1. 课程导论：什么是告警驱动自愈、为什么需要数据库自愈、课程目标与前置知识

1.1 什么是告警驱动自愈

告警驱动自愈（Alert-Driven Self-Healing）是一种自动化运维模式：系统通过监控平台（如 Prometheus）持续采集指标，当指标触发预定义的告警规则时，不再仅通知工程师介入，而是由自动化脚本直接执行恢复操作，将系统拉回健康状态。

核心流程可概括为：指标采集 → 告警触发 → 脚本执行 → 状态验证 → 闭环通知。

1.2 为什么需要数据库自愈

数据库是现代应用的核心状态层，其故障直接影响业务连续性。传统人工响应模式存在以下痛点：

数据库自愈的核心价值在于：缩短 MTTR、减少人为失误、释放 DBA 生产力、提升系统 SLO。

1.3 课程目标

本课程旨在帮助学员掌握从零构建一套生产级“Prometheus 告警驱动数据库自愈系统”的完整能力。具体目标如下：

• 理解原理：掌握告警驱动自愈的架构设计、关键组件及数据流。
• 搭建监控：熟练配置 Prometheus + 数据库 Exporter + Alertmanager。
• 编写脚本：使用 Python 编写可复用的自愈脚本，涵盖 MySQL/PostgreSQL 常见故障场景。
• 安全防护：设计熔断、限频、灰度、回滚等安全机制，防止自愈脚本引发二次故障。
• 生产落地：完成从开发环境到生产环境的部署、测试与运维闭环。

1.4 前置知识

为顺利学习本课程，建议学员具备以下基础：

1.5 课程架构总览

本课程共 30 章，分为 6 个阶段，从原理到生产落地逐步深入：

1.6 一个简单的自愈脚本示例

为了让学员对最终产出有直观感受，下面展示一个极简的“MySQL 连接数超限自愈”脚本框架（完整版将在第 11 章展开）：

#!/usr/bin/env python3
"""
alert_self_healing.py - 告警驱动自愈脚本示例
接收 Prometheus Alertmanager Webhook，自动 kill 空闲连接
"""
import json
import sys
import pymysql

def parse_alert(webhook_data):
    """解析告警数据，提取数据库实例和当前连接数"""
    alert = webhook_data['alerts'][0]
    labels = alert['labels']
    return {
        'instance': labels['instance'],
        'db_host': labels['db_host'],
        'db_port': int(labels['db_port']),
        'current_connections': alert['annotations']['current_connections']
    }

def kill_idle_connections(db_host, db_port, max_connections=200):
    """杀死空闲超过 60 秒的连接，直到连接数低于阈值"""
    conn = pymysql.connect(host=db_host, port=db_port, user='admin', password='****')
    with conn.cursor() as cursor:
        cursor.execute("""
            SELECT ID, USER, HOST, TIME 
            FROM information_schema.PROCESSLIST 
            WHERE COMMAND = 'Sleep' AND TIME > 60
            ORDER BY TIME DESC
        """)
        idle_connections = cursor.fetchall()
        killed = 0
        for row in idle_connections:
            if killed >= 10:  # 每次最多 kill 10 个
                break
            cursor.execute(f"KILL {row[0]}")
            killed += 1
    conn.close()
    return killed

def main():
    webhook_data = json.loads(sys.stdin.read())
    alert_info = parse_alert(webhook_data)
    killed_count = kill_idle_connections(alert_info['db_host'], alert_info['db_port'])
    print(f"Killed {killed_count} idle connections for {alert_info['instance']}")

if __name__ == '__main__':
    main()