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Runbook故障恢复流程与执行器开发

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
课程导论
事件驱动运维概述 · 值班机器人核心价值 · Runbook自动化与故障恢复的关系
课程导论事件驱动运维概述
02
事件触发机制
监控告警体系基础 · 事件生命周期（触发-告警-响应-恢复… · 事件分类与优先级
事件触发机制监控告警体系基础
03
值班机器人架构
机器人核心组件（监听器 · 决策引擎 · 执行器）
值班机器人架构机器人核心组件
04
Runbook定义与设计
Runbook概念 · 标准Runbook结构（触发条件 · 步骤
Runbook定义
05
Runbook语法与模板
YAML/JSON格式Runbook… · 变量与参数传递 · 条件分支与循环逻辑
Runbook语法
06
故障恢复流程建模
故障恢复SLA定义 · 恢复步骤原子化 · 依赖关系与并行执行
故障恢复流程建模SLA
07
联动触发场景
告警与Runbook绑定策略 · 多源事件聚合 · 事件去重与抑制
联动触发场景Runbook
08
机器人监听器实现
Webhook接收 · 消息队列消费 · 告警平台API轮询
机器人监听器实现Webhook
09
决策引擎设计
规则引擎（Drools/自研） · 事件匹配算法 · 上下文状态管理
决策引擎设计Drools
10
执行器与动作库
远程命令执行（SSH/API） · 脚本调用 · 容器编排（Kubernetes）
执行器动作库
11
安全与权限控制
机器人身份认证 · Runbook执行权限 · 敏感信息加密（Vault集成）
安全权限控制
12
故障恢复原子步骤
健康检查 · 服务重启 · 流量切换
故障恢复原子步骤健康检查
13
典型故障场景一
服务进程Crash自动恢复
典型故障场景一Crash
14
典型故障场景二
数据库连接池耗尽自动扩容
典型故障场景二数据库连接池耗尽…
15
典型故障场景三
磁盘空间不足自动清理
典型故障场景三磁盘空间不足自动…
16
典型故障场景四
上游API超时自动降级
典型故障场景四API
17
典型故障场景五
证书过期自动续签
典型故障场景五证书过期自动续签
18
Runbook测试与沙箱
离线测试框架 · 模拟故障注入 · 灰度发布策略
Runbook测试
19
日志与审计
执行日志记录 · 操作审计追踪 · 故障复盘数据采集
日志审计
20
监控与告警联动
机器人自身健康监控 · Runbook执行成功率告警 · SLA违反告警
监控告警联动
21
多环境适配
开发/测试/生产环境配置差异 · 环境变量注入 · 多云/混合云支持
多环境适配开发
22
值班机器人交互
IM集成（钉钉/飞书/Slack） · 命令式交互 · 人工审批节点
值班机器人交互IM
23
故障恢复流程编排
复杂流程DAG设计 · 超时控制 · 重试与幂等性
故障恢复流程编排DAG
24
数据持久化与状态机
故障事件状态机 · Runbook执行状态持久化（数据库…
数据持久化状态机
25
性能与扩展性
机器人水平扩展 · Runbook执行队列 · 限流与熔断
性能扩展性
26
故障恢复最佳实践
最小权限原则 · 渐进式恢复 · 回滚优先设计
故障恢复最佳实践最小权限原则
27
案例实战一
电商网站全链路故障自动恢复
案例实战一电商网站全链路故…
28
案例实战二
微服务架构下雪崩效应自动熔断
案例实战二微服务架构下雪崩…
29
案例实战三
数据库主从切换自动故障转移
案例实战三数据库主从切换自…
30
课程总结与未来展望
AIOps融合 · ChatOps演进 · 混沌工程与Runbook结合
课程总结未来展望