一、变更规范

范围

● 上线变更：代码上线、回滚、扩缩容；
● 配置变更：系统配置、应用配置；
● 网络变更：网络割接、设备更换；
● 其它变更：流量调度、服务切换、服务下线...

原则

a、制定变更审核流程；
b、制定变更相关方通知（群、邮件）；
c、制定变更回滚策略；
d、遵循测试、灰度、全量上线的规则；
e、下线变更要将服务器依赖处理干净，比如说挂着vip、有域名解析。

二、容灾规范

范围

● 服务灾备：多机器、多机房；
● 数据灾备：多备份、异地备份；
● 网络灾备：多线路、多设备；

原则

a、自动切换 好于 手动切换；
b、无状态 好于 有状态；
c、热备 好于 冷备；
d、多机房 好于 单机房。

三、容量规范

范围

● 系统容量：木桶原理计算系统的全链路容量、用量、余量；
● 模块容量：模块的容量、用量、余量；
● 机房容量：分机房的容量、用量、余量；
● 单机容量：用于反向计算机房、模块容量；

原则

a、制定模块单机容量指标（比如QPS、连接数、在线用户数等）；
b、容量要考虑下行（读）、上行（写），考虑存储增量；
c、计算当前模块总容量，收集当前的用量，并对比容量计算余量；
d、系统总容量可以根据木桶原理，找到短板模块后，反向计算出来

四、巡检规范

范围

● 用户核心指标；
● 服务核心指标；
● 基础资源指标：服务器；
● 依赖资源指标：依赖db、依赖接口；
● 自动化巡检报告；
● 值班oncall安排；

原则

a、DashBoard核心在于收敛、舍得；
b、自动化巡检的必要性在于异常侦测，预防故障。

五、告警规范

范围

● 基础监控：CPU、内存、网络、IO；
● 应用监控：进程、端口；
● 业务监控：日志、业务埋点；
● 依赖监控：数据库、依赖接口...

原则

a、核心监控收敛成告警，并对告警进行分级，备注告警影响；
b、核心监控形成可排查问题的DashBoard；
c、告警的价值在于实时发现故障。

六、预案规范

范围

● 线路切换：移动、电信、联通线路切换；
● 机房切换：不同机房切换；
● 机器切换：机器故障时进行摘除；
● 服务降级：无法切换时，降低标准继续服务；
● 数据库切换：主从切换、读写切换；
● 网络切换：主备线路切换、链路切换；

原则

a、域名切换 好于 更换IP；
b、自动摘除 好于 手动操作；
c、自动切换 好于 手动切换；
d、考虑好雪崩事宜。

七、故障管理规范

范围

● 服务分级：确定各服务用户角度的影响；
● 故障定级：制定故障定级标准；
● 制定故障通知、处理规范；
● 制定故障复盘，改进措施按时保量完成的规范；

原则

a、拥抱故障，同类故障不能重复发生。

八、权限安全规范

范围

● 开发、运维、临时权限；
● 安全上符合安全审计标准。

九、文档、工具规范

范围

● 统一共享知识文档；
● 统一共享各种脚本工具；

原则

a、理想的情况是“一站式运维平台”，一个平台涵盖所有工具操作。

十、标准化规范

范围

● 主机名标准化；
● 日志存储标准化；
● 日志格式标准化；
● 域名使用标准化；
● 软件安装目录结构标准化；
● 服务及相关的组件使用命令标注化；

原则

a、主机名尽量能看出更多信息，比如服务、模块、机房等；
b、日志是排查问题的重要信息，一定要标准化，方便手工排查，更是为了以后用工具处理打下基础。

十一、资源管理规范

范围

● 服务器
● vip
● 域名
● 证书
● 代码
● k8s
● 数据库
● 中间件

原则

a、资源之间是有关系的，要建立有关系的资源管理