标签：香港 站群 服务器 稳定性 监控 报警 自动恢复 Prometheus Alertmanager Grafana keepalived 自动化 运维
-
提升香港站群服务器稳定性 从监控报警到自动恢复流程
1. 总体架构设计与目标定义 目标与边界清晰化：定义RPO/RTO、分钟级还是秒级恢复、允许的误报率。 小分段：a) 确定业务组件（web、db、缓存、搜索、任务队列）；b) 划分香港节点与备节点；c) 明确灰度、回滚与流量切换策略。 2. 监控指标清单与采集方案 必须监控的关键指标：CPU、内存、磁盘I/O、磁盘使用率、网络丢包/延迟、2026年5月10日