈成功率 · 误触发率

自愈体系的度量优化

课程总结与未来展望

AI驱动自愈（AIOps） · ChatOps深度集成 · 无值守运维愿景

课程总结未来展望