4. 多环境适配策略：开发、测试、预发、生产的差异化配置

在告警自愈体系中，环境差异是导致 Runbook 失效的首要原因。开发环境允许频繁重启与调试日志，生产环境则要求灰度变更与人工审批。本章定义一套环境感知配置模型，让同一份 Runbook 模板在不同环境自动切换行为。

4.1 四环境核心差异矩阵

下表从自愈粒度、变更策略、通知渠道、数据持久化四个维度对比四个典型环境：

4.2 环境感知配置模型

推荐使用 YAML 分层配置，将公共逻辑与环境差异解耦。以下是一个标准 Runbook 配置片段：

# runbook-config.yaml
global:
  check_interval: 30s
  max_retries: 3

environments:
  dev:
    self_heal_action: "restart_all"
    approval_required: false
    notify_channels: ["im"]
    data_retention: "none"

  test:
    self_heal_action: "restart_single"
    approval_required: false
    notify_channels: ["im", "email"]
    data_retention: "last_3"

  staging:
    self_heal_action: "canary_10_50_100"
    approval_required: true
    notify_channels: ["im", "email", "phone_optional"]
    data_retention: "24h"

  prod:
    self_heal_action: "canary_with_rollback"
    approval_required: true
    notify_channels: ["im", "email", "phone", "ticket"]
    data_retention: "30d"

4.3 环境适配流程图

下图展示 Runbook 引擎在收到告警后，如何根据环境标签选择不同的自愈路径：

4.4 环境变量注入与覆盖规则

Runbook 模板中的变量应遵循三层覆盖规则，优先级从高到低：

1. 运行时参数（告警 payload 中携带的 env、service、region）
2. 环境配置文件（environments/{ENV}.yaml）
3. 全局默认值（global 段）

4.5 环境差异化配置清单

以下清单帮助运维人员在新建 Runbook 时逐项检查环境适配是否完整：

4.6 环境适配的常见陷阱

• 陷阱一：生产环境使用了与开发环境相同的超时时间。开发环境网络延迟低，生产环境跨机房调用可能超时。应通过环境配置独立设置 timeout 和 retry_interval。
• 陷阱二：所有环境共享同一个告警抑制窗口。Dev 环境频繁变更，抑制窗口应缩短；Prod 环境应加长抑制窗口避免风暴。
• 陷阱三：忽略环境间的数据面隔离。自愈脚本中若涉及数据库或缓存清理，必须确保只在 Dev/Test 环境执行，Staging/Prod 应跳过或仅做只读检查。

4.7 环境适配的自动化验证

建议在 CI/CD 中为每个环境生成差异化 Runbook 预览，并自动执行以下验证：

# 验证脚本示例：check_env_config.py
import yaml

with open("runbook-config.yaml") as f:
    config = yaml.safe_load(f)

required_keys = ["self_heal_action", "approval_required", "notify_channels"]
for env in ["dev", "test", "staging", "prod"]:
    env_config = config["environments"].get(env, {})
    missing = [k for k in required_keys if k not in env_config]
    if missing:
        print(f"[FAIL] {env} 缺少配置项: {missing}")
    else:
        print(f"[PASS] {env} 配置完整")