runbook-author

**告警处理手册：[告警名称]** **症状** - 用户报告服务响应缓慢或不可用 - 监控系统触发 [告警名称]，指标异常（如错误率上升、延迟增加、资源使用率超限等） - 相关服务日志中出现特定错误模式（例如：超时、连接失败、5xx 状态码激增） **诊断步骤** 1. **确认告警有效性** - 检查监控面板，确认指标是否持续异常（避免瞬时抖动误报） - 查看最近部署记录，判断是否与变更相关 2. **定位影响范围** - 确定受影响的服务、区域或用户群体 - 检查依赖服务状态（数据库、缓存、第三方 API 等） 3. **分析日志与追踪** - 使用日志系统搜索错误关键词（如 `ERROR`、`Timeout`、`Connection refused`） - 查看分布式追踪链路，识别瓶颈或失败节点 4. **资源检查** - 检查 CPU、内存、磁盘 I/O、网络带宽使用率 - 查看容器/进程是否因 OOM 被终止 5. **配置与依赖验证** - 确认配置文件未意外变更 - 验证密钥、证书、权限是否正常 **缓解措施** - **立即缓解** - 重启异常实例或 Pod（若为偶发性故障） - 扩容资源（如自动伸缩组、增加副本数） - 回滚最近部署（若怀疑代码变更引入问题） - 临时屏蔽非关键功能以降低负载 - **临时规避** - 切换流量至备用区域或降级服务模式 - 手动清理缓存或重置连接池 **升级路径** - **无需升级**：若 15 分钟内通过标准操作恢复服务 - **升级至二级支持**：若问题涉及底层基础设施（如网络、存储）或需代码热修复 - **紧急升级至作者/架构师**：若出现数据丢失、安全漏洞或无法在 30 分钟内定位根因 **事后行动** - 记录事件时间线、采取的措施及结果 - 提交故障报告（含根因分析与改进项） - 更新本手册以覆盖遗漏场景 > **提示**：所有操作需遵循变更管理流程，生产环境操作前建议先在预发环境验证。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本