主题
运维手记
这是一个老 SRE 的实战笔记：上线夜的煎熬、值班被告警轰炸的凌晨、踩过的坑、反复验证过的"土办法"，以及真正在生产里跑过的脚本。与第一阶段的"教科书"内容互补——这里不讲原理，只讲当时怎么想的、怎么做的、后来怎么补的。 所有案例均为第一人称复合案例，公司名、人名、IP、密钥一律化名或泛指。
文章索引
现场故事
| 文章 | 解决什么问题 | 状态 |
|---|---|---|
| 割接 / 上线夜全记录 | 一次跨 Nginx + K8s + 数据库主从 + DNS 的割接，从傍晚准备到凌晨收尾的完整时间线与"回滚 vs 修复"决策 | ✅ 已完成 |
| 值班惊魂：一次告警风暴的真实处置 | 告警轰炸下先误判方向、再收敛定位根因（连接池耗尽）、止血与根治的全过程 | ✅ 已完成 |
| 典型踩坑实录（短案例集） | 12 条短小踩坑：误删、inode 满、时区、缓存雪崩、连接数打满、改配置没 reload、通配符误伤…… | ✅ 已完成 |
排障方法论
| 文章 | 解决什么问题 | 状态 |
|---|---|---|
| 信息不全时的排障推理框架 | 高压、信息不全下怎么分层排查、用二分法、最近变更优先、假设-验证、先止血后根治 | ✅ 已完成 |
| 现场经验法则与"土办法" | 30 条排障/操作/安全/沟通的经验法则：先看最近变更、重启前留现场、删除前先移动观察…… | ✅ 已完成 |
实战脚本集
| 文章 | 解决什么问题 | 状态 |
|---|---|---|
| 巡检 / 自愈 / 批量操作脚本集 | 批量主机巡检、阈值巡检、服务异常自愈拉起、带白名单与二次确认的批量执行 | ✅ 已完成 |
| 备份 / 清理 / 证书巡检脚本集 | 日志切割清理、带校验和与轮转的备份、证书到期巡检、数据一致性校验 | ✅ 已完成 |
硬核实战专题
| 文章 | 解决什么问题 | 状态 |
|---|---|---|
| 性能调优实战全流程 | USE/RED、wrk/vegeta/k6 压测、四类瓶颈定位、调优参数与前后对比 | ✅ 已完成 |
| 高并发 / 限流降级与流量调度 | 容量评估、令牌桶/漏桶/滑动窗口、熔断降级、灰度与多活 GSLB | ✅ 已完成 |
| 疑难杂症专题 | 内存泄漏、fd/连接耗尽、OOM、卡顿、丢包重传、时钟、脑裂 | ✅ 已完成 |
| 安全应急响应 | 被入侵/挖矿/木马/webshell 的隔离、取证、清除、溯源与加固闭环 | ✅ 已完成 |
| 从零落地监控自动化 SRE | 小公司/传统企业分阶段落地路径、优先级取舍与开源选型 | ✅ 已完成 |
| 生产配置最佳实践模板 | Nginx/MySQL/Redis/K8s/内核参数模板，逐项注释为什么这么设 | ✅ 已完成 |
命令速查
- 上线 / 巡检 / 应急 / 割接的逐项核对清单：运维 Checklist 大全
- 变更割接 / 故障报告 / 复盘 / 交接的文档模板：运维文档模板
- 让 AI 帮你排障、写脚本、复盘的提示词：运维 AI Prompt 速查
- 日常命令随查：Linux 命令速查
- 真实故障案例库：排障案例